浅论基因表达式编程算法及其应用研究

《浅论基因表达式编程算法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理工大学硕士学位论文基因表达式编程算法及其应用研究姓名：吴勇申请学位级别：硕士专业：控制理论与控制工程指导教师：曾春年20080501武汉理．r大学硕十学位论文摘要基因表达式编程(GeneExpressionProgramming，GEP)是葡萄牙学者CandidaFerreira于2001年提出的新的进化计算模型，是借鉴生物遗传的基因表达规律提出的知识发现新技术。基因表达式编程在个体的表示、处理和结果的形式上等方面与传统遗传算法(GeneticAlgorithms，GA)及遗传程序设计(GeneticProgramming，G

2、P)有着显著的区别。遗传程序设计是在遗传算法的基础上发展起来的，在性能上优于遗传算法，而基因表达式编程与遗传程序设计相比，在符号和表达式的处理上更有优势。本文概述了基因表达式编程的各个关键技术，包括基因表达式编程的基因和染色体构成，评价函数和遗传算子的设计，详细阐述了基因表达式编程的特点，与GA，GP相比，GEP具有染色体简单，线性和紧凑、易于遗传操作等优点。分析了经典GEP在保持种群多样性和全局收敛性之间的矛盾以及“早熟”现象产生的原因。为了克服以上缺点，对经典GEP进行了改进，分别是改变符号权重、加入分级策略思想和产生新个体方式

3、的改进。在产生新个体时设计了一种启发式加速搜索策略以及多样性算子。通过一些测试例子对改进的GEP算法进行实验，实验结果表明，改进的GEP算法优于经典GEP算法，较好地解决了种群中多样性和收敛速度的矛盾，两组实验成功率分别提高了14．8％和21．0％。在实践方面，将改进的GEP算法运用到函数挖掘和图像配准问题。对函数挖掘问题进行了分析，将改进的GEP应用到函数挖掘问题，通过一些测试例子对改进的GEP算法进行实验，实验结果表明，改进的GEP算法是有效的。对图像配准问题进行了一定的概括，给出了图像配准的意义、变化类型、基于控制点的配准步骤

4、等，并分析了现有模型的优缺点，给出了改进的GEP算法运用到图像配准问题的详细步骤，并做了实验，取得了较好的结果。编制了改进的GEP算法的软件，介绍了软件的系统构架、界面和相关操作。关键词：遗传程序设计，基因表达式编程，函数挖掘，图像配准武汉理．L大学硕十学位论文ABSTRACTGeneExpressionProgramming(GEP)isanewevolutionarycomputingmodel，proposedbyCandidaFerreirain2001．whichiSanewtechnelegybasedongeneexp

5、ressingrules．IthasremarkabledifferenceswiththetraditionalGA(GeneticAlgorithms)andGP(GeneticProgramming)informofindividualexpressingandprocessingandSOon．BasedonthefoundationofGA．GPdevelopsfastanditsurpassestheGAinperformance．BycontrastwithGP-GEPhasadvantageinprocessings

6、ymbolsandexpressions．ThisthesisintroducesseveralkeytechnologiesofGEP,includingtheconstructionofgenesandchromosomesinGEPandthedesignoffitnessfunctionandgeneticoperations．BycontrastwithGA&GP-GEPhascharacteristicsofsimple,linearandcompactchromosomes，easygeneticoperationsa

7、ndthattheexpressiontreesareexclusivelytheexpressionoftheirrespectivechromosomes．AdifficultproblemtoSOlveinGEPiSanalyzedthatiSthecontradictionbetweenalgorithmconvergenceandpopulationdiversityandtheprematurephenomena．Inordertosolvethisproblem．animprovedGEPalgorithmiSprop

8、osedbasedontheideaofsymbol-weightthan廖ng，classificationandnewindividualsgeneratingstyle．Anheuristicacceleratingsearch