基因表达式编程核心技术研究
| 1 前言 | 第1-11页 |
| 1．1 基因表达式编程研究的意义 | 第9-10页 |
| 1．2 本文的组织 | 第10-11页 |
| 2 研究背景 | 第11-22页 |
| 2．1 生物进化和遗传 | 第11-12页 |
| 2．2 遗传算法 | 第12-14页 |
| 2．3 遗传编程 | 第14-15页 |
| 2．4 相关的其他算法 | 第15-18页 |
| 2．4．1 进化规划 | 第15-16页 |
| 2．4．2 进化策略 | 第16-17页 |
| 2．4．3 模拟退火算法 | 第17-18页 |
| 2．5 进化计算的本质 | 第18-19页 |
| 2．6 基因表达的生物学背景 | 第19-22页 |
| 3 GEP的基本方法 | 第22-41页 |
| 3．1 GEP的中文译名 | 第22-23页 |
| 3．2 GEP的基本概念 | 第23-34页 |
| 3．2．1 函数和终结符 | 第23-25页 |
| 3．2．2 GEP中的表现型—表达式 | 第25-26页 |
| 3．2．3 K-表达式 | 第26-31页 |
| 3．2．4 GEP的基因 | 第31-33页 |
| 3．2．5 多基因 | 第33-34页 |
| 3．3 GEP算法的基本结构 | 第34-36页 |
| 3．4 适应度函数和选择算子 | 第36-37页 |
| 3．5 遗传操作 | 第37-38页 |
| 3．6 数值常量 | 第38-39页 |
| 3．7 小结 | 第39-41页 |
| 4 GEP的理论分析 | 第41-56页 |
| 4．1 GEP原理 | 第41-44页 |
| 4．2 GEP的收敛性分析 | 第44-50页 |
| 4．2．1 背景 | 第44-46页 |
| 4．2．2 收敛性分析 | 第46-50页 |
| 4．3 GEP中的常量分析 | 第50-53页 |
| 4．4 GEP与GP的比较 | 第53-55页 |
| 4．5 小结 | 第55-56页 |
| 5 GEP的上下文无关文法模型和GEP | 第56-77页 |
| 5．1 上下文无关文法概述 | 第56-60页 |
| 5．2 将上下文无关文法作为知识描述手段 | 第60-61页 |
| 5．3 文法与进化计算相关的研究工作 | 第61-62页 |
| 5．4 基本GEP的上下文无关文法模型 | 第62-66页 |
| 5．5 扩展的GEP—EGEP | 第66-68页 |
| 5．6 EGEP的基因结构 | 第68-76页 |
| 5．6．1 等位K-表达式 | 第69-70页 |
| 5．6．2 多段基因 | 第70-76页 |
| 5．7 小结 | 第76-77页 |
| 6 挖掘谓词关联规则 | 第77-87页 |
| 6．1 背景 | 第77-78页 |
| 6．2 相关工作 | 第78页 |
| 6．3 谓词关联规则概念 | 第78-80页 |
| 6．4 挖掘谓词关联规则 | 第80-81页 |
| 6．5 基因和适应度函数 | 第81-83页 |
| 6．5．1 基因设计 | 第81-82页 |
| 6．5．2 适应度函数的启发性知识 | 第82-83页 |
| 6．6 实验与评测 | 第83-86页 |
| 6．6．1 测试1 | 第83-85页 |
| 6．6．2 测试2 | 第85-86页 |
| 6．7 小结 | 第86-87页 |
| 7 时间序列预测 | 第87-100页 |
| 7．1 背景 | 第87-88页 |
| 7．2 滑动窗口预测法 | 第88-89页 |
| 7．3 微分方程预测法 | 第89-91页 |
| 7．4 数据预处理 | 第91-93页 |
| 7．5 实验与评测 | 第93-98页 |
| 7．5．1 发现数值常量 | 第93-94页 |
| 7．5．2 数据预处理 | 第94-95页 |
| 7．5．3 滑动窗口法预测太阳黑子 | 第95-96页 |
| 7．5．4 微分方程法预测太阳黑子 | 第96-98页 |
| 7．6 小结 | 第98-100页 |
| 8 基于GEP的通用建模系统zGEP | 第100-103页 |
| 8．1 系统结构 | 第100-101页 |
| 8．2 表达式的表示 | 第101-102页 |
| 8．3 应用效果 | 第102-103页 |
| 9 结论 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 作者在读期间科研成果简介 | 第111-113页 |
| 声明 | 第113-114页 |
| 致谢 | 第114页 |
