基于基因表达式编程的错误定位方法

错误定位是软件调试中最重要且最耗时的部分,错误定位中的任何改进都可以大大降低软件成本,而其中秩函数的选择问题则尤为关键。结合基因表达式编程技术以及基于频谱的错误定位算法,找到适应程序的高效秩函数,提出了一种新的错误定位方法。从程序测试用例的覆盖信息中提取出四种类型的子集信息;通过基因表达式编程训练出适应程序的最优秩函数;利用秩函数计算出每条语句的可疑度值,并按照可疑度值由高到低的顺序逐条检查程序的可疑语句进行错误定位。通过实验,将训练出的秩函数与已经提出的秩函数（如Tarantula,Ochiai等）进行比较分析,结果表明,基于基因表达式编程的错误定位方法具有更精确的错误定位效果和更显著的定位效率。     

基于GEP的乳腺癌诊断问题

针对具体的乳腺癌诊断分类问题,提出一种基于GEP的乳腺癌诊断问题的方法。该方法随机产生初始群体,对染色体进行表达式树解释,有明确的适应度函数。针对乳腺癌的特点设计了有效的终点属性,达到诊断的要求。仿真结果表明,该算法效果较好,具有较高的精度,是有效可行的。     

采用GEP编码的克隆选择算法实现函数建模

克隆选择算法是通过选择优良个体并进行大量克隆,继而高频变异实现演化的.为选择优良个体,通常对种群按照个体的适应值进行排序.然而,GEP编码具有一个特点,即适应值相同的染色体,它们的编码不一定相同.如果按适应值进行排序时允许出现重复值,那么,当种群中出现多个相同的超级个体时,其将被超量克隆,使种群趋向单一.如果按适应值进行排序且不允许出现重复值,将会错失一些适应值相同但编码不同的优良个体,从而影响收敛速度.为保持种群的多样性,提高收敛速度,对克隆选择算法进行改进:选择若干个编码不同的优良个体进行克隆,即先对种群按照适应值进行降序排序;若适应值相同再比较其编码,相同编码的多个个体只保留一个.通过函数建模的若干实验表明,改进后的算法有较快的收敛速度.     

基于混合差异度控制的基因表达式编程

基因表达式编程(GEP)是一种进化算法,存在局部极小问题,解决此问题的一般方法是保持进化过程中种群的差异度。为了保证进化过程中种群的差异度,文中提出一种融合种群空间和样本空间的种群差异度度量方法。并基于此融合种群差异度度量方法,提出差异控制的GEP进化算法。同时在初始种群生成时,针对GEP结构的特殊性,将敌手理论应用于GEP种群初始化。实验结果表明文中算法能较有效避免过早陷入局部极小。     

应用禁忌基因表达式编程提高模型精度

为提高建模精度,将禁忌搜索引入到基因表达式编程的遗传操作中,改善基因表达式编程的局部搜索能力,提出了并行禁忌基因表达式编程算法PTS-GEP（Gene Expression Programming Based on Parallel Tabu Search）。通过两组实验比较算法的性能,实验结果表明,PTS-GEP挖掘出的模型精度优于GEP、UC-GEP算法。     

基于均匀设计的GEP算法研究与应用

提出了一种基于均匀设计的基因表达式编程算法(UGEP)，该算法对经典的GEP算法做了以下改进：利用混合水平均匀表的构造对初始种群的产生进行改进，保证了解分布的均匀性；引入自适应多亲杂交算子，用均匀优化代替随机进化。从理论上分析并证明了UGEP更具有全局收敛性，且收敛速度也优于经典的GEP。试验结果也证明，在求解函数拟合和时间序列预测等实际问题时，对比同类算法，UGEP算法体现出了较大的优越性。     

GEP软件设计及其K表达式快速求值算法

简要介绍了基因表达式程序设计方法的基本原理,利用VC 和C#混合编程方法编制了其求解反问题的实验平台,在分析了传统K表达式求值算法的利弊后给出了一种新的K表达式快速求值算法Kquick,并对其进行时间、空间复杂度分析,结果显示其明显优越于传统算法;在GEP的程序实现上,采用了单指令多数据(SIMD)技术,充分发挥了算法内含的并行性,设计出了基于GEP的PSS系统,PSS将大大有助于进一步的反问题求解研究.     

基因表达式编程在SARS疫情分析及预测中的应用

讨论基因表达式编程在SARS 疫情分析与预测中的应用，对基因表达式编程进行了理论分析，利用基因表达式编程对SARS在中国的传播与流行趋势及控制策略进行了自动数学建模实验。利用实际数据拟合参数，针对北京、山西的疫情进行了计算仿真。结果表明，该网络模型算法收敛速度较快，预测精度很高。     

基因表达式编程及其在混凝土徐变分析中应用

混凝土徐变分析在混凝土结构应力计算和变形分析中有着重要意义。由于影响混凝土徐变的因素较多,徐变函数呈现高度非线性,传统回归方法难以取得令人满意结果。基因表达式程序设计方法,吸取了遗传算法和基因编程两者的优点,在解决非线性拟合问题方面表现出非凡的数据挖掘能力与优势。在基因表达式编程理论分析基础上,利用该方法建立了混凝土徐变函数知识挖掘模型。实例表明,该模型比常规方法得到的函数有更高的精度。     

基因表达式编程算法的改进及其应用研究

基因表达式编程（GEP）算法采用简单编码方式解决了复杂的公式发现问题。本文分析了基本的GEP算法中关键参数、常数集、符号集等设置对公式发现的影响和规律,提出了GEP算法的改进方法,并将其应用在隧道工程领域,得到了双圆盾构施工横向和纵向的地面沉降预测公式,与实测值的比较表明所发现的公式有很好的吻合度。