莫海芳，李康顺，彭 川

（1.中南民族大学 计算与实验中心，湖北 武汉430074；2.华南农业大学 信息学院，广东 广州510642）

0 引 言

基因 表 达 式 编 程（gene expression programming，GEP）作为一种新的演化算法，在演化建模［1－3］，神经网络［4］和分类［5］等领域取得了很好的应用结果。但是，作为一种随机搜索算法，GEP也存在早熟和陷入局部最优的缺陷。很多学者对GEP进行了跟踪研究并提出不同的改进算法，其中避免算法过早收敛和提高算法收敛速度是改进的主要方向。

众所周知，群体多样性的过早缺失会导致算法早熟收敛。因此，能否保持合适的群体多样性水平，对算法的全局收敛性有直接的影响。文献［6］引入基因漂移和漂移抑制的概念，通过漂移抑制算子控制基因的过度漂移，同时保持种群的多样性。文献［7］提出基因空间均匀分布策略，提高初始种群的基因多样性，从而提高进化效率。文献［8］使用带权的函数符和终结符，以保证初始种群具有丰富的多样性，同时采用自适应的交叉和变异算子，维持进化过程中的种群多样性。但这种方法需要先验知识来设定染色体中各符号的概率。文献［9］采用变种群策略，在进化初期，采用较小规模的种群；进化过程中，引入新个体，增大种群规模，增加基因多样性。但是，增大种群规模也增加了GEP每代进化所耗费的时间。也有文献在GEP中用小生境技术保持群体的多样性［10－11］。

提出一种基于小生境的GEP新算法，该算法能够避免演化后期出现大量重复个体，使群体在整个演化过程都能保持个体的多样性。……