發(fā)布時(shí)間：2021-04-20 01:09

　　針對(duì)現(xiàn)有符號(hào)回歸方法僅關(guān)注擬合誤差而忽略模型簡(jiǎn)化的問題,提出了一種基于多目標(biāo)的人工魚群算法,將擬合誤差與模型復(fù)雜度同時(shí)作為目標(biāo)函數(shù)進(jìn)行優(yōu)化.以二叉堆對(duì)語(yǔ)法樹編碼,優(yōu)良分支得以穩(wěn)定地遺傳和繼承,也更易解碼.在引入蒙版、鄰域、小生境、擁擠度等概念的基礎(chǔ)上,設(shè)計(jì)和定義了適用于二叉堆編碼的隨機(jī)游動(dòng)、覓食、追尾、逃脫等人工魚行為算子.詳盡的實(shí)驗(yàn)表明,提出算法在符號(hào)回歸過(guò)程中能獲取高質(zhì)量的Pareto解.此外,對(duì)從Pareto前沿上選取折衷解及降低算法內(nèi)存開銷的方法也進(jìn)行了討論. 

【文章來(lái)源】：控制理論與應(yīng)用. 2020,37(02)北大核心EICSCD

【文章頁(yè)數(shù)】：15 頁(yè)

【文章目錄】：
1 引言
2 擬合誤差與模型復(fù)雜度的量化
    2.1 擬合誤差
    2.2 模型復(fù)雜度
3 用于符號(hào)回歸的多目標(biāo)人工魚群算法
    3.1 人工魚編碼
        3.1.1 ORF串的缺點(diǎn)
        3.1.2 二叉堆編碼
        3.1.3 蒙版
    3.2 人工魚行為算子與外部檔案維護(hù)
    3.3 算法步驟
4 仿真實(shí)驗(yàn)
5 討論
    5.1 模型的選擇
    5.2 內(nèi)存開銷的降低
    5.3 參數(shù)的選擇
6 結(jié)論



本文編號(hào)：3148677