GEP在演化建模中的应用

发布时间：2017-04-25 17:16

  本文关键词：GEP在演化建模中的应用，，由笔耕文化传播整理发布。

【摘要】： 建模在工程应用和科学研究中占据着重要的地位,人们往往将复杂的问题和现象抽象和简化为简单的模型而加以研究。然而,要想对复杂系统的观测数据(如气象数据、海洋数据、地震数据、经济数据等)建立能精确反映数据间内在规律的数学模型,用传统的人工建模方法是几乎不可能实现的。 演化建模方法能够利用演化算法和一定的搜索策略,通过不断尝试和反复试验自动生成具有较高拟合精度的函数模型。它不需要像人工建模方法一样事先确定模型的结构,只需要我们根据问题的特征确定构成模型的一些基本组成单元。 目前,较常用来进行演化建模的算法有遗传程序设计(GP)和基因表达式程序设计(GEP)。遗传程序设计直接采用树形结构作为编码,在处理复杂系统建模问题时,由于树的深度无限增大,极容易发生代码膨胀,导致搜索效率急剧下降。而基因表达式程序设计采用线性的、定长的、“头部+尾部”的结构化编码方式,遗传操作简单,算法稳定性好,可以很好的应用于演化建模。 本文讨论了基于基因表达式程序设计的演化建模问题。主要内容包括: ●阐述了基因表达式程序设计的关键技术,分析了GEP的编码优势,并对常用的两种演化建模算法——GEP与GP作了性能上的对比分析。 ●分析了用GEP进行演化建模的原理,给出了两个建模实例。通过对建模结果的分析,得出GEP能够演化生成具有较高拟合精度的函数模型。 ●针对单纯GEP算法生成的模型中函数前系数全为1的不足,对GEP算法作了改进——将GT算法与GEP算法相结合,以进一步优化模型中的参数。用改进后的算法给出了两个建模实例,通过对建模结果的对比分析发现,经过结构和参数双重优化后的模型,具有更好的拟合性,更能反映复杂系统数据间的内在规律和联系。
【关键词】：基因表达式程序设计 遗传程序设计 演化建模
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：C931.6
【目录】：

• 摘要4-5
• ABSTRACT5-7
• 目录7-9
• 1 绪论9-13
• 1.1 建模及其基本概念9-10
• 1.2 演化建模10-11
• 1.2.1 演化建模的相关概念10
• 1.2.2 演化建模的一般步骤10-11
• 1.2.3 演化建模的常用算法11
• 1.3 本文的工作11-13
• 2 基因表达式程序设计13-31
• 2.1 生物遗传和进化13
• 2.2 遗传算法13-15
• 2.3 GP15-19
• 2.3.1 GP的基本思想15-18
• 2.3.2 GP的局限性18-19
• 2.4 GEP19-31
• 2.4.1 起源和特点19-20
• 2.4.2 个体表示方式和组织结构20-25
• 2.4.3 遗传算子25-28
• 2.4.4 适应度函数28
• 2.4.5 终止条件28
• 2.4.6 程序结构28-30
• 2.4.7 与GP的比较30-31
• 3 基于GEP的演化建模31-39
• 3.1 问题描述31
• 3.2 建模实例一:粮食总产量模型31-34
• 3.3 建模实例二:采煤工作面瓦斯涌出量模型34-37
• 3.4 建模结果分析37-38
• 3.5 结论38-39
• 4 基于改进GEP的演化建模39-46
• 4.1 对GEP的改进39-40
• 4.2 建模实例一:GDP增长模型40-42
• 4.3 建模实例二:小麦流行等级模型42-44
• 4.4 建模结果分析44-45
• 4.5 结论45-46
• 5 结束语46-48
• 5.1 主要研究成果及创新46
• 5.2 GEP演化建模的主要特点46
• 5.3 GEP演化建模存在的问题46-48
• 参考文献48-52
• 附录Ⅰ 部分GEP演化建模程序代码52-59
• 附录Ⅱ 作者在攻读硕士学位期间发表的学术论文59-60
• 致谢60

【引证文献】

中国硕士学位论文全文数据库 前1条

1 刘昆;基于GEP的金属疲劳时间预测模型[D];武汉理工大学;2010年

  本文关键词：GEP在演化建模中的应用，由笔耕文化传播整理发布。

本文编号：326698