AGA参数优选的SVR模型及其在经济系统预测中的应用.docVIP

AGA参数优选的SVR模型及其在经济系统预测中的应用 力，从而…定理度上抑制了SGA基于适应度比例的选择策min÷|lwlMZ(附略所带来的早熟和局部收敛。(4) 2.4 交义和变异操作S.t. y，-wφ帜，)-b运E吗wφ(x，)+b叩y;iIlite+??:.??\;)~O交叉和变异操作是遗传算法模拟自然生物进化过程产运用拉格郎日乘数法M叮T以得到工次规划(付4)的X亮对.才t1I偶罔规勿划~)沟lJ:生新个体的走要方法。对于浮点数编码的交叉操作采用线性组合的方式。例如I:.，u在一概率α对某2个染色体凡、X进行hW(O’.;O’.;可 z击〉z唔y弘川阳阳，(α矶刷机(仰帆1叫交义操作时，可以采用如下方式:α叽J爪φ(凡叫)φ(你x吵J川(5)x，，=ax，，+(l咄X(11) bX~吨Xb+(l-α)x;(12) 使得工(队α伐，-αa乃M呻利α凯j，lt;lt;??.叫e[圳O，C♂叫Cj，进而可以f得等到决策函数:变异操作通过改变染色体的步t走来实现:X=X+PmCX恤叫孔，;，，)(13) f(x)=L(α，咱种(x，)。你)+b(6) 其中，X阳和兑m分别为待优化参数有哪些信誉好的足球投注网站空间的最大值和最小值。通过引进核函数，方程(6)可以穹成如下形式交叉概率R和变异概率Pm根据文献[6]所提出的自适应你)百三(α，明α怵(x;x)吨(7) 度遗传算法来进行选择:在知识发现理论中，商斯核函数巳经被证明能够提供好P.=μ#039;.=严Ff瓦~严#039;e叭R斗lt;，-盯川叫(刊P;产J叽叫}，P平矶尺e盯吭川，叫，)(川#039;;.J/(f...叩 ω阳~ (14) ‘I民Pf#039;lt;f.吨的注化能力(8(。因此，本文采用高斯核函数K仙，Xj)=exp(||Zl12 -一卜)作为SVR的核函数。p凡h俨μrλ=俨mi!L’ (15) I，P凡阳flt;f.叫这泉，P;::O.9,P.,: :O.6,Pm , ::0.1 ，P叫::0.ωI，t;..鹏为群体中最大2 自1童应遗传算法的造股度值;从为每代群体的平均适应度值;f#039;为交叉的两个个体中较大的适应度值;f为变界个体的i革应度值。2.1 适应度函数进化代数按下式自适应变化:本文的适应度函数定义为训练数据上的交叉验证后的平均值的负值。即p:=(P.，训而::rp;lt;P问(16) f=-MAPE咄咄灿(8) lP.乌忍RfPm,’exp(-M/t...) Pmlt;凡T她盐1Pm’=! (17) ’; IP.., pmillitP，盹阳商ζL嚣ι…xlOO%(9) 其中，t为i撒传代数;t阳为最大遗传代数:λ为常数，这奥这恩，MAPE是平均绝对百分误羔J是训练数据样本的取100数目，y，是确切值的数目，f;是预测值的数目。当种群各个体适应度越于一致或者趋于局部最优时，使2.2 编码方式和RPm增加，而当群体璋应度比较分散时，使PC和Pm减由于参数的寻优过程是一个复杂的连续参数优化问题，少。同时，对于适应度值高于群体平均适应度值的个体，对应所以算法采用浮点数编码方式，这样避免了二进制编码在遗于较低的民和凡.使此解能够被保护进入下一代;而低于平传操作时反复译码、编码的操作以及二二进制字符串有限的长均适应度值的个体，相对于较高的P，和凡，此解被淘汰。因度对迸化算法性能和求解精度的影响。浮点数编码不受维数此，向适应的R和凡能够提供相对某个解的最佳P俨和凡。限制.不简要进行编码、解码操作.有效提高了计算速度和求自适应遗传算法在保持群体多样性的同时，保证遗传算法的解精度，并且浮点编码比二二进制编码在变异操作上能更好地收敛傲。保持种群多样性。2.3 选择操作3 AGASVR模型及应用文中采用基于排序的适应度分派原则1I(rank-based fit??ness御自ignment)。首先按照适应度假对种群内的个体进行排3.1 AGASVR模型流稳固(见图1)序，然后按下式确定地i个个体被选挣的概率:3.2 数据收集P，叫(l吨)叫(10)者在础数据是经济系统预测的出发点，篡础数据的有无和其中，i为个体排序序号;c为排序第一的个体的选挣概基础数据质量的高低直接影响到经济系统预测的精度。应该率。说，与20年前相比.现在的数据鼓然不能说已给很完备，但选择概率仅仅取决于个体在种群中的序位，耐不是实际比过去多得多，种类也比过去齐全，基本上己能满足…般经的适应度假。以概率贝采取轮:amp;:赌方法究成逃得操作。这样济系统预测的需婆。相对来说，广州市在我因是比较发达的个体的适应度不1i接影响后代的选择，保持r一定的选梯压统计与决策zα)8年第22期{总第274期)39 ?????????里玣??矾??????眬???眨??焩????昨??氽????????????㊣????昽???