2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、基因表達式編程(Gene Expession Programming)是由葡萄牙科學家F.Candida于2001年提出的一種新的基于基因型(genotype)和表現(xiàn)型(phenotype)的自適應(yīng)進化算法,并成功的運用于函數(shù)發(fā)現(xiàn)、數(shù)據(jù)分類、時間序列、機器學習、優(yōu)化組合、圖像處理等問題中。GEP綜合了遺傳算法(GA)和遺傳編程(GP)的各自優(yōu)點,又克服了兩者的各自缺點。它采用類似于GA中的固定長度的線性染色體作為個體(基因型),同時GE

2、P又將個體轉(zhuǎn)換為類似于GP個體的大小、形狀都不同的非線性表達式樹(表現(xiàn)型),因此,它可以利用簡單編碼解決復雜問題,而且可以方便的進行選擇、交叉、變異等遺傳操作。在求解很多復雜問題時,基因表達式編程的性能比普通的遺傳編程高出2-4個數(shù)量級。
   但是,由于GEP是最近幾年才發(fā)展起來的,GEP作為進化算法中的一個新的分支,研究才剛剛開始,沒有像GA,GP等算法有堅實的數(shù)學基礎(chǔ)和比較系統(tǒng)的方法理論。而且F.Candida在提出GEP

3、時,很多理論是空白的,多是以實驗和假設(shè)為基礎(chǔ),有很大的技術(shù)缺陷,所以GEP需要更加堅實的理論基礎(chǔ)來填補空白,同時通過對算法改進,來提高GEP的運行時間效率和算法性能。
   本文主要在對GEP算法原理和缺陷的研究的基礎(chǔ)上,提出了兩種改進算法,并對改進算法進行了實驗驗證,效果很好。主要內(nèi)容如下:
   (1)系統(tǒng)介紹了進化算法的主要分子,包含GA、GP、GEP算法主要原理、流程和不足之處等;
   (2)通過借鑒生

4、物進化原理和分析GEP算法,并對傳統(tǒng)GEP算法進行了兩種改進,基于克隆選擇的基因表達式算法(Clonal Selection-based GeneExpression Programming,CSGEP)和基于自適應(yīng)分層的基因表達式算法(AdaptiVe Hierarchical Gene Expression Programming,AHGEP);
   (3)實驗結(jié)果表明改進型算法與傳統(tǒng)GEP算法相比,有效的改善了算法過早收

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論