遗传程序设计技术及应用研究

第1章　绪论 1

1.1　GP概述 1

目录 1

1.1.1 GP的基本思想 2

1.1.2 GP的主要特点 4

1.2 GP研究现状及存在问题 5

1.2.1 GP理论和技术研究概况 5

1.2.2 GP应用领域 17

1.3 GP与多目标决策 19

1.3.1 决策问题及其难点 19

1.3.3　传统多目标决策分析方法及其局限性 21

1.3.2　决策函数存在定理 21

1.3.4 GP与多目标进化决策问题及决策分析 25

1.4 GP与软件复用 25

1.4.1　研究背景、存在问题和基本观点 25

1.4.2　关于软件复用的若干基本观点 26

1.4.3　软件复用中的形式化和自动化方法 31

1.4.4　基于组件的软件开发 33

1.4.5 GP在软件复用方面的应用方法研究 35

1.5 GP研究意义及主要研究工作 36

1.6　本章小结 39

2.1.1 个体的描述方法 40

2.1 GP的基本原理 40

第2章　GP机理研究及算法性能改进技术 40

2.1.2　初始群体的生成 42

2.1.3　适应度函数 44

2.1.4　遗传算子及遗传操作 45

2.1.5　终止准则与结果判定 53

2.1.6　控制参数 53

2.1.7　计算实例分析 54

2.2 GP的数学理论 57

2.2.1 模式定理 57

2.2.2　收敛性分析 62

2.3 CP自然进化属性 68

2.4.1 个体树快速生成 71

2.4 GP算法性能改进技术 71

2.4.2　提高初始群体性能的方法 76

2.4.3　一致性交叉 79

2.4.4　编辑算子 80

2.4.5　权值逐步适应法 85

2.5　基于树的线性后缀形式的GP个体表示方法研究 90

2.5.1 一种线性表示的GP方法 91

2.5.2　基于一点交叉操作的模式理论 99

2.6　本章小结 103

第3章　GP自定义函数共同进化方法研究 105

3.1 引言 105

3.2 GP自定义函数共同进化模型和方法 106

3.3.1 中国农业银行金穗信用卡样本数据集 108

3.3.2　字母图像识别样本数据集 108

3.3　分类任务 108

3.4 Co-ADFs方法仿真研究 109

3.4.1 中国农业银行金穗信用卡分类仿真研究 109

3.4.2　字母图像识别 109

3.5　本章小结 109

第4章　GP适应度函数光滑拟合与调整参数方法研究 112

4.1 引言 112

4.2 GP树适应度函数的调整 113

4.2.1　适应度函数的调整方法 114

4.2.3 GP树的适应权值 115

4.2.2　终点集和函数集 115

4.2.4　调整参数的选择方法 116

4.3 GP算法的光滑拟合 118

4.4　数值仿真及结果分析 120

4.5　本章小结 123

第5章　基于GP的多目标决策函数建模及稳定性分析 125

5.1 引言 125

5.2　多目标决策问题 127

5.3　可行性方案的敏感性 129

5.4 GP进化决策函数的适应度算法 130

5.5　关于权重灵敏度 131

5.4.2　算法复杂度分析 131

5.4.1 算法描述 131

5.6　仿真研究 132

5.7　本章小结 135

第6章　基于GP的软件复用及自动程序设计方法研究 137

6.1　组件模型的形式化分析 137

6.1.1 组件模型的必要条件 137

6.1.2　现有组件定义的分析 139

6.1.3　形式化的组件概念模型 141

6.2　现有组件语义的描述方法 155

6.3　形式化的组件语义模型 158

6.4.1 GP思想对组件技术的适应性 172

6.4　基于GP组件的软件复用方法及应用研究 172

6.4.2 GP-GBD方法算法框架 175

6.4.3 GP-CBD算法 176

6.5 GP-CBD方法的技术实现 186

6.6　基于GP组件的开发过程 191

6.7　本章小结 194

第7章　结论与展望 196

7.1　本书的主要贡献 196

7.2　对未来工作的展望 199

参考文献 202

专题研究期间撰写的主要论文及科研项目 216

后记 218