论文部分内容阅读
针对如何将遗传规划方法与时间序列有效结合,构建基于遗传规划的时间序列自适应模型,并通过Java语言辅助算法的实现。相比之前遗传规划算法,采用平均值法改进初始群体的生成方式,使变异概率随着进化代数的增加而递减,且加入并行计算思想。在算法流程的核心计算环节,将适应度值的计算、个体的复制、交叉、变异操作都从线程的粒度来进行,基于实际运行效果来看,CPU多核运行明显,算法能够充分利用多处理器、多核进行计算,提高了运行效率。将改进的遗传规划模型应用于我国股票市场上股票价格的预测,将预测结果与经遗传算法优化的神经网络方法和传统遗传规划方法进行比较,结果证明改进遗传规划方法的预测精度更高,且能够更直观地表达输入与输出之间的关系。