遗传编程的实现方法

遗传编程(Genetic Programming,GP)是一种自动随机产生搜索程序的方法。理论上凡是根据多个输入值而得到一个值的函数,如:对于f(x1,x2,…,xn)这样的函数都可以使用GP来生成。它有如下一些特点:①GP求解的是一个描述问题的程序(或者说是一个算法)。②GP通常用树型结构来表示程序,描述相对复杂。③GP的每一代的个体的长度(深度)一般是不同     

示例演化驱动的学生程序自动修复

已有的程序自动化调试研究大多面向工业软件,而学生程序调试具有缺陷数多、类型复杂等特有难点问题,因此,针对学生程序设计应用背景,研究程序自动修复方法,利用模板示例程序指导补丁的演化.改进了遗传编程算法,包括适应度的计算、变异体的生成方式和变异位置及操作的选择方式,使其更加适合修复学生程序.提出了基于示例的静态错误定位方法,能够识别缺陷程序和参考程序差异和可能的变异操作,有效地缩小补丁的搜索空间以提高修复的准确性.提出了基于执行值序列的变量映射方法,以降低变异体的编译错误,提高修复的准确性.在此基础上,设计并实现了示例演化驱动的Java学生程序自动修复系统.实验结果表明,该方法可以修复含有多缺陷学生程序,对于所用的测试集,当学生程序只有1个~2个错误时,修复率将近100%;当含有3个缺陷时,修复率约为70%;当含有4个及以上缺陷时,修复率约为50%.     

基于关键谓词的程序错误定位方法

将程序切片技术应用于程序错误定位可以大量减少需要测试的语句数。提出一种基于关键谓词的程序错误定位方法,从程序中找出能影响输出结果的关键谓词,对该谓词和错误输出语句进行数据切片,并引入代码优先技术。该方法考虑了数据依赖和控制依赖,能实现准确快速的错误定位。     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题。由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点。在计算市场模型中,构造有效的效益函数又是提高算法性能的关键。有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益。文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中。实验结果表明该算法可以提高网格中的资源调度性能。     

基于跳数修正和遗传模拟退火优化DV-Hop定位算法

针对DV-Hop算法在跳数和平均跳距方面误差较大的缺点,提出了基于跳数修正和遗传模拟退火优化DV-Hop定位算法.该算法对未知节点的跳数进行改进,通过已知节点的精确跳数,计算偏差系数对其增加修正值;采用遗传算法和模拟退火算法相结合的方法在平均跳距值方面进行优化.通过仿真实验结果分析,改进后的算法能够明显提高节点定位精度...     

CPU仿真程序的编程方法与优化

在介绍ＣＰＵ仿真及ＣＰＵ仿真方法的基础上,较详细讨论了解释型ＣＰＵ仿真程序的编写方法,给出了解决ＣＰＵ仿真同步问题的具体方案九优化仿真程序的策略。     

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.     

可配置屏幕保护程序的编程原理与方法

在BC或VC下可以利用OWL类库或MFC类库编制屏幕保护程序,但在更低一级层次上如完全采用API编程,如何来编制屏幕保护,特别是编制具有参数配置能力的屏幕保护程序呢?虽然利用某些类库编程具有方便性,但通过API编程编制屏幕保护程序,更能弄懂屏幕保护程序的原理,且执行代码不依赖任何类库而只依赖操作系统本身。下面就讲讲利用API编制具有参数配置能力的屏幕保护程序的原理与方法,希望对那些喜欢API编程的朋友或有某种特殊要求的朋友有所帮助。     

基于遗传编程的中国股票市场有效性检验

现代资本市场理论与金融投资实践之间存在着有效市场假说与技术分析之间的矛盾,使用流行的技术交易规则检验股票市场有效性可能导致两种结论偏差。遗传编程使用树形结构表示问题的候选解,可以很好地描述技术交易规则。利用遗传编程算法生成一种技术交易策略,并用其检验上证综合指数和5个沪深股市个股。回测结果表明,提出的方法相对于“买入-持有”策略能够获得超额收益,并且优于常用的流行技术指标,也说明我国股票市场并未达到弱式有效。     

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。     

基于遗传规划的服务匹配算法研究

将服务组合的问题视为一个Agent动作规划的问题，给出了一个基于动作规划的服务组合模型。进而结合遗传规划的可变分层结构，提出了一个适应于上述模型的服务匹配算法。仿真实验表明，在具有关联特征的服务选择空间中，该算法比其他算法具有更好的寻优能力和更快的速度。     

