遗传程序设计及其在符号回归问题中的应用

介绍了遗传程序设计的基本原理,以及遗传程序设计的算法设计及其实现的几个关键问题。将遗传程序设计应用于符号回归问题,获得满意的结果。同时也表明其在复杂问题的自动求解上比遗传算法具有更强的复杂结构表达能力和解题能力。     

基于参数估计的遗传程序设计方法

在遗传程序设计算法中 ,针对应用传统的遗传程序设计方法 ( Genetic Programming,GP)解决符号回归问题所遇到的困难 ,嵌入一个基于模拟退火思想的参数估计过程 ,得到更为精确的参数和个体结构 .实验表明 ,此方法提高了 GP系统求解问题的能力     

基于遗传程序设计的非线性系统参数辨识

遗传程序设计(GP)是一种自适应的与问题无关的进化算法,它克服了遗传算法的容易陷入局部极值的缺陷。本文讨论使用遗传程序设计对非线性系统进行参数辨识的算法,实现及应用,实验证明:该方法具有收敛速度和精度的明显优势。     

信息系统的GP自动建模及实现

通过对遗传程序设计的研究，用BorlandC++“程序设计语言开发了一个对数据拟合问题的通用的自动建模程序，该程序可较好的适应于各种拟合问题的自动建模，有广泛的应用前景。     

基于KPCA的功能模拟智能控制系统模型研究

为了模拟人的行为实现智能控制,提出一种基于核函数主元分析法(KPCA)和加权支持向量机的精简输入向量的数学建模方法,将样本数据从输入空间非线性变换,映射到高维特征空间,在高维特征空间利用PCA进行特征提取,实现输入相空间重构,采用加权支持向量机回归建模。通过对人熟练驾驶自行车过程的模拟,重构了人控制复杂对象的数学模型,实现对复杂对象的智能控制。实验证明:该系统模型精度较高,与人工驾驶自行车比较控制效果良好。     

前馈网络构造性设计中基于GP实现神经元激活函数类型优化

讨论了在前馈网络构造性设计中如何基于遗传编程(GP)实现神经元激活函数类型自动优化的问题.首先,提出了典型前馈网络的一种构造性设计方法框架,将整个网络的设计分解为单个神经元的逐个设计;然后,在此框架下提出了基于GP的单个神经元的设计方法,该方法可实现对激活函数类型的优化.仿真实验显示,本文的前馈网络构造性设计方案是可行的,与其他几种不优化激活函数类型的网络设计方法相比,本方法更有效,能用较小的网络规模获得更满意的泛化特性.     

脑干听觉诱发电位测试中的遗传程序设计

提出了脑干听觉诱发电位测试的遗传程序设计方法,对脑干听觉诱发电位进行了自动建模.实验证明, 该方法性能优于传统的拟合方法,可用于实际测试过程.     

SW—GP组合算法在煤矿监测数据预警预报中的应用

为了更有效地利用煤矿监测数据进行煤矿安全事故的预警预报,提出滑动窗口-遗传程序设计组合算法实现了监测数据的动态预测。在程序设计时,数据采样采用滑动窗口技术实现,通过遗传程序设计算法实现系统的自适应建模。通过对监测数据的测试,证明了组合算法建立模型的预测值和实际结果具有很好的一致性。     

动态系统的演化建模

针对传统方法解决动态系统微分方程建模问题所遇到的困难和存在的不足,设计将方程进行串结构编码并用进化方法进行演化建模的算法,以串形结构表示结构,用进化算法优化结构和参数,成功地实现了动态系统的常微分方程组建模过程的自动化。计算实例表明:采用此算法能够在极短的时间内由计算机自动发现多个较优的常微分方程组模型,与原来GA和GP结合的方法相比较,它具有建模过程智能化、模型结构非常灵活多样、数据拟合和预测精度更高等优点。     

人工神经网络节点作用函数的GP搜索法

人工神经网络的数学模型能解决很多实际问题 ,但收敛速度有的很慢。本文采用遗传程序设计对神经网络的节点作用函数进行自动搜索、优选 ,建立适合已知对象结构的动态的神经网络模型 ,以提高其收敛速度