基因表達(dá)式編程算法原理與應(yīng)用

《智能科學(xué)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(xué)方法
1．2．2 進(jìn)化計(jì)算求解方法
1．2．3 無免費(fèi)午餐定理
參考文獻(xiàn)
第2章 生物進(jìn)化與進(jìn)化計(jì)算
2．1 從進(jìn)化論到進(jìn)化計(jì)算
2．1．1 生物進(jìn)化論概要
2．1．2 遺傳算法
2．1．3 進(jìn)化策略
2．1．4 進(jìn)化規(guī)劃
2．1．5 遺傳編程
2．2 廣義的進(jìn)化計(jì)算
2．2．1 進(jìn)化計(jì)算的本質(zhì)
2．2．2 進(jìn)化算法的一般框架
2．3 生物的基因表達(dá)
2．3．1 DNA
2．3．2 RNA
2．3．3 蛋白質(zhì)
2．3．4 基因表達(dá)過程
2．4 從生物的基因表達(dá)到基因表達(dá)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(diǎn)
參考文獻(xiàn)
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(dá)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(biāo)準(zhǔn)GEP的選擇策略
3．6 簡單的函數(shù)發(fā)現(xiàn)實(shí)例
參考文獻(xiàn)
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(dá)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(xiàn)
第5章 GEP的進(jìn)化過程分析
5．1 個(gè)體與群體結(jié)構(gòu)分析
5．1．1 個(gè)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(gè)體的建筑塊實(shí)驗(yàn)分析
參考文獻(xiàn)
第三部分 算法拓展與改進(jìn)篇
第6章 GEP個(gè)體與種群組織的拓展
6．1 個(gè)體評價(jià)
6．1．1 經(jīng)典領(lǐng)域的適應(yīng)度函數(shù)設(shè)計(jì)
6．1．2 動(dòng)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(jìn)
6．4 優(yōu)秀基因片段的傳承
6．4．1 基于個(gè)體結(jié)構(gòu)的實(shí)現(xiàn)方法
6．4．2 基于編碼映射的實(shí)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(jìn)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(xiàn)
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(jìn)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(xiàn)
第8章 并行GEP算法
8．1 并行遺傳算法的實(shí)現(xiàn)方案
8．2 并行GEP的設(shè)計(jì)
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(xiàn)
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(xiàn)
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(jìn)行函數(shù)發(fā)現(xiàn)
10．1．1 一致表達(dá)式的發(fā)現(xiàn)
10．1．2 分域表達(dá)式挖掘
10．1．3 復(fù)雜度分析
10．1．4 實(shí)驗(yàn)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