基因表达式编程的改进及其在知识发现中的应用研究

摘要

基因表达式编程算法（Gene Expression Programming, GEP）是一种新型的处理高维的、不确定性因素的智能进化算法，它能够挖掘出隐藏在数据中的知识，如规则、模型等，并且不需要任何的先验知识。该算法以独特的编码方式、优秀的数据挖掘能力和高度非线性系统的处理能力吸引了许多国内外研究者的关注，并广泛应用于众多的实际领域中。
　　本文主要的研究工作是对标准GEP算法进行改进，并将其应用到知识发现中的两大问题中，即麦蚜种群建模和建筑工程造价预测，可为麦蚜种群发生量的预测和建筑项目的可行性研究以及合理的设计方案提供依据。本研究的具体工作有以下几点：
　　（1）在阅读大量文献和建模预测内容的基础上，本文对应用领域的重点知识进行总结概括，介绍了麦蚜种群建模的过程和现状以及建筑工程造价预测特征量的提取与分类；对基因表达式编程算法的原理和编码方式进行了概述，详细介绍了算法的流程和基本操作。
　　（2）依据人工干预思想，本研究提出了一种由人工干预系统和自然进化系统组成的双系统协同进化的基因表达式编程算法（DSCE-GEP）。人工干预系统包括个体干预和种群干预，个体干预即采用优质基因库对种群中的个体进行增优和去劣操作，旨在提高个体的质量；种群干预则是利用信息熵通过引入随机个体和镜像个体来提高种群多样性。
　　（3）针对提出的改进算法，本研究与类似算法进行了对比仿真实验，分析、验证了DSCE-GEP算法的有效性和先进性。同时，本文将DSCE-GEP算法应用于农业和建筑业中，对中国农业科学院提供的麦蚜种群数据进行建模，并对文献中列举的建筑工程项目数据进行建模预测。实验结果表明，本研究构建的基于基因表达式编程算法的麦蚜种群模型和建筑工程造价预测模型，建模效果优越，预测精度较高。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及研究意义

1.2 国内外研究现状

1.3 研究内容与本文组织结构

2 基因表达式编程及其应用领域介绍

2.1 进化计算

2.2 基因表达式编程

2.3 应用领域的相关介绍

2.4 本章小结

3 改进的双系统协同进化基因表达式编程算法介绍

3.1 算法的基本思想

3.2 算法的流程

3.3 自然进化系统

3.4 人工干预系统

3.5 双系统协同进化的GEP算法与类似算法在函数发现中的对比

3.6 本章小结

4 DSCE-GEP算法在麦蚜种群建模中的应用

4.1 数据来源

4.2 基于DSCE-GEP的小麦长管蚜田间种群数量的动态建模和分析

4.3 本章小结

5 DSCE-GEP算法在建筑工程造价预测中的应用

5.1 案例选取

5.2 基于DSCE-GEP的建筑工程造价预测模型构建及预测分析

5.3 本章小结

6 总结与展望

6.1 本文主要研究工作总结

6.2 工作展望

参考文献

攻读硕士学位期间发表的论文及科研成果

致谢