遗传程序设计方法综述

近年来,遗传程序设计（genetic programming,GP)的研究引起了人们很大的关注,它运用遗传算法（genetic algorithm,GA)的思想,通过生成计算机程序来解决问题,介绍了遗传程序设计的研究状况以及目前的研究进展,概述了它的基本算法、主要特点、理论与技术,同时介绍了一些GP实现系统以及主要的应用领域,最后探讨了遗传程序设计的研究方向。     

遗传程序设计中的赋值函数和节点分类

遗传程序设计(GP)是用演化方法让计算机自己发现解决问题的算法,生成可以解决实际问题的程序。一个程序可以用树结构很好地表示出来,因此．演化一个程序也就是演化一个合适的树的过程。     

基于自动定义函数GP的自适应建模研究

遗传程序设计(Genetic Programming，简称GP)在进化过程中由于种群多样性的损失，常导致低收敛性．本文尝试将自动定义函数引入到GP中克服这个问题，并应用于数据的自适应建模，文中将两者的性能进行了比较，实验表明自动定义函数的发现和使用增加了种群的多样性．它不仅降低了整个遗传程序的大小，还增加了GP搜索的计算有效性，提高了收敛性能，取得了满意的结果．     

自动程序设计的研究

自动程序设计是计算机科学的中心目标之一,围绕中心目标进行研究是计算机科学工作者的责任。采用一种形式化方法,即演化计算(EvolutionaryComputation)理论,特别是其中的遗传程序设计(GeneticProgramming,简称GP)的理论,深刻研究了自动程序设计的概念和遗传算法。基于该方法的自动程序设计能够模拟生物进化的机制来适应外界环境,并获得最佳解,从而使得自动程序设计获得较好效果。     

遗传程序设计算法中选择调整参数的光滑拟合方法

对遗传程序设计(GP)算法中的适应度评价函数光滑拟合问题进行了研究,结合LAM(Linear Association Memory)和HJ(Hook和Jeevs)两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价。提出了一种选择调整参数的新方法,同时,给出了一个数学例子,并与广义交叉实验B一样条函数仿真比较验证。     

GP算法中适应度函数的光滑拟合与调整参数方法研究

研究了遗传程序设计(GP)算法中适应度函数的光滑拟合问题,结合LAMs(Linear association memorys)方法和HJ(Hook和Jeevs)方法两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价.光滑拟合的好坏关键取决于调整参数的选择.提出了一种选择调整参数的新方法,同时,给出了两个数学例子,并与广义交叉实验B-样条函数仿真比较验证.     

基于遗传程序设计的IP业务流量长期预测

针对流量行为分析对自动化、智能化和预测精度的进一步需求和存在的不足，提出了基于遗传程序设计(GP)的IP业务流量长期预测算法．论文首先给出了GP的定义和GP个体的二叉树表示，然后重点论述了GP的演化算法设计流程、数据样本获取、GP的演化建模和实验．实验结果表明，通过对Web业务流量进行GP建模实验，搜索到了两个较好的业务流量预测模型，模型所对应的预测曲线与原始数据曲线拟合得较好，说明采用GP建模是有效的，能反映业务流量的变化规律．     

程序设计中的递归算法分析

递归算法是程序设计中的一种有力的工具,许多问题采用递归方法来编写求解程序．使程序非常简洁而清晰。本文针对学生在学习程序设计课程时对递归算法难以理解及掌握等情况,阐述了递归算法的本质及解决问题的思路。     

有机分子结构与无限稀释活度系数间的定量关系

探讨了4个不同温度下有机物的结构与无限稀释活度系数(γ^m)之间的定量关系。以量子化学参数定量刻画有机分子结构，分别采用遗传程序设计(GP)和理论线性溶解能关系(TLSER)构建关联模型，并对两种方法进行了比较。结果表明：在4个不同温度下，无论从标准偏差还是从平方相关系数看，GP所得结果均优于TLSER，并且GP所得回归方程不仅具有形式上的灵活性，而且方程所含变量较少。     

线性遗传程序设计比较分析

遗传程序设计是近几年各专家学者研究的热点之一。主要论述了6种线性遗传程序设计的原理,比较分析了各线性遗传程序设计的共同点和差异性,简单介绍了各遗传程序设计的应用领域,总结了针对不同的问题采用相应的遗传程序设计的方法。     

一种改进的遗传规划算法

遗传规划的实质是用广义的层次化计算机程序描述问题．比较适合于求解一类由于各种不确定因素导致的复杂非线性问题。该文采用了一种改进的遗传规划算法,建立了相应的预测模型,将其与Weka里的GP算法在标准数据集上进行对比测试,结果表明该改进的遗传规划算法是有效的、可行的。     

一种高效、容错的通用量子计算机体系结构

通用量子计算(universal quantum computer)在求解某些在经典计算机上具有超多项式复杂度的问题方面存在着潜在的巨大优势.通用量子计算机体系结构在很大程度上影响量子计算功效和量子程序设计风格.文中提出一种通用量子计算机的体系结构,并考虑了在该体系结构下计算能力的扩展和容错性能等问题.     

Functional search in economics using genetic programming

This paper discusses economic applications of a recently developed artificial intelligence technique-Koza's genetic programming (GP). GP is an evolutionary search method related to genetic algorithms. In GP, populations of potential solutions consist of executable computer algorithms, rather than coded strings. The paper provides an overview of how GP works, and illustrates with two applications: solving for the policy function in a simple optimal growth model, and estimating an unusual regression function. Results suggest that the GP search method can be an interesting and effective tool for economists.     

A survey and taxonomy of performance improvement of canonical genetic programming

The genetic programming (GP) paradigm, which applies the Darwinian principle of evolution to hierarchical computer programs, has been applied with breakthrough success in various scientific and engineering applications. However, one of the main drawbacks of GP has been the often large amount of computational effort required to solve complex problems. Much disparate research has been conducted over the past 25 years to devise innovative methods to improve the efficiency and performance of GP. This paper attempts to provide a comprehensive overview of this work related to Canonical Genetic Programming based on parse trees and originally championed by Koza (Genetic programming: on the programming of computers by means of natural selection. MIT, Cambridge, 1992). Existing approaches that address various techniques for performance improvement are identified and discussed with the aim to classify them into logical categories that may assist with advancing further research in this area. Finally, possible future trends in this discipline and some of the open areas of research are also addressed.     

遗传程序设计(之二)——基于自然选择的程序设计范型

1.引论“物竞天择,适者生存”是达尔文生物进化论阐明的主要原理之一。自然界中,生物体的结构体现了生物对其环境的适应能力(即生存与繁殖的能力);     

一种线性表示的遗传程序设计方法研究

遗传程序设计领域中的一个重要研究内容是如何有效地表示进化的个体（计算机程序），对采用树的线性后缀形式的个体进行位置信息编码以实现多种形式的遗传操作，并给出形式化定义，设计并实现了一个基于栈的遗传程序设计算法，通过模拟实验比较了各操作的性能，这种编码方式可以扩展到程序的线性结构中，以实现特定的遗传操作，显示出线性表示具有适于解决不同问题的可行性和灵活性，还给出了基于串的一点交叉的线性遗传程序设计的模式理论，它可以把标准遗传算法的模式生成机制统一到该理论框架中。     

Evolution program for nonlinear goal programming

Goal programming (GP) is one of powerful techniques for solving multi-objective optimization and has been applied to various real-life problems. This paper presents an evolution program for solving nonlinear goal programming problems.     

基于概率模型的遗传规划在故障诊断中的应用

采用在遗传规划中使用概率模型的新方法采解决一系列故障诊断问题。故障诊断可被看为是一个多级分类问题。遗传规划在解决复杂问题上有很大的优势,而这种优势在故障诊断中仍然显著。而且,使用概率模型作为适应函数能提高诊断的精确性,最后用这种方法解决机电设备的故障诊断。结果显示,使用基于概率模型的遗传规划解决机电设备的故障诊断比人工神经网络优越。