遗传程序设计在汇率市场预测中的应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题的研究背景 | 第11-13页 |
| ·进化计算介绍 | 第13-14页 |
| ·遗传程序设计的产生及研究现状 | 第14-16页 |
| ·基于遗传程序设计的预测分析建模 | 第16-17页 |
| ·预测效果的评价 | 第17-18页 |
| 第2章 遗传算法 | 第18-26页 |
| ·遗传算法简介 | 第18-19页 |
| ·遗传算法的思想和原理 | 第19-21页 |
| ·遗传算法的步骤和意义 | 第21-24页 |
| ·遗传算法的特点 | 第24页 |
| ·遗传算法的应用关键 | 第24-26页 |
| 第3章 遗传算法在神经网络优化中的应用 | 第26-30页 |
| ·遗传算法在网络学习中的应用 | 第26页 |
| ·遗传算法在网络设计中的应用 | 第26-27页 |
| ·实例研究及结果分析 | 第27-30页 |
| 第4章 遗传编程 | 第30-38页 |
| ·关于遗传编程 GP | 第30页 |
| ·GP 的基本思想 | 第30-31页 |
| ·GP 解决问题的步骤 | 第31页 |
| ·遗传操作及控制参数 | 第31-32页 |
| ·GP 演化算法流程图 | 第32-33页 |
| ·GP 主要适用于以下场合 | 第33-34页 |
| ·遗传编程的发展方向 | 第34页 |
| ·遗传编程在汇率预测方面的应用 | 第34-36页 |
| ·构造预测系统编码及初始化种群 | 第34-35页 |
| ·系统运行及结果分析 | 第35-36页 |
| ·遗传编程中存在的问题 | 第36-38页 |
| 第5章 基因表达式编程 | 第38-48页 |
| ·基因表达式编程 | 第38-39页 |
| ·基因表达式编程特点 | 第39-40页 |
| ·基因表达式编程算法 | 第40-43页 |
| ·GEP 的优势：对遗传操作的封闭性 | 第43页 |
| ·适者生存的进化过程 | 第43-44页 |
| ·基因表达式编程在汇率预测方面的应用 | 第44-46页 |
| ·适应度函数的设计 | 第44-45页 |
| ·实例研究及结果分析 | 第45-46页 |
| ·GEP 的固有缺陷 | 第46-48页 |
| 第6章 总结与展望 | 第48-51页 |
| ·总结 | 第48-50页 |
| ·三者之间的基本特征 | 第48-49页 |
| ·遗传算法间的区别 | 第49-50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文 | 第56页 |
