深度廣度結(jié)合的GEP算法研究及應用.pdf

1、基因表達式程序設(shè)計(Gene Expression Programming。GEP)結(jié)合遺傳算法(Genetic Algorithm。GA)和遺傳程序設(shè)計(Gene Programming。GP)二者各自的優(yōu)點，可以使用線性定長的染色體來表示不同形狀和尺寸的樹型結(jié)構(gòu)的表達式樹(Expression Tree。ET)。與傳統(tǒng)的GP相比，GEP中基因型和表現(xiàn)型是分離開的，這一特性使得GEP算法在運行過程中遺傳操作更加方便，算法能夠更快速的搜

2、索整個解空間，使算法更快地收斂。
　　GEP算法提出的時間不長，對它的相關(guān)方面的研究才剛剛開始，因此需要豐富的理論來不斷地進行完善，也需要證明在應用領(lǐng)域中的優(yōu)越性。由于 GEP中基因型和表現(xiàn)型是分開的，即表達式樹中的相關(guān)的子樹結(jié)構(gòu)與染色體上連續(xù)的基因片段并沒有對應起來，不能很好地利用子樹結(jié)構(gòu)，本文在此基礎(chǔ)上提出了一種新的解碼方法用來克服上述的缺點，并將改進后的算法應用于圖像檢索領(lǐng)域中。本文所做主要工作如下：
　　1)在對標準

3、GEP算法的優(yōu)缺點和GEP的核心技術(shù)進行深入研究的基礎(chǔ)上，提出了一種不同的解碼方式(深度優(yōu)先廣度優(yōu)先的聯(lián)合解碼，DBGEP)，通過結(jié)合兩種不同的解碼方法，使得同一個表達式，可以得到形狀大小不一的表達式樹，能夠提算法的性能和效率。實驗表明，相比于標準 GEP算法，新算法提高了種群的平均適應度值，得到了更高的算法成功率。
　　2)分析了基于內(nèi)容圖像檢索的關(guān)鍵技術(shù)和問題，為了解決現(xiàn)有單一特征甚至多個特征進行檢索時精度不高的問題，將GEP