基于GEP函數(shù)發(fā)現(xiàn)的智能模型庫關(guān)鍵技術(shù)研究.pdf

1、計(jì)算機(jī)技術(shù)廣泛而深入的應(yīng)用對(duì)決策支持提出了更高的要求。智能決策支持系統(tǒng)（Intelligent Decision Support Systems，IDSS）應(yīng)運(yùn)而生。 模型庫子系統(tǒng)是決策支持系統(tǒng)的核心。但傳統(tǒng)模型庫的建立方法存在以下缺點(diǎn)： （1）需預(yù)先確定好模型庫中模型的類型，DSS只能根據(jù)樣本數(shù)據(jù)對(duì)現(xiàn)有的模型進(jìn)行有關(guān)參數(shù)計(jì)算，進(jìn)而讓決策者根據(jù)結(jié)果來進(jìn)行預(yù)測(cè)。這種模型庫缺少了真正意義上的智能尋找模型類型的功能。

2、（2）可能依賴領(lǐng)域的專家經(jīng)驗(yàn)。如專家系統(tǒng)需要一個(gè)內(nèi)容豐富而全面的知識(shí)庫支撐，依靠的是某領(lǐng)域的專家經(jīng)驗(yàn)，因此，該智能模型庫對(duì)先驗(yàn)知識(shí)依賴性很強(qiáng)，難以實(shí)現(xiàn)真正意義上的智能化。 （3）在預(yù)先不知模型類型時(shí)，需憑經(jīng)驗(yàn)確定模型類型，含有主觀和盲目因素。 （4）傳統(tǒng)方法目前不能支持復(fù)雜函數(shù)關(guān)系式和多分段函數(shù)關(guān)系式等模型的建立。 （5）擴(kuò)展性較差。針對(duì)不同的函數(shù)模型類型，在程序?qū)崿F(xiàn)時(shí)就必須有一個(gè)新的程序模塊。當(dāng)模型庫要進(jìn)行擴(kuò)充

3、，系統(tǒng)就要為該模型增加新的代碼。 為了解決以上問題，本文將基因表達(dá)式編程（Gene Expression Programming，GEP）技術(shù)引入智能模型庫的研究中。 基因表達(dá)式編程具有極強(qiáng)的函數(shù)發(fā)現(xiàn)能力和很高的效率，并且在函數(shù)發(fā)現(xiàn)時(shí)不需要任何先驗(yàn)知識(shí)，無需預(yù)存函數(shù)模型的類型，避免了傳統(tǒng)算法建模時(shí)事先選定函數(shù)類型的盲目性。 基因表達(dá)式編程研究領(lǐng)域尚有許多空白點(diǎn)，如GEP的理論分析、基于GEP屬性約簡(jiǎn)的函數(shù)挖掘、基

4、于殘差分布適應(yīng)度GEP方法等等。本文的工作是基于這些空白點(diǎn)展開，并將GEP這種新技術(shù)引入到DSS。 本文主要貢獻(xiàn)如下： （1）提出并實(shí)現(xiàn)了兩種數(shù)據(jù)預(yù)處理方法： i．復(fù)共線性數(shù)據(jù)的預(yù)處理算法ε－MDPA（ε－Multicollinearity Data Preprocessing Algorithm），該方法是針對(duì)在函數(shù)發(fā)現(xiàn)中要處理的數(shù)據(jù)具有復(fù)共線性時(shí)數(shù)據(jù)的預(yù)處理辦法 ii．基于Hash函數(shù)取樣的數(shù)據(jù)預(yù)處理

5、算法HSDPA（Hash Sampling Based Data Preprocessing Algorithm），其中的取樣是在總體數(shù)據(jù)太龐大時(shí)，為了提高函數(shù)發(fā)現(xiàn)的效率和樣本質(zhì)量，所采取的抽樣技術(shù)。 （2）針對(duì)GEP理論的不足或空白點(diǎn)，對(duì)GEP的基本概念進(jìn)行了一系列的形式化描述。利用馬爾可夫鏈理論，對(duì)群體為離散型的GEP進(jìn)行了收斂性分析，證明了GEP的馬爾可夫鏈?zhǔn)諗啃远ɡ?。針?duì)群體為一般型的GEP，分析了適應(yīng)度函數(shù)的收斂性，并

