GP技术及应用研究

论文摘要

本论文研究的课题在湖南省自然科学基金项目“基于GP理论的多准则决策函数稳定性分析研究”(05JJ40103)和湖南省教育厅项目“网络共同进化算法及应用研究”(04C313)的资助下完成。 目前，GP(Genetic Programming，遗传程序设计，又称遗传编程)是十分活跃的研究领域，被视为解决多目标决策问题、软件复用工程、CASE等复杂问题分析设计和软件危机的强有力工具。然而，当前GP在整体上还处在初步的研究阶段。应用数学工具建立较为完善的GP理论，对其问题约束、个体表示、自定义函数、适应度函数、选择策略、遗传算子以及与此相关的算法设计、结构描述、数学建模开展深入的探索，有助于实际问题的解决。 本文研究了GP的模式定理、算法性能优化技术、个体程序树表示、自定义函数共同进化模型、快速求解适应度函数权值方法、多目标决策函数模型和稳定性分析方法以及软件复用技术，给出了GP的模式定理及其在微观和宏观概念下的定义，深入解释了模式创建的内在机制和算法的进化行为。运用Markov链分析法，验证了GP的收敛性问题，得出了在最优值保留条件下，算法可收敛到全局最优解。 采用排序生成法、最优生成法和平均生成法三种改进方法，提高了GP算法的收敛性能，加快寻优过程，避免因出现过大的群体规模而产生的负面作用。一致性交叉可以避免传统交叉算子在代码片段选择上的盲目性，能有针对性地创建环境相似的程序树。编辑算子在“基因内区”概率保留的前提下，对冗余代码进行简化，可以在合理的计算时间内获得易于理解的结果。 利用对线性表示的个体进行位置信息编码的思想，提出了一种新的基于树的线性后缀形式的GP个体程序树表示方法，实现了多种形式的遗传操作，并给出形式化定义，设计并实现了一个基于栈的GP算法。 论文提出了一种GP自定义函数共同进化的模型和方法，该模型和方法在解决大规模复杂问题时，如学习分类任务，性能比传统的不带ADFs的GP和带有ADFs的GP方法更好。 论文提出了一种快速、准确的求解GP适应度函数权值的新方法，通过对GP适应度函数调整参数的选择，快速精确地计算树的权值，

论文目录

• 第一章 绪论
• 1.1 GP概述
• 1.1.1 GP的基本思想
• 1.1.2 GP的主要特点
• 1.2 GP研究现状及存在问题
• 1.2.1 GP理论和技术研究概况
• 1.2.2 GP应用领域
• 1.3 GP与多目标决策
• 1.3.1 决策问题及其难点
• 1.3.2 决策函数存在定理
• 1.3.3 传统多目标决策分析方法及其局限性
• 1.3.4 GP与多目标进化决策问题及决策分析
• 1.4 GP与软件复用
• 1.4.1 研究背景、存在问题和基本观点
• 1.4.2 关于软件复用的若干基本观点
• 1.4.3 软件复用中的形式化和自动化方法
• 1.4.4 基于组件的软件开发
• 1.4.5 GP在软件复用方面的应用方法研究
• 1.5 GP研究意义及主要研究工作
• 1.6 本章小结
• 第二章 GP机理研究及算法性能改进技术
• 2.1 GP的基本原理
• 2.1.1 个体的描述方法
• 2.1.2 初始群体的生成
• 2.1.3 适应度函数
• 2.1.4 遗传算子及遗传操作
• 2.1.5 终止准则与结果判定
• 2.1.6 控制参数
• 2.1.7 计算实例分析
• 2.2 GP的数学理论
• 2.2.1 模式定理
• 2.2.2 收敛性分析
• 2.3 GP自然进化属性
• 2.4 GP算法性能改进技术
• 2.4.1 个体树快速生成
• 2.4.2 提高初始群体性能的方法
• 2.4.3 一致性交叉
• 2.4.4 编辑算子
• 2.4.5 权值逐步适应法
• 2.5 基于树的线性后缀形式的GP个体表示方法研究
• 2.5.1 一种线性表示的GP方法
• 2.5.2 基于一点交叉操作的模式理论
• 2.6 本章小结
• 第三章 GP自定义函数共同进化方法研究
• 3.1 引言
• 3.2 GP自定义函数共同进化模型和方法
• 3.3 分类任务
• 3.3.1 中国农业银行金穗信用卡
• 3.3.2 字母图像识别样本数据集
• 3.4 CO-ADFs方法仿真研究
• 3.4.1 中国农业银行金穗信用卡
• 3.4.2 字母图象识别
• 3.5 本章小结
• 第四章 GP适应度函数光滑拟合与调整参数方法研究
• 4.1 引言
• 4.2 GP树适应度函数的调整
• 4.2.1 适应度函数的调整方法
• 4.2.2 终点集和函数集
• 4.2.3 GP树的适应权值
• 4.2.4 调整参数的选择方法
• 4.3 GP算法的光滑拟合
• 4.4 数值仿真及结果分析
• 4.5 本章小结
• 第五章 基于GP的多目标决策函数建模及稳定性分析
• 5.1 引言
• 5.2 多目标决策问题
• 5.3 可行性方案的敏感性
• 5.4 GP进化决策函数的适应度算法
• 5.4.1 算法描述
• 5.4.2 算法复杂度分析
• 5.5 关于权重灵敏度
• 5.6 仿真研究
• 5.7 本章小结
• 第六章 基于 GP的软件复用及自动程序设计方法研究
• 6.1 组件模型的形式化分析
• 6.1.1 组件模型的必要条件
• 6.1.2 现有组件定义的分析
• 6.1.3 形式化的组件概念模型
• 6.2 现有组件语义的描述方法
• 6.3 形式化的组件语义模型
• 6.4 基于 GP组件的软件复用方法及应用研究
• 6.4.1 GP思想对组件技术的适应性
• 6.4.2 GP-CBD方法算法框架
• 6.4.3 GP-CBD算法
• 6.5 GP-CBD方法的技术实现
• 6.6 基于GP组件的开发过程
• 6.7 本章小结
• 第七章 结论与展望
• 7.1 本文的主要贡献
• 7.2 对未来工作的展望
• 参考文献
• 致谢
• 攻读博士学位期间撰写的主要论文及科研项目