文摘
英文文摘
声明
第一章 绪论
1.1研究背景
1.2函数挖掘国内外研究现状
1.3本文主要工作
第二章 基因表达式编程研究与分析
2.1演化计算介绍
2.1.1演化计算的发展过程
2.1.2演化计算的特点
2.1.3演化计算各个分支
2.1.4演化计算一般步骤
2.2 GEP的基本概念
2.2.1个体组成
2.2.2编码规则
2.2.3表达式树和K表达式
2.3 GEP与GP,GA的比较
第三章 基于动态评估策略的GEP-SAW系统的设计与实现
3.1基因表达的生物学背景
3.2 GEP国内外的研究现状分析
3.3传统GEP技术探究
3.3.1 GEP遗传操作
3.3.2 GEP算法基本结构
3.3.3数值常量的引入
3.3.4适应度函数的构造
3.4逐步权重自适应算法(GEP-SAW)
3.4.1传统GEP函数挖掘方法存在的问题
3.4.2 GEP-SAW基本思想
3.4.3符号描述
3.4.4算法设计
3.4.5动态评估策略下自适应的适应度函数构造
3.5 GEP-SAW系统实现
3.5.1系统框架图
3.5.2用户界面
3.5.3样本数据生成
3.5.4结果输出
第四章 GEP-SAW实验对比与分析
4.1实验要点
4.2 GEP-SAW算法中参数设置对于运行结果的影响
4.3 GEP-SAW在人工合成数据集上的应用
4.3.1 GEP-SAW在一元数据预测模型中的应用
4.3.2 GEP-SAW在二元数据预测模型中的应用
4.3.3 GEP-SAW在三元数据预测模型中的应用
4.4 GEP-SAW在标准数据集上的应用
第五章 总结与展望
参考文献
致谢