论文部分内容阅读
为进一步改善传统遗传算法在函数发现应用上的搜索能力，提高算法的收敛速度和精度，文中提出了GEPAda—Boost算法。该算法在推进学习AdaBoost算法框架下，利用具有强大函数发现能力的基因表达式编程GEP作为每次迭代过程中的弱学习器，同时引入含分布因子的适应度函数在迭代中筛选出最优假设，最后通过投票策略组合多轮最优假设产生算法结果。丰富的实验结果表明新算法对权重计算和概率分布产生了积极的影响，与朴素GEP算法和GPBoosting算法对比分析发现该算法能分别提升16．7％和40．8％的精度。