基于开放读码框架的GEP遗传算子

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (18): 57-61.

基于开放读码框架的GEP遗传算子

陈威虎，向凌云

长沙理工大学计算机与通信工程学院，长沙 410114

出版日期:2016-09-15 发布日期:2016-09-14

Genetic operator of GEP based on open read frame

CHEN Weihu, XIANG Lingyun

School of Computer & Communication Engineering, Changsha University of Science and Technology, Changsha 410114, China

Online:2016-09-15 Published:2016-09-14

摘要/Abstract

摘要： 基因表达式编程（GEP）采用的已有单点重组、两点重组、插串等遗传操作有很大概率发生在基因的非编码区，导致搜索过程中遗传操作前后的基因解码成相同的表达式树，这在一定程度上影响了GEP的搜索性能。为解决这一问题，提出了一类基于开放读码框架的遗传算子，这类算子从基因的编码区中选取作用点，以保证遗传操作将改变编码区中的基因片段，从而使遗传操作后的基因能解码成不同的表达式树。实验结果表明，与已有的同类遗传算子相比，提出的遗传算子缩短了GEP算法进化代数，提高了算法的成功率。

关键词: 基因表达式编程, 开放读码框架, 遗传算子

Abstract: The existing genetic operators such as one or two point recombination, and insertion sequence used by Gene Expression Programming（GEP） have a great chance to occur in non-coding region which leads to the genes decoding into the same expression tree after executing the genetic operators, and this, to a certain degree, reduces the search performance of the GEP algorithm. Aiming to solve this problem, this paper proposes a kind of genetic operator based on open read frame. This kind of operator selects change/insert points from the coding region of the genes, which can ensure the generated gene by executing the genetic operator to be decoded into a different expression tree. Experimental results show that the proposed genetic operators have shortened the evolution and improved the success rate of GEP compared with other similar genetic operators.

Key words: gene expression programming, open read frame, genetic operator

陈威虎，向凌云. 基于开放读码框架的GEP遗传算子[J]. 计算机工程与应用, 2016, 52(18): 57-61.

CHEN Weihu, XIANG Lingyun. Genetic operator of GEP based on open read frame[J]. Computer Engineering and Applications, 2016, 52(18): 57-61.

[1]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[2]	郭勇1，张国锋1，刘丽萍2. 基因沉默机制的基因表达式编程[J]. 计算机工程与应用, 2018, 54(23): 131-136.
[3]	崔未，王卫华，黄樟灿，谈庆. 基于GEP算法的高阶常微分方程预测模型[J]. 计算机工程与应用, 2018, 54(18): 256-262.
[4]	张柯，张德平. 基于基因表达式编程的错误定位方法[J]. 计算机工程与应用, 2016, 52(9): 6-11.
[5]	王斌1，张迅2，盛津芳1，陈新3，史秀志3. 优化的GEP算法在爆破振动预测中的应用[J]. 计算机工程与应用, 2016, 52(22): 212-217.
[6]	周冬梅，孙俊. 遗传规划中遗传算子对种群多样性的影响[J]. 计算机工程与应用, 2016, 52(20): 39-45.
[7]	朱明放1，2，叶飞跃1，2，丁小未2. 基于GEP的任务指派问题的求解算法[J]. 计算机工程与应用, 2014, 50(22): 50-53.
[8]	张凯，周德云，潘潜. 基于混合蛙跳算法的协同空战火力分配[J]. 计算机工程与应用, 2014, 50(17): 263-266.
[9]	厉虹，张甜. 改进PSO在欠驱动机器人运动规划中的应用研究[J]. 计算机工程与应用, 2012, 48(6): 221-224.
[10]	王晓笛1，肖伟1，何灿2. 改进的蛙跳算法在多目标优化问题中的应用[J]. 计算机工程与应用, 2012, 48(30): 233-238.
[11]	王晓1，何锫1，2. 一种新型GEP解码方法[J]. 计算机工程与应用, 2012, 48(3): 43-45.
[12]	柳益君，朱明放，习海旭，朱广萍，蒋红芬，陈丹. 基于最大隶属度原则的基因表达式编程分类[J]. 计算机工程与应用, 2012, 48(26): 48-52.
[13]	莫海芳1，李康顺2. 基因表达式编程的一种新遗传算子[J]. 计算机工程与应用, 2011, 47(7): 23-24.
[14]	袁锋1，陈守强2. 一种冠心病介入术后复发预测组合模型的构建[J]. 计算机工程与应用, 2011, 47(35): 228-231.
[15]	帅训波1，马书南2. 应用布尔遗传算子求解N皇后问题[J]. 计算机工程与应用, 2011, 47(16): 49-51.