2001年,Ferreira通過研究生物界的遺傳表達(dá)規(guī)律提出了基因表達(dá)式編程算法（Gene Expression Programming,GEP）。GEP是一種新的進(jìn)化計算的方法,它借鑒了遺傳算法（Genetic Algorithm,GA）和遺傳規(guī)劃（Genetic Programming,GP）,運(yùn)用了簡單的編碼技術(shù)解決的復(fù)雜的實際問題,其優(yōu)點主要體現(xiàn)在個體的表現(xiàn)形式以及結(jié)果的處理上面。本文論述了GEP的幾個關(guān)鍵技術(shù),包括GEP的基因及染色體的構(gòu)成、GEP的遺傳操作以及GEP的適應(yīng)度函數(shù)。描述了GEP染色體相較于GA與GP染色體具有的簡單、線性、緊湊以及易于進(jìn)行遺傳操作的特點。為了保持種群的多樣性、全局收斂性,以及解決易于“早熟”等問題對經(jīng)典的GEP算法進(jìn)行改進(jìn),分別是改進(jìn)了GEP遺傳操作算子以及改進(jìn)GEP中函數(shù)的參數(shù)估計方法,使用最小二乘法對函數(shù)中的參數(shù)進(jìn)行估計。本文主要工作包含以下兩個方面,首先將GEP首次應(yīng)用到組卷問題中,對組卷問題進(jìn)行分析,并進(jìn)行數(shù)據(jù)仿真,仿真結(jié)果表示將GEP運(yùn)用到組卷問題上是可行的。其次對函數(shù)挖掘問題進(jìn)行概括和解析,將GEP進(jìn)行改進(jìn),并將改進(jìn)前后的GEP運(yùn)用... 

【文章來源】：東北石油大學(xué)黑龍江省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

輪盤賭選擇法的圖解

第二章基因表達(dá)式編程算法10（1）在[0,1]內(nèi)隨機(jī)產(chǎn)生一個隨機(jī)數(shù)r。（2）若r<qi，則染色體ai被選中。（3）若qt-1<r<qt(2≤t≤N)，則染色體ai被選中。其中qi被稱為染色體ai(i=1，2，…N)的積累概率，其計算公式為：1()iimmqPa==（2-7）累積概率圖解如圖2.6所示。圖2.6累積概率圖解2.3.2變異（Mutation）變異在GEP中起到了維持種群多樣性的重要作用[4,21]。因GEP中的變異不受任何的限制，所以可以發(fā)生在染色體的任意位置。為保證染色體的完整性及合法性，如果變異發(fā)生在基因的頭部位置，則這個位置的個體可以變異成為分支節(jié)點或者葉節(jié)點，如果這個變異發(fā)生在基因的尾部，由于基因尾部只能含有葉節(jié)點，為了保證染色體的合法性，所以該位置的個體只能變異成為葉節(jié)點。因此由此方法得到的染色體在結(jié)構(gòu)上都是正確的。進(jìn)行變異操作時，首先給出父代基因，基因的尾部用黑體表示，變異發(fā)生的位置用下劃線表示：父代：012345678012345678*+/12+Q基因基因aababbabbaa(2-8)將父代基因1的2號位置的“Q”變異成為了“+”得到子代1，子代1：012345678012345678*+/12++基因基因aababbabbaa(2-9)將父代基因1的2號位置的“Q”變異成為了“a”得到子代2，子代2：012345678012345678*+/12+a基因基因aababbabbaa（2-10）0.63q21q4410.69q30.14q10概率0.140.490.060.31累積概率

第三章基于GEP的智能組卷算法30215，806]，也就是說這套試題符合給定的約束條件，該組卷算法成功地完成了組卷任務(wù)。表3.4進(jìn)化中使用的參數(shù)參數(shù)項參數(shù)值試題個數(shù)1000種群大小200染色體長度34變異率0.28單點重組率0.41兩點重組率0.31N的權(quán)重12Q的權(quán)重14M的權(quán)重18P的權(quán)重18適應(yīng)度函數(shù)W=1000(N+Q+M+P)圖3.7適應(yīng)度函數(shù)與迭代次數(shù)變化

【參考文獻(xiàn)】：
期刊論文
[1]基于廣義最小二乘法的空空導(dǎo)彈幅值濾波器設(shè)計方法[J]. 李良,李友年,陳星陽.  航空兵器. 2020(01)
[2]基于改進(jìn)遺傳算法的智能組卷系統(tǒng)設(shè)計[J]. 王宣策,歐陽鑫玉.  電腦知識與技術(shù). 2020(02)
[3]決策樹分析法在工程項目工期優(yōu)化中的應(yīng)用[J]. 陳旭.  現(xiàn)代信息科技. 2019(23)
[4]數(shù)據(jù)挖掘概述[J]. 何志明,吳夢蝶,李顯峰.  中外企業(yè)家. 2019(33)
[5]系統(tǒng)聚類法及其應(yīng)用研究[J]. 安尼卡爾·艾斯卡爾,祖來克孜·米吉提.  價值工程. 2019(17)
[6]遺傳算法在優(yōu)化問題中的應(yīng)用綜述[J]. 李巖,袁弘宇,于佳喬,張更偉,劉克平.  山東工業(yè)技術(shù). 2019(12)
[7]公路工程成本管理中偏差分析法的應(yīng)用[J]. 原山山.  工程建設(shè)與設(shè)計. 2019(02)
[8]基于線性回歸法的多品種盈虧平衡點計算方法[J]. 黃華陽.  納稅. 2018(36)
[9]淺析單純形法的矩陣計算[J]. 鄢麗.  現(xiàn)代經(jīng)濟(jì)信息. 2018(12)
[10]一種基于輪盤賭選擇的改進(jìn)遺傳算法[J]. 陳雯祎,李琪.  福建電腦. 2016(05)

博士論文
[1]基因表達(dá)式編程核心技術(shù)研究[D]. 左劼.四川大學(xué) 2004

碩士論文
[1]嵌合遺傳算法和Spark的基因表達(dá)式編程的函數(shù)發(fā)現(xiàn)研究[D]. 張維程.南昌大學(xué) 2018
[2]基于神經(jīng)網(wǎng)絡(luò)的綠色建筑造價成本估算研究[D]. 侯金惠.吉林建筑大學(xué) 2018
[3]基于粒子群算法的轉(zhuǎn)子振動特征識別研究[D]. 孫鑫.長春工業(yè)大學(xué) 2018
[4]基于輪盤賭策略的混沌螢火蟲算法研究[D]. 馬潔瑩.西安電子科技大學(xué) 2018
[5]基因表達(dá)式編程在電力負(fù)荷預(yù)測中的應(yīng)用[D]. 陳晨.西安建筑科技大學(xué) 2017
[6]基于遺傳算法的智能組卷方法研究[D]. 南瑞濤.哈爾濱工程大學(xué) 2017
[7]基因表達(dá)式編程算法的改進(jìn)及應(yīng)用[D]. 王光亮.北京工業(yè)大學(xué) 2017
[8]基于改進(jìn)遺傳算法的組卷系統(tǒng)的設(shè)計與實現(xiàn)[D]. 王成.湖南大學(xué) 2017
[9]智能組卷系統(tǒng)的設(shè)計與實現(xiàn)[D]. 肖豆.電子科技大學(xué) 2017
[10]基于多染色體基因表達(dá)式編程的可逆邏輯綜合方法研究[D]. 羅霄.東華大學(xué) 2017



本文編號：3145907