第一部分 背景概述篇 3
第1章 最优化问题 3
1.1 最优化问题简述 3
1.2 最优化问题的求解方法 3
1.2.1 求解最优化问题的数学方法 4
1.2.2 进化计算求解方法 4
1.2.3 无免费午餐定理 5
参考文献 5
第2章 生物进化与进化计算 6
2.1 从进化论到进化计算 6
2.1.1 生物进化论概要 6
2.1.2 遗传算法 7
2.1.3 进化策略 8
2.1.4 进化规划 8
2.1.5 遗传编程 10
2.2 广义的进化计算 11
2.2.1 进化计算的本质 11
2.2.2 进化算法的一般框架 11
2.3 生物的基因表达 12
2.3.1 DNA 12
2.3.2 RNA 13
2.3.3 蛋白质 14
2.3.4 基因表达过程 14
2.4 从生物的基因表达到基因表达式编程 15
2.4.1 GEP的发展历史 15
2.4.2 GEP的研究和应用 15
2.4.3 GEP的特点 15
参考文献 16
第二部分 基本算法与理论篇 21
第3章 GEP算法基础 21
3.1 GEP的基本要素 21
3.1.1 开放读码框架和基因 22
3.1.2 GEP中的基因 24
3.1.3 多基因染色体 27
3.1.4 子表达式树的相互作用 28
3.2 基本的遗传操作 30
3.3 GEP基本算法 32
3.4 适应度函数的选择和评估 33
3.5 标准GEP的选择策略 37
3.6 简单的函数发现实例 40
参考文献 45
第4章 GEP的理论分析 46
4.1 形式化定义 46
4.1.1 终结符和函数 46
4.1.2 概念的形式化定义 48
4.2 基因编码表达的可靠性和完备性分析 50
4.3 GEP的马尔可夫链分析 51
4.3.1 马尔可夫链相关概念 51
4.3.2 GEP马尔可夫收敛定理 53
4.4 GEP的依概率收敛分析 54
4.4.1 问题背景及相关定义 54
4.4.2 基于GEP的函数发现依概率收敛定理 55
参考文献 58
第5章 GEP的进化过程分析 60
5.1 个体与群体结构分析 60
5.1.1 个体结构分析 60
5.1.2 群体结构分析 62
5.2 遗传算子性能分析 64
5.2.1 选择 65
5.2.2 变异 67
5.2.3 移位 67
5.2.4 重组（交叉） 68
5.2.5 总结 69
5.3 个体的建筑块实验分析 69
参考文献 72
第三部分 算法拓展与改进篇 75
第6章 GEP个体与种群组织的拓展 75
6.1 个体评价 75
6.1.1 经典领域的适应度函数设计 75
6.1.2 动态适应度 78
6.2 基因的评估 82
6.2.1 GRCM算法 84
6.2.2 Kquick算法 85
6.2.3 GPED算法 86
6.2.4 SGDE-GEP算法 88
6.2.5 基于Scale的基因评估算法 94
6.3 常数问题 101
6.3.1 三类主要方法 101
6.3.2 常数创建方法典型改进 106
6.4 优秀基因片段的传承 110
6.4.1 基于个体结构的实现方法 110
6.4.2 基于编码映射的实现方法 113
6.5 染色体的组织 115
6.5.1 多层染色体 116
6.5.2 基因重叠染色体 123
6.5.3 带身部结构的染色体 133
6.5.4 DAG染色体 134
6.6 种群的组织 136
6.6.1 改进的初始种群生成策略 136
6.6.2 种群多样性繁殖策略 143
6.6.3 变种群规模策略 147
6.6.4 其他种群组织策略 157
参考文献 158
第7章 GEP遗传操作与行为干预的拓展 160
7.1 遗传操作拓展 160
7.1.1 简单分组的遗传操作 160
7.1.2 残差制导进化的GEP算法 161
7.1.3 自适应GEP算法 164
7.2 GEP的转基因策略 172
7.3 GEP的回溯策略 179
参考文献 183
第8章 并行GEP算法 184
8.1 并行遗传算法的实现方案 184
8.2 并行GEP的设计 188
8.2.1 同步分布式并行GEP算法 188
8.2.2 异步分布式并行GEP算法 189
参考文献 190
第9章 GEP与其他算法的融合 191
9.1 GEP与人工神经网络的融合 191
9.1.1 基于GEP和神经网络的属性约简分类算法 191
