CN115543556B 一种基于多任务遗传编程算法的自适应符号回归方法 （华南理工大学）

US2007208548A1,2007.09.06一种基于多任务遗传编程算法的自适应符本发明公开了一种基于多任务遗传编程算法的自适应符号回归方法，该方法包括以下步配机制使得表现相对落后的任务可以得到更多2S1、构建可伸缩的基因表达编码方式形成统一的搜S2、根据交叉参数IR选择对种群进行选型交叉操作S4、统计下一代种群中每个任务的最佳个体的操作S5、判定所有任务所规定的精度条件或者适应度评估次数是否达到所规定的最大次2.根据权利要求1所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特3.根据权利要求2所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特S11、通过检查统一编码方式的染色体中每个维度S12、根据特定任务定义的类型的所属整数范围对整x和Ux分别是步骤S11中发现的元素对应类型的数值范围内的最小值和最大值，4.根据权利要求1所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特使用单点交叉，通过将随机选择的父代个体Xr1和Xi交叉操作来生成子代个体Ui，其中35.根据权利要求4所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特后代个体Ui，其中Xi是种群中第i个执行引导变异操作的个体，后代个体Ui染色体有n个维其中F是用户定义的缩放因子，xbest,j是当前种群中Xi的技能因子所代表的任务的最佳6.根据权利要求1所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特在每一代生成新一代的种群时，通过统计分析当前所有并行对应的更新规则。7.根据权利要求1所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特新生成的后代种群newpop与父种群pop混合连接在一起，形成一个临时种群temppop，temppop中的个体根据每个个体相应的适应度评估值在每个任务上进行排序，更新每个个其中φ(X)返回个体X的标量适应度值，当存在另一个与Xi完全相同的单独的Xk且k<i4i被认为是多余的。8.根据权利要求1所述的一种基于多任务遗传编程算法的自适应符号回归方法，其特S31、判断是否达到进行资源重分配的条件，进化过S33、在该表现最差任务所属的个体中选择因子排名5只能在一次独立运行中解决一个任务，这在需要同时解决多个任务的情况下是效率低下[0004]多因子优化是一种将多任务优化框架运用于进化计算领域的针对单一种群群体算法求解符号回归问题时，缺乏对并发搜索过程中的不同任务间的计算资源分配的处理。6返回步骤S2至步骤S5的进化流程进行种x是对应类型元素中的所用的最大整数，lal是对a向下取整x映射到特定任务的有意义的符号。将公共搜索空间中的染色体编码结构解码转化为某个[0021]使用单点交叉，通过将随机选择的父代个体Xr1和Xi交叉操作来生成子代个体Ui，7个体Xr2和Xr3的染色体中第j维的值，[i,j是根据当前种群中每个函数和终端的出现频率来分配，即更经常出现在种群个体中的元素更有可能被选择并分配给ui[0033]新生成的后代种群newpop与父种群pop混合连接在一起，形成一个临时种群8i被认为是多余的。9[0054]对多个不同的符号回归问题进行统一编码。在该可伸缩g即n在所选类型的可行值范围内被设置为一个随机整数。过检查统一编码方式的染色体中每个维度上的整数x所属的范围，找出每个维度所代表的个体Xr2和Xr3的染色体中第j维的值，[适应的计算资源重分配机制使得表现相对落后的任务所属的种群个体可以更多的进入下[0083]之后是在temppop中采用一对一选择策略进行选择，每个子代个体Ui都与其对应i被认为是多余的。[0092]若满足所有任务所规定的精度条件或者适应度评估次数[0093]为了验证和评估本实施例的算法框架的性能，本实施例以5个符号回归基准测试问题数据集进行仿真实验验证。本实施例将同时对这5个符号回归任务进行多任务并发执[0094]本实施例中采用均方根误差RMSE作为每个个体在所有任务上进行的适应度评估方式。将本发明所提出的多任务方法和已有的单一任务搜索的SLGEP算法进行搜索精度评[0095]从表2的结果可以得出，本发明所提出的方法在仿真测试中搜索精度要好于一般1F12F23F34F45F50.01[0101]为进一步验证本发明所提出方法的有效性，在实施例2中将不采用对交叉参数IR[0104]若满足所有任务所规定的精度条件或者适应度评估次数[0105]本