带误差余项的基因表达式编程

摘要

基因表达式算法 ( Gene Expression Programming, GEP ) 在函数挖掘方面有较大的优越性，但容易过早收敛，且很难跳出局部最优解 ， 导致最后的绝对误差较大 ， 为此提出了一种带有余项误差的方法。该方法在当个体陷入局部最优时 ， 将函数值与目标值的误差作为余项 ， 进一步把该余项数据再进行函数挖掘，由此找到的新函数更接近目标值。反复多次用 GEP 寻找跟余项数据逼近的函数，再计算新的余项 ， 可让余项的绝对值也就是函数的绝对误差依概率收敛于 0 。并从理论上证明了这种算法的可行