13、机器学习在进化计算中的应用与优化

机器学习在进化计算中的应用与优化

在机器学习和进化计算领域，有多种方法可用于解决不同的问题，如曲线拟合、优化搜索等。本文将介绍几种相关的技术及其特点和性能。

1. RVM - GP：用于 GP 中自动特征选择的 RVM

RVM - GP 是一种用于曲线拟合问题的方法。通过与 KP 以及其他技术（如人工蜂群编程 ABCP、带标准交叉的 GP 等）进行比较，发现 RVM - GP 和 KP 构建的线性模型在解决该曲线拟合问题上优于其他方法，且 RVM - GP 的性能与 KP 相当，运行成功率均达到 100%。

基于 RVM 的方法避免了奇异性和需要阈值的假设检验。虽然 RVM 传统上用作核技术，但它可应用于任何表示为特征函数线性组合的模型。

2. PSOAP：基于亲和传播的粒子群优化

PSOAP 旨在通过使用聚类函数在局部和全局搜索之间取得良好平衡，它结合了粒子群优化（PSO）和亲和传播（AP）。

2.1 基本步骤

• 聚类创建 ：基于粒子群的位置信息，使用 AP 聚类创建集群，并随机为集群分配编号。将这些编号按顺序排列形成环形拓扑，作为集群的拓扑结构。
• 集群评估值计算 ：为每个集群找到集群评估值 Cbk（k 为集群编号），该值定义为属于该集群的粒子评估值的最优值。引入邻域最优值 ⃗pn，它是粒子 i 邻域内的最优值，邻域指与粒子 i 处于同一集群或在环形拓扑中与该集群相连的集群中的粒子。
• 速度更新公式修改 ：为实现高速更新，