基于GEP的支持向量机参数优化

支持向量机(SVM)具有优良的学习能力和推广能力,然而其性能依赖于参数的选取.本文对影响模型分类能力的相关参数(C、σ2)进行了研究,提出了一种基于基因表达式编程(Gene Expression Programming,GEP)的支持向量机参数选择算法,即根据参数在分类器中的作用,利用GEP优化参数的两种编码方案分别对C与σ2进行编码,期望改进支持向量机的分类精度和泛化能力.最后实验表明了本文算法的有效性.     

基于多目标基因表达式编程的电路演化算法

为提高电路演化的效率和成功率,对电路设计中涉及的多个目标进行了定义与量化,并针对多目标优化问题,在基因表达式编程(GEP:Gene Expression Programming)的基础上,提出了基于多目标基因表达式编程的电路演化算法(MGEP:Multi-Objective Gene Expression Progra...     

基于基因表达式编程的代价敏感分类算法

针对传统分类算法在稀有类上的分类效果不佳,通过引进代价矩阵,改进了基因表达式编程的适应度函数,提出了一种基于基因表达式编程的代价敏感分类 (CSC-GEP：Cost-Sensitive Classification-Gene Expression Programming) 算法,并在UCI数据集上对该算法进行了实验。实验结果表明,CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%,2.89%,5.12%,证明了CSC-GEP是一种有效的代价敏感分类算法。     

时间序列预测及在汇率市场中的应用

遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.     

多细胞基因表达式编程函数优化的并行算法研究

并行算法是当前研究解决算法效率问题的成熟技术之一。为提高GEP算法解决复杂函数优化问题的效率,将并行算法引入多细胞基因表达式编程函数优化问题,解决传统计算形式不能充分发挥多核处理器性能的问题。通过分析多细胞基因表达式编程并行算法的机理和MPI和Open MP混合并行模型,设计与实现多细胞基因表达式编程函数优化的并行算法(Parallel Multicellular Gene Expression Programming algorithm for Function Optimization)PGMFO。实验结果表明针对复杂的函数优化问题,在不影响精度和收敛性的情况下,PGMFO算法比原有的算法效率高出10%~20%。     

基于基因表达式编程的人口预测模型

提出一种基于基因表达式编程算法(GEP)的人口预测新方法,并将该方法应用于东莞市人口预测实例问题研究。实验结果表明:由于基因表达式编程算法采用基因型与表现型相统一的编码方式、高效的遗传算子以及全局搜索的寻优方式,基于GEP算法的人口预测模型能够在样本少的情况下给出相对准确的预测结果。其验证数据的预测绝对值平均误差为0.96%,与灰色系统GM(1,1)预测模型及径向基人工神经网络预测模型相比,预测精度分别提高了18.34%、30.54%。GEP人口预测模型能够更好地挖掘人口发展的复杂非线性模式,有效防止过度拟合现象的发生,提供更为准确、合理的拟合及预测结果。     

基于多样化进化策略的基因表达式编程算法

针对传统GEP(Gene Expression Programming )算法的未成熟收敛以及陷入局部最优问题,提出一种基于多样化进化策略的基因表达式编程算法(DS-GEP:Gene Expression Programming based on diversified development strategy)。该算法通过基因空间均匀分布策略,自适应地交叉和变异算子以及淘汰算子等方法,对种群给予不同的进化策略,以保持种群的多样性,从而增强算法的寻优能力。通过对函数挖掘的实验证明,多样化进化策略各个部分均对改善挖掘效率发挥了作用,提高了DS-GEP函数挖掘算法的成功率。与传统GEP算法相比较,该算法的平均成功进化代数缩短了11%,成功进化时间缩短了8%,进化成功率提高了20%。     

利用遗传编程的符号表达式逼近任意非线性函数

在非线性系统的输入输出关系未知的情况下,以其输入输出数据作为训练样本,利用遗传编程算法,随机优化出一个能够完全拟合这批数据的符号表达式,该符号表达式完全反映了非线性系统的内部规律性。模拟实验表明,该算法精度高、可推广性强。此外,该算法可用于非线性系统的建模、预测和控制。     

用遗传编程进化神经网络结构和权值

本采用遗传编程（Genetic Programming，下用GP表示）的方法，提出一种对神经网络如何同时优化它的权值和结构（包括层数，每层的神经元个数以及神经元之间的连接关系）的新思想，遗传编程（Genetic Programming)是遗传算法（Genetic Alogrithms) 的扩展，利用具有可变长度的LISP符号表达式表示群体中的个体，是基于达尔（Darwin)的进化论和遗传基因学原理的一种新兴的搜索寻优技术，本采用这种方法设计了一个神经网络，成功解决了一位加法器问题。     

基于GEP的四维飞行轨迹预测模型

针对传统的空气动力学模型在四维飞行轨迹预测上误差较大的问题,提出了一种基于改进的基因表达式编程(GEP)的预测模型.该模型通过历史飞行时间数据找出飞行位置、高度和过固定点时间的函数对应关系,预测下次飞行过每个固定点的高度和时间,对全程采样固定点的预测实现完整的四维轨迹预测.仿真试验验证了该预测模型更为理想,更加符合实际情形.     

凸二次参数规划的逆规划及其等价形式

主要讨论了经济中常用的凸二次参数规划的逆问题、相关逆规划的等价性，并给出一定条件下的凸二次参数规划的逆规划就是一个线性规划，从而其相应的算法问题得到了解决．     

不确定优化问题的研究动向

讨论了不确定优化问题的研究方法，综述了随机规划、模糊优化和区间优化这三类不确定优化问题的主要研究算法、优缺点，提出了进一步研究的发展方向。     

程序设计语言分类探讨

从4个角度对种类繁多的程序设计语言进行了分类，并对不同类型的程序设计语言的特点、应用和现状作了探讨，尤其对按程序设计范型分类的各种语言作了较详细的阐述。对读者全面了解、认识和选择最佳程序设计语言提供了一定的帮助。     

多目标线性规划两种解法的比较

目标规划和模糊规划是求解多目标线性规划问题的两种方法,其基本思想都是将多目标问题转化为单目标规划.本文阐明了两者的相似处以及如何将两者互相转换,并且将它们结合起来,提出了新的模型.     

一类复合系统稳定性分析

考虑一类复合系统的稳定性问题，得到类似于线性规划的结果。     

计算机编程思想分析

介绍了当前编程界最流行的二种编程思想,阐述了它们各自的性质以及特点。同时从综合角度对两者进行对比分析,并指出它们之间的区别与联系。     

非结构化程序到结构化程序的转化

通过对非结构化程序与结构化程序的比较，讨论了结构化程序的优良特点，并归纳总结了三种非结构化程序到结构化和转化方法。     

C语言目标代码质量研究

根据 C 编译程序的机制,本文以若干翻译实例证明并非所有 C 语言的目标代都是高质量的,只有那些通晓用抽象和具体(硬件)方式描述问题的程序员才可望获得高质量的目标代码。     

双层多目标规划有效解的二阶最优性条件

在双层多目标规划的一阶最优性条件的基础上,给出了双层多目标规划问题的二阶最优性条件。