摘要：为设计出具有高性能的卷积神经网络(CNN),且不需要在CNN和应用问题领域拥有广泛的专业知识和实践经验进行较优的CNN设计变量设置,提出一种基于模糊控制多细胞基因表达式编程算法来自动优化CNN的方法。通过设计一种有效的可变长度基因编码策略来表示CNN的设计变量,描述不同的构建块和不可预测的最优深度,将该算法应用于MNIST、CIFAR10和大肠癌症医学图像3个数据集进行验证。与其它已有先进算法进行实验比较,其结果表明,所提算法在分类准确度中可获得更好的效果,算法鲁棒性更强,且整个过程全自动完成。

摘要：为提高传统GEP算法的全局搜索能力,提出一种基于模糊控制的多细胞基因表达式编程算法(multicellular GEP algorithm based on fuzzy control,MGEP-FC)。通过构建模糊隶属函数,对算法的交叉率、变异率和实数集变异率的大小进行描述,根据种群中个体适应度值的集中和分散程度,动态调整遗传操作的交叉率、变异率和实数集变异率。为使种群的多样性在迭代过程中得到延续,设计一种遗传操作方案,将产生的新个体与父代种群结合构建临时种群,临时种群和子代种群的多样性均得到优化。12个Benchmark的函数寻优实验结果表明,该算法在稳定性、全局收敛能力和寻优速度等方面都得到了显著提升。