1.一種基于遺傳編程的多元回歸預(yù)測模型優(yōu)化方法，其特征在于，包括初始多元回歸預(yù)測模型簇構(gòu)造和多元回歸預(yù)測模型簇進(jìn)化兩個模塊，

所述初始多元回歸預(yù)測模型簇構(gòu)造模塊，通過2個步驟來實(shí)現(xiàn)：

步驟1.1：多元回歸預(yù)測模型簇生成。從輸入端獲取所要預(yù)測問題的w個影響因素以及模型個體數(shù)量參數(shù)值m(m為正整數(shù))，順序產(chǎn)生m個多元回歸預(yù)測模型個體分別表示為：其中y[z](1≤z≤m)為第z個模型個體的因變量，即該模型個體的預(yù)測值；n[z]為第z個模型個體的自變量個數(shù)，且n[z]≤w；a[z]_i為第z個模型個體第i(1≤i≤n[z])個自變量的系數(shù)；r[z]_i為第z個模型個體第i個自變量的次冪。每個模型個體中的自變量均取自且不重復(fù)。從而，這m個多元回歸預(yù)測模型個體構(gòu)成一個集合PM，即為多元回歸預(yù)測模型簇。

步驟1.2：簇內(nèi)各模型個體參數(shù)優(yōu)化。從輸入端獲取數(shù)據(jù)樣本集合其中每個數(shù)據(jù)樣本均由和兩部分組成，為w個影響因素的取值，為實(shí)際預(yù)測值。然后，對于PM中的每一個模型個體基于Ψ，對中的n[z]個自變量系數(shù)a[z]₁～a[z]_n[z]進(jìn)行迭代優(yōu)化，并最終產(chǎn)生最優(yōu)的多元回歸預(yù)測模型個體。

所述多元回歸預(yù)測模型簇進(jìn)化模塊，通過5個步驟來實(shí)現(xiàn)：

步驟2.1：多元回歸預(yù)測模型簇選擇。從輸入端獲取選擇率的取值s(0<s<1)和數(shù)據(jù)樣本集合計(jì)算模型簇PM中每個模型個體的預(yù)測準(zhǔn)確度，并從中選取個預(yù)測準(zhǔn)確度最高的模型個體，將它們組成集合OM，表示取上限整數(shù)，并從PM中刪除OM中的模型個體。

步驟2.2：多元回歸預(yù)測模型簇解析。以步驟2.1中的模型簇PM為輸入，對于其中的每一個模型個體將其轉(zhuǎn)換成一棵二叉解析樹BP[z]。BP[z]需要同時滿足如下6個條件：1)任一個節(jié)點(diǎn)至多包含兩個子節(jié)點(diǎn)，2)左葉子節(jié)點(diǎn)為自變量系數(shù)，3)右葉子節(jié)點(diǎn)為自變量及其次冪，4)葉子節(jié)點(diǎn)的父節(jié)點(diǎn)為乘法運(yùn)算(即“×”號)，5)其余節(jié)點(diǎn)為加法運(yùn)算(即“+”號)，6)右葉子節(jié)點(diǎn)關(guān)聯(lián)中的一個影響因素標(biāo)識符。從而，當(dāng)所有模型個體轉(zhuǎn)換完畢之后，將得到PM所對應(yīng)的二叉解析樹集合BM。

步驟2.3：多元回歸預(yù)測模型簇交叉。從輸入端獲取交叉率的取值c(0<c<1)，并從步驟2.2獲得的BM中選取棵二叉解析樹，如果為奇數(shù)，那么再從BM中選取一棵，使得最終共選取偶數(shù)棵(記為q)二叉解析樹，然后，將所選取的二叉解析樹分成q/2個組，每組包含兩棵二叉解析樹。接著，對每個分組所包含的兩棵樹進(jìn)行交叉處理，即分別在這兩個棵樹上選取一個相容節(jié)點(diǎn)，然后互換以相容節(jié)點(diǎn)為根節(jié)點(diǎn)的子樹，從而得到兩棵新的二叉解析樹。兩個節(jié)點(diǎn)稱為相容節(jié)點(diǎn)，它們需要滿足：1)運(yùn)算符號相同，或者2)均為左葉子節(jié)點(diǎn)，或者3)均為右葉子節(jié)點(diǎn)。當(dāng)所有q/2個分組處理完畢之后，得到q棵新的二叉解析樹，并將它們?nèi)〈鶥M中原先q棵舊的樹，從而得到更新后的集合BM。

步驟2.4：多元回歸預(yù)測模型簇變異。從輸入端獲取變異率的取值h(0<h<1)，并從步驟2.3更新的BM中選取棵二叉解析樹。對于每棵被選取的二叉解析樹進(jìn)行變異處理，即執(zhí)行如下4個變異操作中的任意一個操作：1)修改某一個左葉子節(jié)點(diǎn)所對應(yīng)的自變量系數(shù)，2)修改某一個右葉子節(jié)點(diǎn)所對應(yīng)的自變量次冪，3)刪除以“×”號為根節(jié)點(diǎn)的子樹，同時刪除“×”號的父節(jié)點(diǎn)，4)刪除以“+”號為根節(jié)點(diǎn)的子樹，同時刪除“+”號的父節(jié)點(diǎn)。當(dāng)所有棵二叉解析樹處理完畢之后，將它們?nèi)〈鶥M中原先棵舊的樹，從而得到更新后的集合BM。

步驟2.5：多元回歸預(yù)測模型簇評估。將步驟2.4得到集合BM中的每一棵二叉解析樹轉(zhuǎn)換成多元回歸預(yù)測模型個體，并合并步驟2.1得到的OM，從而獲得新的模型簇PM。從輸入端獲取數(shù)據(jù)樣本集合對PM中的每個模型個體進(jìn)行預(yù)測準(zhǔn)確度評估，獲取預(yù)測準(zhǔn)確度最高的模型個體然后，從輸入端獲取預(yù)測準(zhǔn)確度閾值γ(0<γ<1)，如果的預(yù)測準(zhǔn)確度達(dá)到γ，那么將返回給用戶，否則轉(zhuǎn)到步驟2.1，進(jìn)行下一輪的迭代處理。