基于改进遗传规划算法的数据拟合*

针对传统数据拟合方法需预先估计基函数、依赖于应用领域等问题,基于遗传规划的动态可变特性,提出将遗传规划与最小二乘法结合,设计具有一定通用性和自适应能力的数据拟合算法。在分析传统遗传规划算法的基础上,详细介绍了算法改进方法,并针对各种类型的拟合数据进行了对比实验。实验结果表明,该算法不仅可以应用到多种场合,而且可以提高拟合效率与精度。     

Hoare logic-based genetic programming

Almost all existing genetic programming systems deal with fitness evaluation solely by testing. In this paper, by contrast, we present an original approach that combines genetic programming with Hoare logic with the aid of model checking and finite state automata, henceby proposing a brand new verification-focused formal genetic programming system that makes it possible to evolve reliable programs with mathematically-verified properties.     

基于GP病虫害预测预报中适应性函数的研究

适应性函数是遗传算法和遗传程序设计得以实现的复制及群体整体性的质量.在GP程序过程中在常见适应性函数的基础上加以优化和调整,最后通过实例验证了优化调整后的适应性函数在病虫害预测预报中的准确度有了一定的提高.     

基于遗传规划和集成学习的恶意软件检测

近年来恶意软件不断地发展变化,导致单一检测模型的准确率较低,使用集成学习组合多种模型可以提高检测效果,但集成模型中基学习器的准确性和多样性难以平衡。为此,提出一种基于遗传规划的集成模型生成方法,遗传规划可以将特征处理和构建集成模型两个阶段集成到单个程序树中,解决了传统恶意软件集成检测模型难以平衡个体准确率和多样性的问题。该方法以集成模型的恶意软件检出率作为种群进化依据,保证了基学习器的准确性;在构建集成模型时自动选择特征处理方法、分类算法和优化基学习器的超参数,通过输入属性扰动和算法参数扰动增加基学习器的多样性,根据优胜劣汰的思想进化生成具有高准确性和多样性的最优集成模型。在EMBER数据集上的结果表明,最优集成模型的检测准确率达到了98.88%;进一步的分析表明,该方法生成的模型具有较高的多样性和可解释性。     

基于分布式粗粒度并行计算的遗传规划算法研究

针对经典遗传规划算法(CGP)存在容易早熟收敛、运行效率低的缺陷,提出一种将分布式计算与遗传规划算法结合的计算模型.该模型利用个体迁移策略实现对种群的优化,克服易早熟的缺陷.并且采用分布式计算能够有效地节省算法的运行时间.最后通过对语音数据预测误差的比较,验证了改进后算法的有效性.实验表明,基于分布式粗粒度并行计算的遗传规划算法(CGGP)计算性能优于经典遗传规划算法(CGP).     

基于遗传规划的SAR图像目标识别

针对SAR图像目标的特征,采用新的Hu不变矩和仿射不变矩的组合作为特征矢量,设计了一种基于遗传规划的SAR图像目标识别算法。该方法不需要数据先验知识,通过自身的学习就能快速发现数据和数学表达式之间的联系。通过对MSTAR数据中的3类目标进行仿真实验,获得了较好的识别率。     

一种基于改进遗传规划的泛函网络结构逼近模型

基于泛函网络的结构特点和遗传规划的全局搜索能力,提出了广义基函数概念,通过改进遗传规划的编码方式对广义基函数进行学习,用最小二乘法设计适应度函数,从而确定泛函网络的最佳逼近结构模型。最后,4个数值仿真实例表明,该方法是有效可行的,具有较强的泛化特性。     

遗传规划中的基因内区研究

利用试验证实遗传规划的个体中存在基因内区、它们是冗余的表达式，附加在算法树上，使个体变得臃肿，但对实际输出结果没影响，它对进化的收敛既有积极作用，也有消极作用，通过对遗传操作方法和参数的研究，揭示也基因内区发生的规律，并提出扬长避短的途径。     

基于约束逻辑规划和遗传算法的柔性调度

根据柔性生产环境的特点，描述了约束逻辑规划（CLP）和遗传算法（GA）在解决调度问题中的应用框架。CLP的解决作为满足约束的调度问题的起始解，保证了初始解的合理性。把CLP用作计算每一代样本的约束检验手段，有利于在遗传算法的搜索中获得更好的解和更高的解算效率。最后对一个规模足够大的调度实例进行了计算。