符号回归的分治方法
摘要：符号回归旨在基于给定的一组样本数据，找到一个最能解释自变量与目标值之间关系的函数。由于遗传编程（GP）可以同时优化函数结构和系数，因此通常被认为是解决该问题的适当方法。然而，GP的收敛速度可能对于涉及大量变量的大规模问题来说太慢。幸运的是，在许多应用中，目标函数是可分离或部分可分离的。这一特性激发我们开发了一种新的符号回归方法，即分而治之（D&C）。在D&C方法中，目标函数被分为多个子函数，然后使用任何GP算法来确定这些子函数。可分离性通过一种新提出的技术，即双相关性测试（BiCT）进行探测。通过在一些真实应用中测试，D&C动力GP显示出可以加快获得目标函数的速度。
作者：Changtong Luo, Chen Chen, Zonglin Jiang
论文ID：1705.08061
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-26