基因表達式編程算法原理與應用

《智能科學技術著作叢書》序
序
前言
第一部分 背景概述篇
第1章 最優(yōu)化問題
1．1 最優(yōu)化問題簡述
1.2 最優(yōu)化問題的求解方法
1．2．1 求解最優(yōu)化問題的數學方法
1．2．2 進化計算求解方法
1．2．3 無免費午餐定理
參考文獻
第2章 生物進化與進化計算
2．1 從進化論到進化計算
2．1．1 生物進化論概要
2．1．2 遺傳算法
2．1．3 進化策略
2．1．4 進化規(guī)劃
2．1．5 遺傳編程
2．2 廣義的進化計算
2．2．1 進化計算的本質
2．2．2 進化算法的一般框架
2．3 生物的基因表達
2．3．1 DNA
2．3．2 RNA
2．3．3 蛋白質
2．3．4 基因表達過程
2．4 從生物的基因表達到基因表達式編程
2．4．1 GEP的發(fā)展歷史
2．4．2 GEP的研究和應用
2．4．3 GEP的特點
參考文獻
第二部分 基本算法與理論篇
第3章 GEP算法基礎
3．1 GEP的基本要素
3．1．1 開放讀碼框架和基因
3．1．2 GEP中的基因
3．1．3 多基因染色體
3．1．4 子表達式樹的相互作用
3．2 基本的遺傳操作
3．3 GEP基本算法
3．4 適應度函數的選擇和評估
3．5 標準GEP的選擇策略
3．6 簡單的函數發(fā)現實例
參考文獻
第4章 GEP的理論分析
4．1 形式化定義
4．1．1 終結符和函數
4．1．2 概念的形式化定義
4．2 基因編碼表達的可靠性和完備性分析
4．3 GEP的馬爾可夫鏈分析
4．3．1 馬爾可夫鏈相關概念
4．3．2 GEP馬爾可夫收斂定理
4．4 GEP的依概率收斂分析
4．4．1 問題背景及相關定義
4．4．2 基于GEP的函數發(fā)現依概率收斂定理
參考文獻
第5章 GEP的進化過程分析
5．1 個體與群體結構分析
5．1．1 個體結構分析
5．1．2 群體結構分析
5．2 遺傳算子性能分析
5．2．1 選擇
5．2．2 變異
5．2．3 移位
5．2．4 重組（交叉）
5．2．5 總結
5．3 個體的建筑塊實驗分析
參考文獻
第三部分 算法拓展與改進篇
第6章 GEP個體與種群組織的拓展
6．1 個體評價
6．1．1 經典領域的適應度函數設計
6．1．2 動態(tài)適應度
6．2 基因的評估
6．2．1 GRCM算法
6．2．2 Kquick算法
6．2．3 GPED算法
6．2．4 SGDE-GEP算法
6．2．5 基于 Scale的基因評估算法
6．3 常數問題
6．3．1 三類主要方法
6．3．2 常數創(chuàng)建方法典型改進
6．4 優(yōu)秀基因片段的傳承
6．4．1 基于個體結構的實現方法
6．4．2 基于編碼映射的實現方法
6．5 染色體的組織
6．5．1 多層染色體
6．5．2 基因重疊染色體
6．5．3 帶身部結構的染色體
6．5．4 DAG染色體
6．6 種群的組織
6．6．1 改進的初始種群生成策略
6．6．2 種群多樣性繁殖策略
6．6．3 變種群規(guī)模策略
6．6．4 其他種群組織策略
參考文獻
第7章 GEP遺傳操作與行為干預的拓展
7．1 遺傳操作拓展
7．1．1 簡單分組的遺傳操作
7．1．2 殘差制導進化的GEP算法
7．1．3 自適應GEP算法
7．2 GEP的轉基因策略
7．3 GEP的回溯策略
參考文獻
第8章 并行GEP算法
8．1 并行遺傳算法的實現方案
8．2 并行GEP的設計
8．2．1 同步分布式并行GEP算法
8．2．2 異步分布式并行GEP算法
參考文獻
第9章 GEP與其他算法的融合
9．1 GEP與人工神經網絡的融合
9．1．1 基于GEP和神經網絡的屬性約簡分類算法
9．1．2 基于GEP優(yōu)化的RBF神經網絡算法
9．2 GEP與模擬退火的融合
9．3 GEP與禁忌搜索的融合
9．4 GEP與隱馬爾可夫模型的融合
參考文獻
第四部分 應用研究篇
第10章 GEP在函數挖掘中的應用
10．1 用GEP進行函數發(fā)現
10．1．1 一致表達式的發(fā)現
10．1．2 分域表達式挖掘
10．1．3 復雜度分析
10．1．4 實驗與分析
10．2 用GEP挖掘遞歸函數
10．2．1 遞歸函數挖掘算法GEP-RecurMiner
……
第11章 GEP在預測中的應用
第12章 GEP在規(guī)則挖掘中的應用
第13章 GEP在分類和聚類中的應用
第14章 GEP在其他領域的應用
附錄