6、證明了最小殘差平方和依概率收斂定理。在理論上保證了GEP方法的可靠性和可行性。 （3）提出了顯式模型概念和基于GEP的顯式模型挖掘算法（GEP-Explicit Model Mining Algorithm, GEP-EIMA），新方法兼容了傳統(tǒng)函數(shù)發(fā)現(xiàn)算法顯式模型的挖掘，實(shí)現(xiàn)了系統(tǒng)的易擴(kuò)展性。同時(shí)，通過實(shí)驗(yàn)驗(yàn)證了算法的有效性。 （4）根據(jù)GEP函數(shù)發(fā)現(xiàn)依概率收斂定理，提出了基于GEP的殘差制導(dǎo)進(jìn)化算法（GEP-RGEA

7、），提高了GEP算法的效率。并通過3個(gè)實(shí)驗(yàn)與GP以及其它預(yù)測(cè)方法進(jìn)行了對(duì)比性實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，在噪聲數(shù)據(jù)很小的情況下，三種算法均挖掘出目標(biāo)函數(shù)，但GEP比GP的收斂速度提高了20倍，RGEA比GP提高了60倍。對(duì)于函數(shù)類型未知且極為復(fù)雜的數(shù)據(jù)，GEP和RGEA在發(fā)現(xiàn)理想函數(shù)的速度上要比GP分別快900、1800倍。 （5）提出了邊際基因、邊際適應(yīng)度、殘差分布適應(yīng)度概念以及基于邊際適應(yīng)度和殘差分布適應(yīng)度的GEP算法（GEP-MF

8、RDF），算法保證了殘差服從近似正態(tài)分布，克服了傳統(tǒng)GEP算法一味追求殘差絕對(duì)值小，忽略殘差應(yīng)滿足正態(tài)分布的要求，有可能導(dǎo)致系統(tǒng)誤差的不足。提出了基于GEP的貪婪式屬性約簡(jiǎn)函數(shù)挖掘算法（GEP BasedGreedy Attribute Reduction Function Mining Algorithm, GEP-GARFMA）和基于GEP的逐步屬性約簡(jiǎn)函數(shù)挖掘算法（GEPBased Stepwise Attribute Reduc

9、tion Function Mining Algorithm,GEP-SARFMA），使系統(tǒng)能在自變量很多情況下自動(dòng)實(shí)現(xiàn)屬性約簡(jiǎn)的函數(shù)挖掘功能。通過兩個(gè)實(shí)驗(yàn)驗(yàn)證了算法的有效性。實(shí)驗(yàn)表明：（a）GEP-GARFMA和GEP-SARFMA在發(fā)現(xiàn)最優(yōu)函數(shù)表達(dá)式時(shí)，均能有效地進(jìn)行屬性約簡(jiǎn)；（b GEP-SARFMA發(fā)現(xiàn)的函數(shù)表達(dá)式精度與GEP-GARFMA方法差不多；（c）當(dāng)自變量個(gè)數(shù)為20時(shí)，GEP-SARFMA方法比GEP-GARFMA快3

10、00倍；（d）使用GEP-SARFMA挖掘的函數(shù)模型的適應(yīng)度函數(shù)值比傳統(tǒng)方法提高24.6％。 （6）提出并實(shí)現(xiàn)了基于GEP函數(shù)發(fā)現(xiàn)的智能模型庫系統(tǒng)（GEP BasedIntelligent Model Base System, GEP-IMBS），給出了GEP-IMBS系統(tǒng)與GIS、DSS等接口技術(shù)。該系統(tǒng)是真正意義的無先驗(yàn)知識(shí)的智能模型庫系統(tǒng)，模型的類型和參數(shù)的求解均由程序自己來實(shí)現(xiàn)。通過一個(gè)真實(shí)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證GEP-IMBS系