| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 1. 引言 | 第6-13页 |
| ·研究背景 | 第6-7页 |
| ·演化计算 | 第7-11页 |
| ·演化计算各分支 | 第8-11页 |
| ·函数挖掘国内外研究现状 | 第11页 |
| ·本文主要研究工作与创新点 | 第11-13页 |
| 2. 数据挖掘概述 | 第13-17页 |
| ·数据挖掘的意义及内涵 | 第13-14页 |
| ·数据挖掘的任务 | 第14-15页 |
| ·函数挖掘 | 第15-17页 |
| ·函数挖掘的一般步骤 | 第15页 |
| ·函数挖掘的特点 | 第15-16页 |
| ·函数挖掘的传统方法 | 第16-17页 |
| 3. 基因表达式编程概述 | 第17-31页 |
| ·基因表达式编程各个关键技术 | 第17-29页 |
| ·个体组成 | 第18页 |
| ·编码规则 | 第18-20页 |
| ·表达式树(Expression Tree,ET)和K-表达式 | 第20-22页 |
| ·GEP 基本算法流程图 | 第22页 |
| ·适应度函数 | 第22-24页 |
| ·遗传操作 | 第24-28页 |
| ·数值常量 | 第28-29页 |
| ·GEP 与其他演化算法的比较 | 第29页 |
| ·GEP 的研究现状 | 第29-31页 |
| 4. 减少早熟的基因表达式编程函数挖掘算法（GEP-FM 算法） | 第31-50页 |
| ·GEP-FM 算法的改进 | 第32-37页 |
| ·基因结构的改进 | 第32-33页 |
| ·适应度函数设计 | 第33-36页 |
| ·变异算子的改进 | 第36-37页 |
| ·GEP-FM 中适应值的求解 | 第37-41页 |
| ·经典GEP 中适应值的求解及其所含问题 | 第37-38页 |
| ·GEP-FM 中求解适应值的VLCF 算法 | 第38-41页 |
| ·GEP-FM 算法描述 | 第41页 |
| ·GEP-FM 算法复杂度分析 | 第41-42页 |
| ·GEP-FM 算法收敛性分析 | 第42-50页 |
| ·收敛性定义 | 第42-43页 |
| ·GEP-FM 算法收敛性分析 | 第43-50页 |
| 5. GEP-FM 相关实验与分析 | 第50-66页 |
| ·所设计的两种适应度函数对函数挖掘的影响 | 第50-51页 |
| ·对一元函数的挖掘 | 第51-56页 |
| ·实验一 | 第51-53页 |
| ·实验二 | 第53-56页 |
| ·对二元、三元函数的挖掘 | 第56-61页 |
| ·实验三 | 第56-57页 |
| ·实验四 | 第57-61页 |
| ·对多元复杂函数的挖掘 | 第61-65页 |
| ·实验五 | 第61-65页 |
| ·小结 | 第65-66页 |
| 6. 总结与未来工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |