12、基于语法的遗传编程：原理、应用与发展

基于语法的遗传编程：原理、应用与发展

1. 基于语法的遗传编程概述

基于语法的遗传编程（Grammar - Based Genetic Programming，GGP）是一种强大的进化算法变体，它在解决各类问题时展现出独特的优势。在进化清晰规则的系统中，其适应度是一个加权函数，综合考虑了基于训练集统计数据的相关性度量以及GGP树的大小（规则集的大小）。而在处理模糊规则的系统中，规则集的简单性被忽略，因为在这种语法定义方式下，大型个体仍易于解释。

将该系统与C4.5、提升算法以及用于符号回归的标准遗传编程在两个医学领域进行比较，结果表明，所提出的方法能够找到易于理解的规则，并且分类准确率与其他方法相当。

2. 不同应用场景下的GGP系统

• 聚类任务 ：Falco等人实现了一个GGP系统用于数据挖掘中的聚类任务。他们通过逻辑公式定义了一种新的聚类表示方法，并使用GGP系统搜索这些公式。与知名聚类算法的比较显示，GGP是一种成功的聚类方法。
• 符号回归问题 ：McConaghy和Gielen提出了CAFFEINE（CAnonical Form Function Expressions IN Evolution）。该方法利用规范形式函数为符号回归问题进化出人类可解释的表达式，这些函数通过上下文无关文法（CFG）实现。在模拟电路设计的知识提取应用中，使用解编码个体的GGP系统比使用产生式规则序列编码个体的GGP系统表现更好。
• 神经网络拓扑进化 ：Hussain和Browse提出使用属性文法来进化人