基因表达程序中的露点多目标优化
摘要：气候变化演化过程及其变化在环境工程中起着重要作用。在温度、露点和相对湿度之间建立关系的模型所使用的不同技术。基因表达编程能够以极高的准确性对复杂实际情况进行建模，并同时从进化模型中提取知识，相比其他学习算法。本研究旨在使用基因表达编程对露点进行建模。通常，模型的准确性是基因表达编程选择机制中唯一使用的目标。这将演化出具有低训练误差的大型模型。为避免这种情况，基因编程从业者更倾向于使用多个目标，例如模型的准确性和大小。多目标问题寻找满足决策者给定目标的一组解决方案。基于多目标的基因表达编程将用于演化简单模型。多目标优化广泛使用的各种算法，如NSGA II和SPEA 2，将用于不同的测试用例。得到的结果表明，基于SPEA 2的算法比基于NSGA II的算法具有更好的执行时间、解决方案数量和收敛率等特征。因此，与GEP获得的模型相比，多目标算法在考虑适应度和方程尺寸这两个目标时能得到更好的解决方案。这些简单的模型可以用于预测露点。
作者：Siddharth Shroff, Vipul Dabhi
论文ID：1304.4055
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-04-19