基因表達式編程算法原理與應(yīng)用

定　價：￥68.00

作　者：	元昌安等編著
出版社：	科學出版社
叢編項：
標　簽：	程序設(shè)計

購買這本書可以去

ISBN：	9787030286987	出版時間：	2010-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	355	字數(shù)：

內(nèi)容簡介

　　基因表達式編程是在繼承和發(fā)展遺傳算法與遺傳編程優(yōu)點的基礎(chǔ)上發(fā)展起來的遺傳計算家族中的新成員，是借鑒生物遺傳的基因表達規(guī)律提出的搜索和知識發(fā)現(xiàn)新技術(shù)。研究已表明，它在很多領(lǐng)域具有比遺傳算法和遺傳編程更強的解決問題的能力。全書共分四部分（14章）。第一部分介紹了基因表達式編程產(chǎn)生的相關(guān)背景；第二部分系統(tǒng)地闡述了基因表達式編程的基本概念、基本原理、基本算法和理論分析；第三部分著重討論了基因表達式編程算法的拓展和改進；第四部分重點介紹了基因表達式編程在知識發(fā)現(xiàn)等多個領(lǐng)域中的典型應(yīng)用?！痘虮磉_式編程算法原理與應(yīng)用》可作為高等院校計算機科學與技術(shù)、軟件工程等相關(guān)專業(yè)高年級本科生的選修教材和數(shù)據(jù)挖掘、智能計算等方向研究生參考教材，特別是可作為所有擬對基因表達式編程技術(shù)進行深入研究或借助基因表達式編程技術(shù)進行應(yīng)用研究的學者、工程師們的參考用書。

作者簡介

暫缺《基因表達式編程算法原理與應(yīng)用》作者簡介

圖書目錄

《智能科學技術(shù)著作叢書》序
序
前言
第一部分背景概述篇
第1章最優(yōu)化問題
1．1 最優(yōu)化問題簡述
1.2 最優(yōu)化問題的求解方法
1．2．1 求解最優(yōu)化問題的數(shù)學方法
1．2．2 進化計算求解方法
1．2．3 無免費午餐定理
參考文獻
第2章生物進化與進化計算
2．1 從進化論到進化計算
2．1．1 生物進化論概要
2．1．2 遺傳算法
2．1．3 進化策略
2．1．4 進化規(guī)劃
2．1．5 遺傳編程
2．2 廣義的進化計算
2．2．1 進化計算的本質(zhì)
2．2．2 進化算法的一般框架
2．3 生物的基因表達
2．3．1 DNA
2．3．2 RNA
2．3．3 蛋白質(zhì)
2．3．4 基因表達過程
2．4 從生物的基因表達到基因表達式編程
2．4．1 GEP的發(fā)展歷史
2．4．2 GEP的研究和應(yīng)用
2．4．3 GEP的特點
參考文獻
第二部分基本算法與理論篇
第3章 GEP算法基礎(chǔ)
3．1 GEP的基本要素
3．1．1 開放讀碼框架和基因
3．1．2 GEP中的基因
3．1．3 多基因染色體
3．1．4 子表達式樹的相互作用
3．2 基本的遺傳操作
3．3 GEP基本算法
3．4 適應(yīng)度函數(shù)的選擇和評估
3．5 標準GEP的選擇策略
3．6 簡單的函數(shù)發(fā)現(xiàn)實例
參考文獻
第4章 GEP的理論分析
4．1 形式化定義
4．1．1 終結(jié)符和函數(shù)
4．1．2 概念的形式化定義
4．2 基因編碼表達的可靠性和完備性分析
4．3 GEP的馬爾可夫鏈分析
4．3．1 馬爾可夫鏈相關(guān)概念
4．3．2 GEP馬爾可夫收斂定理
4．4 GEP的依概率收斂分析
4．4．1 問題背景及相關(guān)定義
4．4．2 基于GEP的函數(shù)發(fā)現(xiàn)依概率收斂定理
參考文獻
第5章 GEP的進化過程分析
5．1 個體與群體結(jié)構(gòu)分析
5．1．1 個體結(jié)構(gòu)分析
5．1．2 群體結(jié)構(gòu)分析
5．2 遺傳算子性能分析
5．2．1 選擇
5．2．2 變異
5．2．3 移位
5．2．4 重組（交叉）
5．2．5 總結(jié)
5．3 個體的建筑塊實驗分析
參考文獻
第三部分算法拓展與改進篇
第6章 GEP個體與種群組織的拓展
6．1 個體評價
6．1．1 經(jīng)典領(lǐng)域的適應(yīng)度函數(shù)設(shè)計
6．1．2 動態(tài)適應(yīng)度
6．2 基因的評估
6．2．1 GRCM算法
6．2．2 Kquick算法
6．2．3 GPED算法
6．2．4 SGDE-GEP算法
6．2．5 基于 Scale的基因評估算法
6．3 常數(shù)問題
6．3．1 三類主要方法
6．3．2 常數(shù)創(chuàng)建方法典型改進
6．4 優(yōu)秀基因片段的傳承
6．4．1 基于個體結(jié)構(gòu)的實現(xiàn)方法
6．4．2 基于編碼映射的實現(xiàn)方法
6．5 染色體的組織
6．5．1 多層染色體
6．5．2 基因重疊染色體
6．5．3 帶身部結(jié)構(gòu)的染色體
6．5．4 DAG染色體
6．6 種群的組織
6．6．1 改進的初始種群生成策略
6．6．2 種群多樣性繁殖策略
6．6．3 變種群規(guī)模策略
6．6．4 其他種群組織策略
參考文獻
第7章 GEP遺傳操作與行為干預(yù)的拓展
7．1 遺傳操作拓展
7．1．1 簡單分組的遺傳操作
7．1．2 殘差制導(dǎo)進化的GEP算法
7．1．3 自適應(yīng)GEP算法
7．2 GEP的轉(zhuǎn)基因策略
7．3 GEP的回溯策略
參考文獻
第8章并行GEP算法
8．1 并行遺傳算法的實現(xiàn)方案
8．2 并行GEP的設(shè)計
8．2．1 同步分布式并行GEP算法
8．2．2 異步分布式并行GEP算法
參考文獻
第9章 GEP與其他算法的融合
9．1 GEP與人工神經(jīng)網(wǎng)絡(luò)的融合
9．1．1 基于GEP和神經(jīng)網(wǎng)絡(luò)的屬性約簡分類算法
9．1．2 基于GEP優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)算法
9．2 GEP與模擬退火的融合
9．3 GEP與禁忌搜索的融合
9．4 GEP與隱馬爾可夫模型的融合
參考文獻
第四部分應(yīng)用研究篇
第10章 GEP在函數(shù)挖掘中的應(yīng)用
10．1 用GEP進行函數(shù)發(fā)現(xiàn)
10．1．1 一致表達式的發(fā)現(xiàn)
10．1．2 分域表達式挖掘
10．1．3 復(fù)雜度分析
10．1．4 實驗與分析
10．2 用GEP挖掘遞歸函數(shù)
10．2．1 遞歸函數(shù)挖掘算法GEP-RecurMiner
……
第11章 GEP在預(yù)測中的應(yīng)用
第12章 GEP在規(guī)則挖掘中的應(yīng)用
第13章 GEP在分類和聚類中的應(yīng)用
第14章 GEP在其他領(lǐng)域的應(yīng)用
附錄