《表5 AD-RVCGP的参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于准反向变异的实数笛卡尔遗传编程算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了将本文算法和传统的CGP进行性能比较，主要用到5个符号回归问题（表1）进行测试。符号回归问题主要是从一些给定的输入-输出对样本中找到一个将自变量和因变量相关联的数学表达式。在解决以上问题时，将分别用笛卡尔遗传编程（CGP）、实数笛卡尔遗传编程（RVCGP）、自修改笛卡尔遗传编程（SMCGP）以及本文所提的AD-RVCGP进行实验测试。其中，在文献[21]中，研究表明第三个函数用传统的CGP很难对该问题进行求解，得出了传统CGP在平均进行大约55万次迭代才能找到该表达式。为了进行实验测试，一些参数需要被确定，如节点个数、最大迭代次数、函数集合、输入集合等。在本次实验中，传统CGP的参数由表2给出，RVCGP参数由表3给出，SMCGP参数由表4给出，AD-RVCGP参数由表5给出。其中，在CGP中有一个Level-back的参数，该参数限制了每个节点能和它相连接的最前面的节点位置，如Level-back取5，则每个节点只能和其前面5个节点进行连接。由式（2）可以看出，从RVCGP到CGP的转换后，RVCGP的每个节点都可以连接到它前面的任意节点，因此在实验中对CGP的参数取19，另外为了保证测试公平，由于本文提出的进化算法不完全和传统CGP的进化算法一致，所以本文算法的子代个体数设置为10，而其他3种算法的则设置为20。对于个体适应值，本文选择算法对每个样本自变量的输出和样本真实输出之差的绝对值的累计误差，即：