| 【中文题名】 | 基因表达式程序设计的改进及其并行化研究 |
| 【英文题名】 | Improvement and Research on Parallel of Gene Expression Programming |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-2 |
| 【中关键词】 | 遗传算法,遗传程序设计,基因表达式程序设计,异步分布式并行演化算法,同步分布式并行演化算法, |
| 【英关键词】 | Genetic Algorithm,Genetic Programming,Gene Expression Programming,Synchronized Distributed Parallel Evolutionary Algorithm,Asynchronous Distributed Parallel Evolutionary Algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机软件>程序设计、软件工程>程序设计 |
| 【论文摘要】 |
自动程序设计是计算机科学的中心目标之一。1998年初，著名的计算机科学家John Holland教授举起了：“遗传程序设计就是自动程序设计”的大旗，把自动程序设计的研究推向了高潮。遗传程序设计是演化计算的一个新分支。它对群体中表示独立的计算机程序的个体(而不是GA中的固定长度的二进制字符串)进行操作，克服了传统GA在表示方法上的局限，采用了更为灵活的可变分层结构。根据对问题的求解要求，GP采用层次描述方法，自动生成解决问题的程序，因此它是一种不局限于某一领域的“遗传或进化搜索”技术。目前，GP的研究已经渗透到工程技术科学，生命科学及社会科学的各个领域中，取得了巨大成果并仍在迅猛发展。
然而GP也有其不足之处。它的解的构造很复杂，并且进行遗传操作时需要一定的限制规则才能保证遗传操作的正确性。针对GP的不足，在GA和GP基础上，葡萄牙科学家Candida Ferreira于2001年提出了基因表达式程序设计(Gene Expression Programming，简称GEP)。GEP是借鉴生物遗传的基因表达规律提出的一种知识发现新技术。它具有演化算法所具有的自组织、自适应、自学习等智能特征，目前... |
| 【论文题纲】 |
|
摘要 |
6-8 |
|
ABSTRACT |
8-12 |
|
第一章 绪论 |
12-20 |
|
1.1 选题的背景、依据与研究意义 |
12-13 |
|
1.2 GEP的国内外研究现状 |
13-19 |
|
1.3 本文的主要工作与论文的结构安排 |
19-20 |
|
第二章 基因表达式程序设计 |
20-38 |
|
2.1 遗传算法 |
20-22 |
|
2.1.1 遗传算法的基本思想 |
20 |
|
2.1.2 遗传算法的基本技术 |
20-22 |
|
2.2 遗传程序设计的基本思想 |
22-26 |
|
2.2.1 遗传程序设计的基本思想 |
22-23 |
|
2.2.2 遗传程序设计的基本技术 |
23-26 |
|
2.3 基因表达式程序设计 |
26-37 |
|
2.3.1 表示方式和组织结构 |
26-27 |
|
2.3.2 GEP的求值 |
27-29 |
|
2.3.3 遗传算子 |
29-32 |
|
2.3.4 适应值函数 |
32-35 |
|
2.3.6 常数处理 |
35-36 |
|
2.3.7 程序结构 |
36-37 |
|
2.4 总结 |
37-38 |
|
第三章 基因表达式程序设计的改进 |
38-51 |
|
3.1 基因表达式程序设计的局限性分析 |
38-39 |
|
3.2 改进GEP基因结构的算法 |
39-40 |
|
3.2.1 GEP基因结构的改进 |
39 |
|
3.2.2 同源基因的改进 |
39 |
|
3.2.3 实验 |
39-40 |
|
3.2.4 结论 |
40 |
|
3.3 基因分布评估基因表达式程序设计方法 |
40-45 |
|
3.3.1 基因结构 |
40 |
|
3.3.2 EDA |
40-43 |
|
3.3.3 适应值的评估与停机条件 |
43 |
|
3.3.4 GEDGEP算法 |
43-44 |
|
3.3.5 实验 |
44-45 |
|
3.3.6 结论 |
45 |
|
3.4 M-GEP-GA算法 |
45-51 |
|
3.4.1 基因结构 |
45 |
|
3.4.2 多层调用结构 |
45-46 |
|
3.4.3 二级演化建模方法 |
46-47 |
|
3.4.4 基于群体搜索技术的演化算法 |
47-48 |
|
3.4.5 遗传操作和适应度函数 |
48 |
|
3.4.6 实验 |
48-50 |
|
3.4.7 结论 |
50-51 |
|
第四章 并行基因表达式程序设计 |
51-64 |
|
4.1 并行遗传算法 |
51-57 |
|
4.1.1 几种并行模型及其算法实现的基本结构 |
51-55 |
|
4.1.2 MPI |
55 |
|
4.1.3 并行性能的度量 |
55-56 |
|
4.1.4 一些重要的并行控制参数 |
56-57 |
|
4.2 并行基因表达式程序设计方法 |
57-64 |
|
4.2.1 并行环境和实验设置 |
57 |
|
4.2.2 基于GEDGEP的同步分布式并行演化建模算法 |
57-58 |
|
4.2.3 基于GEDGEP的异步分布式并行演化建模算法 |
58-59 |
|
4.2.4 并行演化建模算法及并行参数的研究实验 |
59-63 |
|
4.2.5 结论 |
63-64 |
|
第五章 结论与展望 |
64-65 |
|
5.1 本文的主要工作总结 |
64 |
|
5.2 研究展望 |
64-65 |
|
致谢 |
65-66 |
|
参考文献 |
66-70 |
|
| 【DOI】 | LunWen.ID:2.2008.362633 |