9.1.2 基于GEP优化的RBF神经网络算法 199
9.2 GEP与模拟退火的融合 205
9.3 GEP与禁忌搜索的融合 211
9.4 GEP与隐马尔可夫模型的融合 219
参考文献 224
第四部分 应用研究篇 229
第10章 GEP在函数挖掘中的应用 229
10.1 用GEP进行函数发现 229
10.1.1 一致表达式的发现 229
10.1.2 分域表达式挖掘 232
10.1.3 复杂度分析 235
10.1.4 实验与分析 236
10.2 用GEP挖掘递归函数 239
10.2.1 递归函数挖掘算法GEP-RecurMiner 239
10.2.2 动态进化策略 242
10.2.3 实验与分析 243
10.3 用GEP挖掘中医方证关系 245
10.3.1 中医学中的方证关系 245
10.3.2 简单方证关系分析 246
10.3.3 症状组主次分离指针编码 247
10.3.4 中医学中的症状组适应度函数设计 250
10.3.5 基于基因表达式的方证关系函数发现算法 252
10.3.6 实验与分析 252
参考文献 258
第11章 GEP在预测中的应用 260
11.1 GEP在时间序列预测中的应用 260
11.1.1 Fibonacci加权滑动窗口预测法 261
11.1.2 差分平均预测法 263
11.1.3 实验与分析 265
11.2 GEP在数据流预测模型中的应用 270
11.2.1 数据流的基本概念和定义 271
11.2.2 基于GEP数据流挖掘算法 272
11.2.3 多数据流的预测模型和算法介绍 272
11.2.4 实验与分析 275
11.3 GEP在灾情分析及预测中的应用 278
11.3.1 洪灾灾情预测 278
11.3.2 基于折半查找的最优属性约简算法 278
11.3.3 基于属性约简的GEP洪灾灾情预测算法 279
11.3.4 实验与分析 280
参考文献 281
第12章 GEP在规则挖掘中的应用 283
12.1 GEP在关联规则挖掘中的应用 283
12.1.1 关于关联规则挖掘 283
12.1.2 谓词关联规则概念 284
12.1.3 基因和适应度函数设计 285
12.1.4 挖掘谓词关联规则 287
12.1.5 实验与分析 288
12.2 基于GEP的多层关联规则挖掘算法及其应用 289
12.2.1 多层关联规则挖掘 290
12.2.2 基于泛化的抽象频繁项集挖掘 290
12.2.3 挖掘多层关联规则算法 290
12.2.4 实验与分析 293
参考文献 295
第13章 GEP在分类和聚类中的应用 296
13.1 基于GEP的自动聚类方法 296
13.1.1 染色体编码 296
13.1.2 聚类表达式树的编码和解码 297
13.1.3 适应度计算 299
13.1.4 遗传算子 299
13.1.5 基于GEP的聚类算法 299
13.1.6 自动合并整合簇算法 300
13.1.7 实验与分析 301
13.2 代价敏感的GEP分类算法 304
13.2.1 代价敏感分类算法理论 304
13.2.2 基于GEP的代价敏感分类算法 305
13.2.3 实验与分析 308
13.3 GEP在特征自动抽取中的应用 309
13.3.1 基本概念和定理 309
13.3.2 基于GEP的特征集自动选取 312
13.3.3 特征的自动聚类和特征集的自动选择算法 315
13.4 基于GEP的文本分类技术 316
13.4.1 文本的向量表示 316
13.4.2 基于GEP的文本分类方法 317
13.4.3 实验与分析 319
参考文献 319
第14章 GEP在其他领域的应用 322
14.1 GEP在数据压缩中的应用 322
14.1.1 数据流的基本概念 322
14.1.2 基于DFF-GEP的多数据流压缩算法 323
14.1.3 多数据流的重构算法 323
14.1.4 实验与分析 323
14.2 GEP在演化硬件研究中的应用 327
14.2.1 进化硬件的基本概念 327
14.2.2 二阶段电路进化方法 328
14.2.3 实验与分析 332
参考文献 333
附录 335
附录A 当前国际上部分GEP研究组织和资源 335
附录B 基本算法部分源码（C＃版） 336