GEP程序（C#语言描述）分析（三）

以下我们讨论第三步，也是GEP中最为控制性的一步。如何设置适应性函数。

同样首先定义一些标准接口：

/**
 * 适应度函数  根据训练数据的所有值, 计算适应度函数
 */
public interface Fitness
{
 /**
  * 返回该适应度函数返回的最小适应度值   (作为死基因的染色体适应度值)
  * @return
  */
 double getMinFitness();
}

**

 * 数值的适应度函数

 */

public interface NFitness：Fitness

{

/**

 * 由模型预测值计算适应度函数

 * @param predicates

 * @return

 */

public abstract double calculate(double[] values);

}

以下是一种通用适应度函数与两种适应度函数的类。

/**

 * 通用适应度函数

 */

public abstract class GeneralNFitness ：NFitness

{

protected double[] targets; // 样本的目标值

 

protected GeneralNFitness(NDataSet dataSet)

{

this.targets = dataSet.getTargets();

}

}

/**

 * 使用绝对误差计算适应度函数

 */

public class AbsoluteErrorFitness :GeneralNFitness

{

private final double MIN_FITNESS = 1.0;

private double[] targets; // 目标值

private double M; // 允许的绝对误差值上限

 

public AbsoluteErrorFitness(NDataSet dataSet, double M)

{

this.targets = dataSet.getTargets();

 

}

 

public double calculate(double[] values)

{

double sum = 0.0;

for (int i=0; i<values.length; i++)

{

sum += M - Math.abs(values[i]-targets[i]);

}

if (sum<0) sum = 0;

 

return sum;

}

 

public double getMinFitness()

{

return MIN_FITNESS;

}

 

public String toString()

{

return this.Tostring()+ "(M:" + M +")";

}

}

/**

 * 使用复相关系数的适应度函数

 */

public class CorrelationCoefficientFitness : GeneralNFitness

{

private static double MIN_FITNESS = -100;

private double deviation; // 目标数据的偏差

 

public CorrelationCoefficientFitness(NDataSet dataSet)

{

this.targets = dataSet.getTargets();

 

}

 

/**

 * 初始化  计算目标值的偏差

 */

private void initialize()

{

int size = targets.length;

double average = 0.0;

for (int i=0; i<size; i++)

{

average += targets[i];

}

average /= size;

 

deviation = 0.0;

for (int i=0; i<size; i++)

{

double t = targets[i] - average;

deviation += t * t;

}

}

 

public double calculate(double[] values)

{

double f = 0.0;

for (int i=0; i<values.length; i++)

{

double t = values[i] - targets[i];

f += t * t;

}

f = 1 - f/deviation;

 

if (f<MIN_FITNESS) f = MIN_FITNESS;

 

return f;

}

/**

 * 使用相对误差的适应度函数

 */

public class RelativeErrorFitness : GeneralNFitness

{

private  double MIN_FITNESS = 1.0;

private double M; // 允许的最大相对误差上限

 

public RelativeErrorFitness(NDataSet dataSet, double M)

{

this.targets = dataSet.getTargets();

 

}

 

public double calculate(double[] values)

{

int size = targets.length;

double fitness = 0.0;

for (int i=0; i<size; i++)

{

fitness += M - Math.abs((values[i]-targets[i])/targets[i]*100);

}

if (fitness<MIN_FITNESS) fitness = MIN_FITNESS;

 

return fitness;

}

 

public double getMinFitness()

{

return MIN_FITNESS;

}

 

public String toString()

{

return this.Tostring()+ "(M:" + M +")";

}

}

 以上是两种常用的适应度函数。