遗传算法时间序列预测创建初始种群

Question

我正在建立一种遗传算法，可以在符号回归分析中进行时间序列预测。我正在尝试找到一种算法，以找到与数据的潜在趋势相匹配的方程式。 （预测啤酒的月销量）

想法是使用类似lisp的表达式，它将等式写入树中。这允许在交叉/配合阶段进行分支交换。

5* (5 +5)

写为：

X = '(mul 5 (add 5 5))'
Y = parser(X) 
y = ['mul', 5, ['add', 5, 5]]

我想知道如何创建一个初始种群集，其中的个体会自动代表不同的表情。 “适合度”与每个方程式与基本趋势的匹配程度有关。

例如，一个人可能是：'（加100（mul x（sin（mul x 3））））''其中x是以月为单位的时间。

如何自动为我的人群生成表达式？我不知道该怎么做，任何帮助将不胜感激。

Answer 1

您可以轻松地通过递归和一个随机数生成器random()解决此问题，该生成器返回0到1之间的（伪）随机float。这是一些伪代码：

randomExp() {
    // Choose a function(like mul or add):
    func = getRandomFunction() // Just choose one of your functions randomly.
    arg1 = ""
    rand1 = random()
    // Choose the arguments. You may choose other percentages here depending how deep you want it to be and how many 'x' you want to have.
    if(rand1 < 0.2)
        arg1 = randomExp() // Here add a new expression
    else if(rand1 < 0.5)
        arg1 = "x"
    else
        arg1 = randomConstant() // Get a random constant in a predefined range.
    // Do the same for the second argument:
    arg2 = ""
    …
    …
    // Put everything together and return it:
    return "("+func+" "+arg1+" "+arg2+")"
}

您可能还希望限制递归深度，因为这可能会给您返回一个理论上无限长的表达式。