遗传规划算法的改进及应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 进化算法概述 | 第10-15页 |
| ·进化算法的基本思想 | 第10页 |
| ·进化算法的特点 | 第10页 |
| ·进化算法的主要分支 | 第10-13页 |
| ·遗传算法 | 第10-11页 |
| ·遗传规划 | 第11-12页 |
| ·进化策略 | 第12页 |
| ·进化规划 | 第12-13页 |
| ·进化算法的应用 | 第13-15页 |
| 2 遗传规划的基本理论 | 第15-21页 |
| ·遗传规划算法的基本思想和不足 | 第15页 |
| ·基本思想 | 第15页 |
| ·遗传规划的不足 | 第15页 |
| ·种群个体的描述方法 | 第15-16页 |
| ·种群初始化 | 第16-17页 |
| ·适应度函数 | 第17-18页 |
| ·原始适应度 | 第17页 |
| ·标准适应度 | 第17页 |
| ·调整适应度 | 第17-18页 |
| ·归一化适应度 | 第18页 |
| ·遗传操作 | 第18-20页 |
| ·复制 | 第18-19页 |
| ·交换 | 第19页 |
| ·变异 | 第19-20页 |
| ·精英保留 | 第20-21页 |
| 3 遗传规划算法的改进 | 第21-28页 |
| ·算法思想 | 第21-22页 |
| ·基本算法 | 第22-23页 |
| ·数值实验 | 第23-28页 |
| 4 基于小生境技术的遗传规划算法 | 第28-40页 |
| ·小生境技术概述 | 第28-29页 |
| ·常用的小生境方法 | 第29页 |
| ·标准适应值共享算法 | 第29页 |
| ·清除算法 | 第29页 |
| ·确定性拥挤算法 | 第29页 |
| ·小生境技术在遗传规划中的应用 | 第29-40页 |
| ·基本思想 | 第30页 |
| ·基于小生境技术的遗传规划算法 | 第30-31页 |
| ·NGP 在符号回归中的应用 | 第31-37页 |
| ·理论推导 | 第37-38页 |
| ·小结 | 第38-40页 |
| 5 改进的遗传规划算法在科研机构信用评价中的应用 | 第40-46页 |
| ·指标的建立 | 第40页 |
| ·数据的收集 | 第40页 |
| ·样本数据预处理 | 第40-41页 |
| ·模型的构建 | 第41-46页 |
| ·参数选择 | 第41-42页 |
| ·模型结果及分析 | 第42-46页 |
| 6 结论 | 第46-48页 |
| ·本文的研究成果 | 第46页 |
| ·本文的展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录 1 遗传规划算法的训练样本数据 | 第52-53页 |
| 附录 2 NGP 算法的原始样本数据 | 第53-55页 |
| 附录 3 科研机构信用评价中部分测试样本数据 | 第55-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |
