基因表达式编程中用于露点的多目标优化
神经与进化计算
2013-04-19 v2
摘要
气候变化演化及其变化过程中发生的现象在环境工程中扮演重要角色。不同的技术被用于模拟温度、露点和相对湿度之间的关系。基因表达式编程能够以高精度建模复杂的现实，同时与其他学习算法相比，允许从演化模型中提取知识。本研究旨在使用基因表达式编程对露点进行建模。通常，模型精度是GEP选择机制使用的唯一目标。这将演化出具有低训练误差的大尺寸模型。为避免这种情况，遗传编程从业者倾向于使用多个目标，如精度和模型尺寸。多目标问题找到一组满足决策者给定目标的解。基于多目标的GEP将用于演化简单模型。广泛用于多目标优化的各种算法，如NSGA II和SPEA 2，在不同的测试案例中进行了测试。得到的结果表明，基于执行时间、获得的解数量和收敛速度等特征，SPEA 2是比NSGA II更好的算法。因此，与GEP获得的模型相比，多目标算法在考虑适应度和方程尺寸的双重目标时获得了更好的解。这些简单模型可用于预测露点。
引用
@article{arxiv.1304.4055,
title = {Multiobjective optimization in Gene Expression Programming for Dew Point},
author = {Siddharth Shroff and Vipul Dabhi},
journal= {arXiv preprint arXiv:1304.4055},
year = {2013}
}
备注
This paper has been withdrawn due to changes in file