[發(fā)明專利]基于數(shù)據(jù)驅(qū)動遺傳編程算法的符號回歸方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110273698.4
• 申請日: 2021-03-15
• 公開（公告）號: CN113111308B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 鐘競輝;林煜森
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/126
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 林梅繁

本發(fā)明涉及基于數(shù)據(jù)驅(qū)動遺傳編程算法的符號回歸方法與系統(tǒng)，其方法包括步驟：S1、通過輸入元素集計算各個特征與輸出之間的互信息值，計算各個特征與輸出之間的MIC值；S2、通過生成隨機函數(shù)，再生成訓練圖像，進行CNN訓練，由CNN生成函數(shù)元素重要性權(quán)重向量；S3、初始化多染色體編碼方式的種群，若滿足終止條件，則結(jié)束；否則，更新種群，進行突變與交叉變異，再進行染色體解碼，并評估適應值，進行選擇后再循環(huán)判斷是否滿足終止條件。本發(fā)明通過選擇重要終端元素和函數(shù)元素的機制，采用多染色體編碼方法提高遺傳編程算法的搜索性能，從而有效地解決符號回歸問題。

技術(shù)領域

本發(fā)明涉及智能計算和特征工程技術(shù)領域，尤其涉及基于數(shù)據(jù)驅(qū)動遺傳編程算法的符號回歸方法及系統(tǒng)。

背景技術(shù)

符號回歸是一種試圖發(fā)現(xiàn)某種隱藏的數(shù)學公式，以此利用特征變量預測目標變量的監(jiān)督學習方法。與傳統(tǒng)的回歸方法，如線性回歸、多項式回歸、人工神經(jīng)網(wǎng)絡等相比，符號回歸不需要事先給定具體函數(shù)形式，不需要任何先驗知識和模型，同時能夠提供直觀顯式的函數(shù)表達式模型，有助于研究者理解和分析待研究系統(tǒng)的內(nèi)在機理。因此，符號回歸近年來被應用于諸如時間序列預測、數(shù)據(jù)挖掘、模式分類和系統(tǒng)設計優(yōu)化等領域，目前已成為智能計算領域的一個研究熱點。

現(xiàn)有的符號回歸算法主要分為基于確定性優(yōu)化技術(shù)的算法和基于啟發(fā)式優(yōu)化技術(shù)的遺傳編程算法。由于確定性優(yōu)化技術(shù)只適用于規(guī)模較小的問題，目前求解符號回歸問題的主流算法是遺傳編程算法。遺傳編程算法是一類通過模擬自然界“適者生存，優(yōu)勝劣汰”的進化現(xiàn)象實現(xiàn)計算機自主編程的智能計算優(yōu)化算法。遺傳編程算法求解符號回歸問題主要具有兩大優(yōu)勢：一是遺傳編程算法編碼機制靈活可變，很適合表示進化函數(shù)的結(jié)構(gòu)；二是遺傳編程算法的搜索過程基于隨機啟發(fā)式搜索，不需要建立復雜的優(yōu)化模型，這使得其具有很強的通用性且可以同時優(yōu)化多個目標。

然而，現(xiàn)階段遺傳編程算法在選擇元素構(gòu)建解的過程中仍存在著不足。如何選擇合適的元素集是遺傳編程算法中一個基本的而具有挑戰(zhàn)性的問題，也制約著遺傳編程算法更好地應用于實際問題中。

遺傳編程算法的元素集由函數(shù)元素和終端元素(即特征元素)組成。函數(shù)元素(如*,sin)通過連接終端元素(如變量x,y)來構(gòu)造解。因此函數(shù)元素和終端元素決定了遺傳編程算法解的搜索空間，兩者共同地影響著遺傳編程算法的性能。一方面，為了確保找到高質(zhì)量的解，函數(shù)元素集應當設置得足夠大。但這將極大地增加搜索空間，降低搜索效率，使遺傳編程算法容易陷入局部最優(yōu)解。另一方面，選擇有用的特征作為終端元素集也影響著遺傳編程算法的性能。通過識別有用特征子集并去除不相關特征可以減少搜索空間，提高遺傳編程算法搜索效率。

現(xiàn)有的元素選擇方法主要是利用特征工程縮小終端元素集的空間，從而改進遺傳編程算法的性能。然而，當函數(shù)集很大并且包含不相關的函數(shù)元素時，這些方法是不夠有效的，同時往往沒有考慮常數(shù)問題，因此導致了不準確的求解。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)所存在的技術(shù)問題，本發(fā)明提供基于數(shù)據(jù)驅(qū)動遺傳編程算法的符號回歸方法及系統(tǒng)，通過選擇重要終端元素和函數(shù)元素的機制，采用多染色體編碼方法提高遺傳編程算法的搜索性能，從而有效地解決符號回歸問題。

本發(fā)明方法采用以下技術(shù)方案來實現(xiàn)：基于數(shù)據(jù)驅(qū)動遺傳編程算法的符號回歸方法，包括以下步驟：

S1、通過輸入元素集計算各個特征與輸出之間的互信息值，再計算各個特征與輸出之間的MIC值，根據(jù)MIC值找出重要的特征集，并決定參與步驟S2的重要的特征集以及步驟S3的終端元素；

S2、利用步驟S1中找出的重要的特征集生成隨機函數(shù)，再生成訓練圖像，進行CNN訓練，由CNN生成函數(shù)元素重要性權(quán)重向量；

S3、初始化遺傳編程算法與多染色體編碼方式的種群，若滿足終止條件，則結(jié)束；否則，更新種群，進行突變與交叉變異，再進行染色體解碼，并評估適應值，進行選擇后再循環(huán)判斷是否滿足終止條件。