基因表达式编程初始种群的多样化策略

基因表达式编程(Gene Expression Programming,GEP)算法是遗传家族的新成员,被广泛用于知识发现,其初始种群的质量对进化效率和进化结果至关重要.为了产生优势初始种群,提出了基因空间均匀分布策略(Gene Space Balance Strategy,GSBS),证明了描述编码空间量化性质的GEP编码空间定理.实验表明,GSBS提高进化效率超过20%.GSBS算法的思想还可以应用于其它进化计算中.  

遗传算法优化前向神经网络结构和权重矢量

提出了新的遗传算法优化设计前向神经网络的结构和权重矢量。这种新方法的创新在于：二值码串和实值码串的混合编码方法即保留了传统遗传法的优点，又具有遗传编程和跗策略的优点。  

基于支持向量机的电路故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型。通过遗传编程对时域指标进行特征选择和提取,得到更能反映信号本质的特征信号,该特征信号可作为识别特征输入多类支持向量机,实现对模拟电路不同类型软故障的识别。实验结果表明,同传统时域指标相比,经过遗传选择和提取的特征对模拟电路的软故障具有更好的识别能力,进而提高了多类支持向量机的分类准确性。  

一个基于遗传编程的机器人足球系统

该文首先介绍了机器人足球系统的研究概况及遗传编程和层次学习的概念。进而提出了一个简单的多智能体系统：三人足球系统，在此基础上提出了一种能够自动设计智能体的基本动作、多智能体之间的协调合作、多智能体与环境交互的足球系统，讨论了其中的关键技术：遗传编程、层次学习、规则库的设计及实现。最后将应用层次学习的遗传编程技术与标准的遗传编程技术的结果做出了比较与分析。  

遗传编程

对遗传编程这一进化计算方法的新分支进行了系统阐述。首先介绍了遗传编程的发展背景及其生物学基础 ;接着具体叙述遗传编程的基本工作原理 ,即个体表示方法、预备工作、个体生成及基本操作等 ;然后归纳了这种自动编程系统的属性及该方法的特点。另外还描述了遗传编程系统运行中的一些现象 ,并对相关理论进行了叙述和讨论 ,最后介绍了该领域的发展方向  

遗传编程运行期个体多样性分析方法及应用

文中根据遗传算法理论分析了遗传编程中种群多样性对算法收敛特性的影响，提出了一种可行的种群多样性跟踪评测方法，同时提出了优选父代个体的改进方法。以求解旅行商问题为例，通过统计性实验数据验证了改进后的算法较采用同样局部优化的常规遗传算法具有更好的收敛速度和优化解，同时也对改进后算法的相关控制参数选择进行了实验分析，结论为改进算法能获得更好的收敛性能。  

遗传编程实现的研究

本文指出了遗传编程中的几个关键步骤，针对遗传编程的特点，提出实现的不同方法。并提出了一个通用的模型，以虚拟机来提高遗传编程的效率。  

基于GP的多传感器数据融合诊断与恢复

本论文主要是研究遗传编程 (GP)在多传感器故障的数据融合诊断与恢复中的应用 ,即用一种全新的数据处理方法应用于多传感器信息融合领域 .遗传编程基于遗传算法 ,可以能够从一批相关数据中提取其内在的隐含特征及相互联系 ,并给出其数学模型 .因而应用信息融合领域 ,可更好地提高系统的稳健性 ,宽阔的时空覆盖区域 ,以及更强的故障容错和系统重构能力 .  

基于遗传编程的非线性系统辨识

为了实现对非线性系统的辨识,能够对目标系统的结构和参数进行同步辨识,将遗传编程(Genetic Programming,GP)作为辨识工具.使用基本遗传编程算法对非线性静态系统进行辨识-对电厂钢球磨煤机存煤量与产粉量之间的特性关系曲线进行辨识;使用一种改进的遗传编程算法对非线性动态系统进行辨识-对一个二阶离散非线性差分方程进行辨识.所有辨识都取得了满意的结果.遗传编程进化过程中,目标系统的结构与参数同时准确辨识,证明遗传编程非常适合于解决非线性系统辨识问题,并在算法上实现了结构辨识和参数辨识的统一.  

遗传编程在符号回归中的应用

遗传编程是一种新型的搜索优化技术，文章介绍了遗传编程的基本原理，以及遗传编程的算法设计及其实现的几个关键问题，并研究了基于遗传编程方法的符号回归。与传统回归方法相比，该方法得到的拟合函数更精确，具有更广泛的适用性。文中通过对一个函数进行符号回归验证，说明此方法合理可行。