基于GEP基因约简策略的多项式因式分解

吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (06): 1612-1617.

基于GEP基因约简策略的多项式因式分解

陈瑜¹,唐常杰¹,朱明放^1,2,代术成¹,朱锐³,姜玥^1,4,李川¹

1.四川大学计算机学院|成都 610065；2.江苏技术师范学院计算机科学与工程学院|江苏常州 213001；3.西安财经学院信息与教育技术中心|西安 710061；4.西南民族大学计算机科学与技术学院|成都 610041

收稿日期:2008-01-29 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 陈瑜（1974-），男，讲师，博士研究生.研究方向：进化计算，数据挖掘与知识工程. E-mail:yuchen@cs.scu.edu.cn E-mail:yuchen@cs.scu.edu.cn
作者简介:陈瑜（1974-）|男|讲师|博士研究生.研究方向：进化计算|数据挖掘与知识工程. E-mail:yuchen@cs.scu.edu.cn
基金资助:
国家自然科学基金项目(60473071，60773169)；“十一五”国家科技支撑计划项目(2006BAI05A01)

FactorGEP: a novel factorization of polynomial algorithm based on GEP with gene reduction strategy

CHEN Yu¹,TANG Chang-jie¹,ZHU Ming-fang^1,2,DAI Shu-cheng¹,
ZHU Rui³,JIANG Yue^1,4,LI Chuan¹

1.School of Computer Science,Sichuan University,Chengdu 610065,China;2.School of Computer Science and Technology,Jiangsu Teacher University of Technology,Changzhou 213001,China;3.Information and Education Technology Center,Xi’an University of Finance and Economics,Xi’an 710061,China;4.School of Computer Science &|Technology,Southwest University for Nationalities,Chengdu 610041,China

Received:2008-01-29 Online:2009-11-01 Published:2009-11-01

摘要/Abstract

摘要：

将基于基因表达式编程（GEP）的公式发现技术用于多项式因式分解。对标准GEP中个体染色体适应度评价算法和遗传算子进行了改进，提出了一种新的基于GEP的基因约简算法及多项式因式发现算法（以下称FactorGEP算法)，分析了多项式因式发现的特殊困难，提出了将有效基因个数作为适应度评价因素的解决方案。试验结果表明，FactorGEP算法完全不需要关于分解的多项式的任何先验知识，可以自动对多项式进行因式分解，并找到最佳的分解。

关键词: 人工智能, 基因表达式编程, 多项式因式分解, 进化计算, 适应度计算

Abstract:

A novel factorization of polynomial algorithm was proposed based on Gene Expression Programming (GEP). The fitness evaluation method for individual chromosome and the genetic operator of traditional GEP were improved. The difficulty in factorization of polynomial was analyzed. Then a novel factorization of polynomial algorithm based on gene reduction in GEP, FactorGEP, was proposed. In the proposed algorithm the number of valid genes in chromosome is taken as a factor in the fitness evaluation. Experimental results show that the FactorGEP algorithm can automatically perform factorization of polynomial well without any priori knowledge of the polynomial, and it can find the optimal factorization.

Key words: artificial intelligence, gene expression programming, factorization of polynomial, evolutionary computation, fitness evaluate

中图分类号:

TP311

陈瑜,唐常杰,朱明放,代术成,朱锐,姜玥,李川. 基于GEP基因约简策略的多项式因式分解[J]. 吉林大学学报(工学版), 2009, 39(06): 1612-1617.

CHEN Yu,TANG Chang-jie,ZHU Ming-fang,DAI Shu-cheng,ZHU Rui,JIANG Yue,LI Chuan. FactorGEP: a novel factorization of polynomial algorithm based on GEP with gene reduction strategy[J]. 吉林大学学报(工学版), 2009, 39(06): 1612-1617.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed