農(nóng)學(xué)基因表達(dá)式編程

農(nóng)學(xué)基因表達(dá)式編程第1頁(yè)/共142頁(yè)2023/3/22/141目錄，大致計(jì)劃第一次自然計(jì)算模型系列1：概述篇自然計(jì)算模型系列2粒子群（

魚(yú)群/鳥(niǎo)群）算法自然計(jì)算模型系列3基因表達(dá)式編程第二次自然計(jì)算模型系列4：模擬退火算法自然計(jì)算模型系列5：蟻群算法自然計(jì)算模型系列6：免疫計(jì)算模型（思路和比喻）下載URL:校園網(wǎng)和學(xué)院網(wǎng)

/~chjtang/teach/tang_teaching.htm7/~tangchangjie/teach/tang_teaching.htm第2頁(yè)/共142頁(yè)2023/3/23/141今天

自然計(jì)算模型（NatureComputing)概述

PSO

粒子群算法魚(yú)群鳥(niǎo)群算法GEP基因表達(dá)式編程下一次蟻群算法模擬退火算法人工免疫思想（比喻）

……

歡迎同學(xué)在下次發(fā)言（5-30分鐘均可）（如A先講，可跳至32頁(yè)）提綱第3頁(yè)/共142頁(yè)2023/3/24/141資料出處和致謝參考資料：本PPT僅作和同學(xué)們?cè)谟懻摪鎯?nèi)交流之用參考了若干教科書(shū)，文獻(xiàn)和論文和報(bào)告。在末尾列出50多篇，但參考的文獻(xiàn)不只這些,主要是遺傳算法、基因表達(dá)式編程、粒子群算法的相關(guān)作者等等，包括國(guó)內(nèi)外，校內(nèi)外專(zhuān)家和本實(shí)驗(yàn)室成員的工作對(duì)未列出的文獻(xiàn)作者也在此一并致謝。參考文獻(xiàn)可能有遺漏，歡迎未列出的文獻(xiàn)作者及時(shí)指出，，以便即時(shí)在參考文獻(xiàn)中補(bǔ)充。作PPT類(lèi)似于把小說(shuō)改編為劇本，有重新創(chuàng)作的成分，也希望其它引用本PPT材料的標(biāo)注本PPT第4頁(yè)/共142頁(yè)2023/3/25/141歡迎指正我們?cè)赑SO方面的工作不多，難免疏漏：我們?cè)赑SO方面的工作不多，可能有疏漏，歡迎指正：

1張培頌，唐常杰，丁鑫鑫，徐開(kāi)闊,“基于劃分和重分布的粒子群算法及優(yōu)化策略”，四川大學(xué)學(xué)報(bào)（自然科學(xué)版）Vol.44,No.2pp312-315,2007.4，ZHANGPei-song,TANGChang-jie,DINGXin-xin,XUKai-kuo，“AnImprovedParticleSwarmOptimizationBasedonDivisionandRedistribution”，JournalofSichuanUniversity(NaturalScienceEdition),Vol.44,No.2pp312-315,2007.42蘇輝，唐常杰，喬少杰，徐開(kāi)闊,張培頌，宋美嬌“基于搜索空間劃分和Sharing函數(shù)的粒子群優(yōu)化算法”，四川大學(xué)學(xué)報(bào)（自然科學(xué)版）Vol.44,No.5pp985-989,2007.10，SUHui,TANGChang-jie,QiaoShao-jie,XUKai-kuo，ZHANGPei-song,SongMei-jiao“AnImprovedParticleSwarmOptimizationBasedonSearchSpaceDivisionandSharingFunction”，JournalofSichuanUniversity(NaturalScienceEdition),Vol.44,No.5pp985-989,2007.103倪勝巧，唐常杰，曾旭晟，喬少杰,曾春秋，"EAMode:一種新的基于引擎粒子系統(tǒng)的圖像渲染模式",Vol.44No.6，Dec.2007.p1220-1224；NISheng-qiao，TANGChang-jie，ZENGXu-sheng，QIAOShao-jie，ZENGChun-qiu,"E&AMode:ANewModeforImageRomancingBasedonEngineParticlesSystem"，JournalofSichuanUniversity(NaturalScienceEdition),Vol.44No.6，Dec.2007.p1220-12244QihongLiu,TiandeLi,ChangjieTang,QiweiLiu,JunZhu,XinxinDing,JiangWu:TwoPhaseParallelParticleSwarmAlgorithmbasedonRegionalandSocialStudyofObjectOptimization.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p:827~831.EI5丁鑫鑫唐常杰曾濤張培頌徐開(kāi)闊劉齊宏,基于最佳粒子共享和分層搜索的并行粒子群優(yōu)化算法tobepublished.第5頁(yè)/共142頁(yè)2023/3/26/141課程計(jì)劃和特點(diǎn)有多位（7-8位）博士生導(dǎo)師作專(zhuān)題講座，每個(gè)老師講課8小時(shí)（大約需要準(zhǔn)備40—60小時(shí)）特點(diǎn)廣N位導(dǎo)師，N=8~9,N+

個(gè)領(lǐng)域，M個(gè)課題，(M>N).“N家講座”，不敢比百家…新

要求報(bào)告新技術(shù)前沿淺

–因?yàn)闀r(shí)間短，主要將思想，方法，介紹成果。不可能深入到公式和算法細(xì)節(jié)實(shí)結(jié)合實(shí)際，結(jié)合博士生可能的選題第6頁(yè)/共142頁(yè)2023/3/27/141學(xué)習(xí)方法學(xué)思想，學(xué)觀點(diǎn)，學(xué)方法，聯(lián)系自己的科研選題。1先觀其大略。（諸葛亮法，討論班和聽(tīng)學(xué)術(shù)報(bào)告適用）

王粲的《英雄記鈔》，諸葛亮與徐庶、石廣元、孟公威一道游學(xué)，“三人務(wù)于精熟，而亮獨(dú)觀其大略”。多快好省地?cái)U(kuò)展知識(shí)面，學(xué)思想、方法。

宋代理學(xué)家陸象山：“讀書(shū)且平平讀，未曉處且放過(guò)，不必太滯?！保?tīng)課時(shí)不懂的，暫時(shí)放過(guò)，最后根據(jù)緩急，去理解。今天的GEP兩小時(shí)觀其大略，然后用一學(xué)期鉆研它。2再一個(gè)小課題寫(xiě)課程論文（考核），從一點(diǎn)深入。交相關(guān)老師評(píng)閱。博士生選題。（先寬度優(yōu)先，試選，選定后，就深度優(yōu)先，深入下去）第7頁(yè)/共142頁(yè)2023/3/28/141

書(shū)歸正傳今天內(nèi)容GeneExpressionProgramming

基因表達(dá)式編程

第8頁(yè)/共142頁(yè)2023/3/29/141DMbyGeneExpressionProgramming

in[2004.5,2008.2]

基于基因表達(dá)式編程的數(shù)據(jù)挖掘

研究進(jìn)展

唐常杰四川大學(xué)計(jì)算機(jī)學(xué)院2009.2第9頁(yè)/共142頁(yè)2023/3/210/141今天的方式介紹思想方法，避開(kāi)細(xì)節(jié)有些PPT頁(yè)面會(huì)跳過(guò)，供有興趣的學(xué)習(xí)速度較快，這里只是簡(jiǎn)介，觀其大略。(今天下午有GEP課程，這個(gè)課程需要學(xué)習(xí)一個(gè)學(xué)期）本講座PDF下載ＵRL/~chjtang/teach/tang_teaching.htm/~tangchangjie/teach/tang_teaching.htm第10頁(yè)/共142頁(yè)2023/3/211/141匯報(bào)提綱1是什么？不是什么？（快或略）2怎么作?創(chuàng)新點(diǎn)３已經(jīng)作了什么？我們?cè)?004-2005的10項(xiàng)工作多基因染色體的并列函數(shù)表達(dá)式抗噪聲數(shù)據(jù)的函數(shù)挖掘動(dòng)態(tài)分界閾值的分類(lèi)判別頻繁函數(shù)集的可配置挖掘多染色體基因表達(dá)式時(shí)間序列預(yù)測(cè)掘中醫(yī)方證關(guān)系轉(zhuǎn)基因編程發(fā)現(xiàn)知識(shí)屬性融合分類(lèi)GEP回溯策略

４還可以作什么？第11頁(yè)/共142頁(yè)2023/3/212/1411基本概念（快或略）GEP不是生物工程，不是生命科學(xué).Ferreira,Candida稱(chēng)之為：

BiologicallyInspiredComputing,借用了生命科學(xué)中基因，染色體等概念和思路，用遺傳計(jì)算作數(shù)據(jù)挖掘，發(fā)現(xiàn)公式，發(fā)現(xiàn)規(guī)則等等GEP是什么?不是什么?第12頁(yè)/共142頁(yè)2023/3/213/141GEP是什么？用戶(hù)的直觀感覺(jué)1輸入輸出和一些技術(shù)參數(shù)，變異率，適應(yīng)度等等第13頁(yè)/共142頁(yè)2023/3/214/141作因子分解的界面（汪銳論文）

第14頁(yè)/共142頁(yè)2023/3/215/141GEP是什么？用戶(hù)的直觀感覺(jué)2輸入：1860—1980太陽(yáng)黑子數(shù)據(jù)和挖掘方法參數(shù)

第15頁(yè)/共142頁(yè)2023/3/216/141GEP是什么？用戶(hù)的直觀感覺(jué)2輸出微分方程(動(dòng)力學(xué)更本質(zhì)）用mathematica作等價(jià)變形第16頁(yè)/共142頁(yè)2023/3/217/141第谷積累的行星數(shù)據(jù)挖掘開(kāi)普勒定律訓(xùn)練數(shù)據(jù)（不變）愚公移山，一代一代，挖山不止山還是那座山公式可不是那個(gè)公式

兒子輩

孫子輩

GEP怎么作?進(jìn)化式，用了基因表達(dá)第17頁(yè)/共142頁(yè)2023/3/218/141第谷積累的行星數(shù)據(jù)挖掘開(kāi)普勒定律訓(xùn)練數(shù)據(jù)（不變）愚公移山，一代一代，挖山不止山還是那座山公式可不是那個(gè)公式

兒子輩

孫子輩GEP怎么作?進(jìn)化式，用了基因表達(dá)第18頁(yè)/共142頁(yè)2023/3/219/141第谷積累的行星數(shù)據(jù)挖掘開(kāi)普勒定律訓(xùn)練數(shù)據(jù)（不變）愚公移山，一代一代，挖山不止山還是那座山

公式可不是那個(gè)公式

兒子輩

孫子輩GEP怎么作?進(jìn)化式，用了基因表達(dá)第19頁(yè)/共142頁(yè)2023/3/220/141第谷積累的行星數(shù)據(jù)挖掘開(kāi)普勒定律訓(xùn)練數(shù)據(jù)（不變）愚公移山，一代一代，挖山不止附加介紹進(jìn)化計(jì)算特點(diǎn)：適指全黑漸并通山還是那座山

公式可不是那個(gè)公式

兒子輩

孫子輩

GEP怎么作?特色：進(jìn)化中，用了基因表達(dá)GotoP11-14第20頁(yè)/共142頁(yè)2023/3/221/141“上帝”造物的懶方法.

在遺傳算法中程序員就是上帝天文學(xué)+科幻概念綠岸(GreenBank)（適合生物的星球）殖民的最好方法，….政企分離宏觀控制類(lèi)似遺傳算法以利稅污染指標(biāo)等為適應(yīng)度第21頁(yè)/共142頁(yè)2023/3/222/141FFS[2]，F(xiàn)FS[10]，F(xiàn)FS[12]和真實(shí)數(shù)據(jù)的圖形第22頁(yè)/共142頁(yè)2023/3/223/141在遺傳中與時(shí)俱進(jìn)的遺傳計(jì)算家族考查基本遺傳物質(zhì)GEP繼承了GA的剛性，規(guī)矩，快速，易用和GP的柔性，易變，多能比GA,GP提高速度100-1000000倍GA線性bit串定長(zhǎng)簡(jiǎn)單編碼解決簡(jiǎn)單問(wèn)題,GP不定長(zhǎng)非線性，樹(shù)結(jié)構(gòu)復(fù)雜編碼解決復(fù)雜問(wèn)題,

線性bit串，定長(zhǎng)

非線性，樹(shù)結(jié)構(gòu)GEP（2000.12ByCandidaFerreira

）簡(jiǎn)單編碼解決復(fù)雜問(wèn)題第23頁(yè)/共142頁(yè)2023/3/224/141在遺傳中與時(shí)俱進(jìn)的遺傳計(jì)算家族考查基本遺傳物質(zhì)GEP繼承了GA的剛性，規(guī)矩，快速，易用和GP的柔性，易變，多能比GA,GP提高速度100-1000000倍GA線性bit串定長(zhǎng)簡(jiǎn)單編碼解決簡(jiǎn)單問(wèn)題,GP不定長(zhǎng)非線性，樹(shù)結(jié)構(gòu)復(fù)雜編碼解決復(fù)雜問(wèn)題,

線性bit串，定長(zhǎng)

非線性，樹(shù)結(jié)構(gòu)GEP（2000.12ByCandidaFerreira

）簡(jiǎn)單編碼解決復(fù)雜問(wèn)題第24頁(yè)/共142頁(yè)2023/3/225/141在遺傳中與時(shí)俱進(jìn)的遺傳計(jì)算家族考查基本遺傳物質(zhì)GEP繼承了GA的剛性，規(guī)矩，快速，易用和GP的柔性，易變，多能比GA,GP提高速度100-1000000倍ByCandidaFerreira

，2000.12上網(wǎng)，2001.12正式發(fā)表

）GA線性bit串定長(zhǎng)簡(jiǎn)單編碼解決簡(jiǎn)單問(wèn)題,GP不定長(zhǎng)非線性，樹(shù)結(jié)構(gòu)復(fù)雜編碼解決復(fù)雜問(wèn)題,

線性bit串，定長(zhǎng)

非線性，樹(shù)結(jié)構(gòu)GEP（2000.12ByCandidaFerreira

）簡(jiǎn)單編碼解決復(fù)雜問(wèn)題第25頁(yè)/共142頁(yè)2023/3/226/141知識(shí)點(diǎn)(知識(shí)基因）和染色體（Chromosomes）基因{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Sin(x)=1-x+(X3/3!)–X5/5!1，x，(X3，＋，—，3，5!，小基因Sin(x)是大基因(染色體），開(kāi)始階段基因注：在我們的工作中，GEP中最先把1，x，(X3，＋，—，3，5!看為基因，一旦進(jìn)化出1-x+(X3/3!)–X5/5!，用Sin(x)取代它，（大基因或稱(chēng)為基因組）,遺傳過(guò)程中不再拆散。周期性基因。e-x衰減性基因基因組,染色體

ByCandidaFerreira

GE中的基因第26頁(yè)/共142頁(yè)2023/3/227/141基因序列（染色體）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表達(dá)式（樹(shù)）基因和染色體（Chromosomes）第27頁(yè)/共142頁(yè)2023/3/228/141基因序列（染色體）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表達(dá)式（樹(shù)）基因和染色體（Chromosomes）基因表達(dá)式解釋解碼過(guò)程，基因表達(dá)式—樹(shù)公式第28頁(yè)/共142頁(yè)2023/3/229/141基因序列（染色體）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表達(dá)式（樹(shù)）基因和染色體（Chromosomes）解釋編碼：從公式—樹(shù)基因表達(dá)式的過(guò)程第29頁(yè)/共142頁(yè)2023/3/230/141GEP的優(yōu)勢(shì)遺傳操作的殘酷性單點(diǎn)交叉--換頭雙點(diǎn)交叉--換頭又換腳插刪改，變異都很殘酷GP中在遺傳操作的折騰下，大量個(gè)體死亡（公式變異后不再有意義）浪費(fèi)時(shí)間和空間ＧEP中一個(gè)很寬松的約束t=2h-1，

個(gè)體在遺傳操作的折騰下全部存活，得到新生（zuo&tang2002)第30頁(yè)/共142頁(yè)2023/3/231/141遺傳與基因，若干要點(diǎn)不能通過(guò)遺傳獲得性產(chǎn)生新品種。時(shí)髦寵物鹿狗—人工截尾，下一代還需人工截尾為了預(yù)備新品種，在未來(lái)的災(zāi)變（適應(yīng)度測(cè)試）中傳宗接代，需要基因突變，在形成活體（細(xì)胞）前的變化，才進(jìn)入下一代基因突變操作：復(fù)制Replication,

插串（InsertSequece)

突變

mutation

重組Recombination（單點(diǎn)，雙點(diǎn)）

移位Transposition第31頁(yè)/共142頁(yè)2023/3/232/141若干要點(diǎn)一般遺傳算法的要點(diǎn)GEP也具備

適--適應(yīng)度指--有指導(dǎo)的進(jìn)化全--全局優(yōu)化黑--黑箱并--并行性漸--漸進(jìn)性通--通用性控制了進(jìn)化方向和速度，例如金魚(yú)的選育第32頁(yè)/共142頁(yè)2023/3/233/141先看看一般遺傳算法的結(jié)構(gòu)：愚公移山初始解初始化t1100101010101110111000110110011100110001編碼染色體110010101010111011101100101110101110101000110110010011001001交叉變異110010111010111010100011001001候選解解碼計(jì)算適應(yīng)度evaluation輪盤(pán)賭選擇終止條件山移了嗎YN優(yōu)化解stop

新一代后代后代t0

P(t)CC(t)CM(t)P(t)+C(t)愚公移山表現(xiàn)在這里第33頁(yè)/共142頁(yè)2023/3/234/141先看看一般遺傳算法的偽碼與前面的圖等價(jià)procedure:SimpleGAinput:GAparametersoutput:bestsolutionbegin

t

0;

//t:generationnumber initializeP(t)byencodingroutine; //P(t):populationofchromosomes fitnesseval(P)bydecodingroutine; while(notterminationcondition)do

crossover

P(t)toyieldC(t);//C(t):offspring

mutation

P(t)toyieldC(t);

fitnesseval(C)bydecodingroutine;

select

P(t+1)fromP(t)

andC(t); tt+1;

end outputbestsolution;end

第34頁(yè)/共142頁(yè)2023/3/235/141輸出現(xiàn)代人亞當(dāng)，夏娃染色體Chromosomes0染色體表達(dá)式樹(shù)ET評(píng)價(jià)表達(dá)式樹(shù)計(jì)算適應(yīng)度新一代染色體復(fù),插,變,

重,移,在形成活體前變化被選種機(jī)會(huì)按作輪盤(pán)賭，遺傳操作作輪盤(pán)賭，遺傳操作YesNo

已經(jīng)進(jìn)化成為現(xiàn)代人?大自然（God)的GEP算法研究點(diǎn)1多代積累的傳統(tǒng)不輕拋。2將要成熟時(shí)幫一把。（新浪：外星人邦人類(lèi)加基因）解釋輪盤(pán)賭，轉(zhuǎn)糖餅第35頁(yè)/共142頁(yè)2023/3/236/141輸出現(xiàn)代人亞當(dāng)，夏娃染色體Chromosomes0染色體表達(dá)式樹(shù)ET評(píng)價(jià)表達(dá)式樹(shù)計(jì)算適應(yīng)度新一代染色體復(fù),插,變,

重,移,在形成活體前變化被選種機(jī)會(huì)按適應(yīng)度作輪盤(pán)賭，遺傳操作YesNo

已經(jīng)進(jìn)化成為現(xiàn)代人?大自然（God)算法，下頁(yè)解釋輪盤(pán)賭，轉(zhuǎn)糖餅結(jié)束條件：進(jìn)化代數(shù)或精度第36頁(yè)/共142頁(yè)2023/3/237/141輸出現(xiàn)代人亞當(dāng)，夏娃染色體Chromosomes0染色體表達(dá)式樹(shù)ET評(píng)價(jià)表達(dá)式樹(shù)計(jì)算適應(yīng)度新一代染色體復(fù),插,變,

重,移,在形成活體前變化被選種機(jī)會(huì)按適應(yīng)度作輪盤(pán)賭，遺傳操作YesNo

已經(jīng)進(jìn)化成為現(xiàn)代人?創(chuàng)新點(diǎn)？道法自然，外思物化內(nèi)得心源創(chuàng)新點(diǎn)，轉(zhuǎn)基因技術(shù)1多代積累的傳統(tǒng)不輕拋。2將要成熟時(shí)幫一把。（新浪：外星人幫人類(lèi)加基因）新的適應(yīng)度函數(shù)重疊基因第37頁(yè)/共142頁(yè)2023/3/238/141輸出現(xiàn)代人亞當(dāng)，夏娃染色體Chromosomes0染色體表達(dá)式樹(shù)ET評(píng)價(jià)表達(dá)式樹(shù)計(jì)算適應(yīng)度新一代染色體復(fù),插,變,

重,移,在形成活體前變化被選種機(jī)會(huì)按適應(yīng)度作輪盤(pán)賭，遺傳操作YesNo

已經(jīng)進(jìn)化成為現(xiàn)代人?創(chuàng)新點(diǎn)道法自然，外思物化，內(nèi)得心源創(chuàng)新點(diǎn)，轉(zhuǎn)基因技術(shù)并列，多基因，因子分解重疊基因帶回溯控制的GEP返祖現(xiàn)象第38頁(yè)/共142頁(yè)2023/3/239/141輪盤(pán)賭，轉(zhuǎn)糖餅，按適應(yīng)度大小分配份額用途：

這里，按概率決定是否作某個(gè)遺傳操作。小餅龍虎政策向”優(yōu)良”

品種傾斜適應(yīng)度大的，站的份額多第39頁(yè)/共142頁(yè)2023/3/240/141輪盤(pán)賭算法用上頁(yè)的例子1按龍、虎、./小糖餅的份額（適應(yīng)度）設(shè)計(jì)分割數(shù)組，分辨率1度如【0—180】標(biāo)記為糖餅占用180/360=50%【90-100】標(biāo)記為龍占100/360=1/36，………..【340-360】標(biāo)記為虎占20/360=2/36

用多個(gè)if語(yǔ)句或不等式比較，可從角度得到對(duì)應(yīng)的標(biāo)記

IntGet-Label（Alpha)

{容易實(shí)現(xiàn)，略去代碼}LabelType={糖餅,龍,….,虎}算法LabelTypeDiece()//返回首選標(biāo)記{Radomize()；

Alpha=Radom(360);Return(Get-Label（Alpha))}調(diào)用這個(gè)函數(shù)這根份額可能是動(dòng)態(tài)的第40頁(yè)/共142頁(yè)2023/3/241/141輪盤(pán)賭算法的另一種表述（不如前一種形象）step1:Calculatethetotalfitnessforthepopulationstep2:Calculateselectionprobability

pkfor

eachchromosomevkstep3:Calculatecumulativeprobability

qkforeachchromosomevkstep4:Generatearandomnumber

rfromtherange[0,1].step5:Ifr

q1,thenselectthefirstchromosomev1;otherwise,selectthekthchromosomevk(2

k

popSize)suchthatqk-1<r

qk.input:populationP(t-1),C(t-1)output:populationP(t),C(t)第41頁(yè)/共142頁(yè)2023/3/242/141下頁(yè)解釋輪盤(pán)賭，轉(zhuǎn)糖餅，適應(yīng)度大小分配比例

小餅龍虎不公平賭博，政策向”優(yōu)良”品種傾斜第42頁(yè)/共142頁(yè)2023/3/243/141通過(guò)隨機(jī)實(shí)現(xiàn)遺傳公平生物特性，強(qiáng)烈希望通過(guò)繁殖，延續(xù)自己的屬性。--遺傳生存機(jī)會(huì)少時(shí)，誰(shuí)有遺傳權(quán)利？打一仗，優(yōu)勝劣汰。GEP中，程序員是上帝，簡(jiǎn)單優(yōu)勝劣汰，不太公平，不太長(zhǎng)遠(yuǎn)。加上隨機(jī)抽簽，給弱者留一線生機(jī)，以觀后效?，F(xiàn)實(shí)生活中的比喻：抽簽決定PKgroup,決定出場(chǎng)次序，彩票等等。（無(wú)某人的主觀干預(yù)，聽(tīng)天由命）設(shè)計(jì)一個(gè)抽簽函數(shù)(下頁(yè)）既體現(xiàn)隨機(jī)的公平（客觀或運(yùn)氣），又體現(xiàn)主觀努力，優(yōu)勝劣汰（適應(yīng)度）。想一想？有職改奮勇的嗎？來(lái)講。（下頁(yè)揭曉）第43頁(yè)/共142頁(yè)2023/3/244/141通過(guò)隨機(jī)實(shí)現(xiàn)遺傳公平生物特性，強(qiáng)烈希望通過(guò)繁殖，延續(xù)自己的屬性。--遺傳生存機(jī)會(huì)少時(shí)，誰(shuí)有遺傳權(quán)利？打一仗，優(yōu)勝劣汰。GEP中，程序員是上帝，簡(jiǎn)單優(yōu)勝劣汰，不太公平，不太長(zhǎng)遠(yuǎn)(生物多樣性）。用隨機(jī)抽簽，給弱者留一線生機(jī)，以觀后效?，F(xiàn)實(shí)生活中的比喻：抽簽決定PKgroup,決定出場(chǎng)次序，彩票等等。（無(wú)某人的主觀干預(yù)，聽(tīng)天由命）設(shè)計(jì)一個(gè)抽簽函數(shù)(下頁(yè)）既體現(xiàn)隨機(jī)的公平（客觀或運(yùn)氣），又體現(xiàn)主觀努力，優(yōu)勝劣汰（適應(yīng)度）。想一想？who自告奮勇？goahead!（下頁(yè)揭曉）第44頁(yè)/共142頁(yè)2023/3/245/141通過(guò)隨機(jī)實(shí)現(xiàn)遺傳公平設(shè)計(jì)一個(gè)抽簽函數(shù)(下頁(yè)）既體現(xiàn)隨機(jī)的公平（客觀或運(yùn)氣），又體現(xiàn)主觀努力，優(yōu)勝劣汰（適應(yīng)度）。為什么需要這個(gè)函數(shù)？否則庶民個(gè)體會(huì)問(wèn)：王侯將相寧有種乎？第45頁(yè)/共142頁(yè)2023/3/246/141通過(guò)隨機(jī)實(shí)現(xiàn)遺傳公平設(shè)計(jì)一個(gè)抽簽函數(shù)(下頁(yè)）既體現(xiàn)隨機(jī)的公平（客觀或運(yùn)氣），又體現(xiàn)主觀努力，優(yōu)勝劣汰（適應(yīng)度）。為什么需要這個(gè)函數(shù)？龍生龍，鳳生鳳，則庶民個(gè)體會(huì)問(wèn)：

王侯將相，寧有種乎？

專(zhuān)業(yè)術(shù)語(yǔ)：種群多樣性不好，進(jìn)化收斂慢第46頁(yè)/共142頁(yè)2023/3/247/141機(jī)會(huì)留給有準(zhǔn)備的個(gè)體（主觀+客觀）設(shè)計(jì)一個(gè)機(jī)遇函數(shù)既體現(xiàn)隨機(jī)的公平（客觀或運(yùn)氣），又體現(xiàn)主觀努力，優(yōu)勝劣汰（適應(yīng)度）。每次運(yùn)行，每個(gè)個(gè)體有Rate=0.004的機(jī)會(huì)參加變異BoolGetChance(Rate,Fitness，Threshold){redomaize();chance=Radom(1);//及格分?jǐn)?shù)線達(dá)return=(Chance<rate)&&(Fitness>=Threshold)}|||……..|0chancerate=0.4%1適應(yīng)度高于門(mén)限優(yōu)勝機(jī)遇第47頁(yè)/共142頁(yè)2023/3/248/141GEP中嬰兒會(huì)不會(huì)夭折，計(jì)劃生育，可保持種群穩(wěn)定。種群規(guī)模P10（簡(jiǎn)單問(wèn)題）,100（通常）,300（復(fù)雜問(wèn)題）如果用靜態(tài)數(shù)組保存種群，種群數(shù)目不變。GEP遺傳操作交叉（有性繁殖,單點(diǎn)，多點(diǎn)交叉）：一對(duì)父母，一對(duì)兒女變異（單點(diǎn)，多點(diǎn)）插刪串也可看成變異可視為無(wú)性繁殖：一個(gè)前輩，只一個(gè)后代比喻鳳凰涅槃，金蟬脫殼GEP中嬰兒會(huì)不會(huì)夭折？不會(huì).（在GA,GP中會(huì)大量死亡,90%）多種操作產(chǎn)生的后代中，選擇適應(yīng)度高的P個(gè)作下一代。

GEP基本定理.

ＧEP中一個(gè)很寬松的約束t=2h-1，

個(gè)體在遺傳操作的折騰下全部存活，得到新生（zuo&tang2002)第48頁(yè)/共142頁(yè)2023/3/249/141GEP中嬰兒會(huì)不會(huì)夭折，可以計(jì)劃生育，節(jié)約時(shí)間containingallparentsandoffspring鳳凰涅槃金蟬脫殼一對(duì)父母，一對(duì)兒女P=2N，雜交生成2N個(gè)，變異生成2N個(gè)，從4N個(gè)中選出2N個(gè)，實(shí)現(xiàn)時(shí)有靈活性，在質(zhì)量和速度之間平衡直接選間接選？第49頁(yè)/共142頁(yè)2023/3/250/141ExampleofGeneticAlgorithmforUnconstrainedNumericalOptimization(Michalewicz,1996)避免局部?jī)?yōu)化（變異可使個(gè)體在全空間中跳動(dòng)）第50頁(yè)/共142頁(yè)2023/3/251/141單點(diǎn)交叉算法偽碼（把直觀上很形象的動(dòng)作嚴(yán)格表述ProcedureofOne-cutPointCrossover:procedure:

One-cutPointCrossoverinput:pC,parentPk,k=1,2,...,popSizeoutput:offspringCkbeginfor

k1to

do //popSize:populationsize ifpcrandom[0,1]then //pC:theprobabilityofcrossover

i

0;

j

0; repeat

i

random[1,popSize];

j

random[1,popSize];

until(i≠j)

p

random[1,l-1]; //p:thecutposition,l:thelengthofchromosome

CiPi

[1:p-1]//Pj

[p:l];

CjPj

[1:p-1]//Pi

[p:l]; endendoutputoffspringCk;end第51頁(yè)/共142頁(yè)2023/3/252/141變異Mutation

的直觀解釋v1=[100110110100101101000000010111001]

c1=[100110110100101000000010101001000]mutatingpointat16thgene第52頁(yè)/共142頁(yè)2023/3/253/141變異Mutation

的算法描述procedure:Mutationinput:pM,parentPk,k=1,2,...,popSizeoutput:offspringCkbeginfor

k1topopSizedo //popSize:populationsize forj1to

ldo //l:thelengthofchromosome

ifpMrandom[0,1]then //pM:theprobabilityofmutation

p

random[1,l-1]; //p:thecutposition

CkPk

[1:j-1]//Pk

[j]//Pk[j+1:l]; end endendoutputoffspringCk;end擲骰子?？词欠褡髯儺?，pM:是預(yù)定閾值第53頁(yè)/共142頁(yè)2023/3/254/141

1基本概念（快或略）2國(guó)際研究趨勢(shì)

2000-2002草創(chuàng)階段2002-2003開(kāi)始普及2004-20053我們?cè)?004-2005的10項(xiàng)工作多基因染色體的并列函數(shù)表達(dá)式抗噪聲數(shù)據(jù)的函數(shù)挖掘動(dòng)態(tài)分界閾值的分類(lèi)判別頻繁函數(shù)集的可配置挖掘多染色體基因表達(dá)式時(shí)間序列預(yù)測(cè)掘中醫(yī)方證關(guān)系轉(zhuǎn)基因編程發(fā)現(xiàn)知識(shí)屬性融合分類(lèi)GEP回溯策略

第54頁(yè)/共142頁(yè)2023/3/255/1412000-20022000-2002草創(chuàng)階段

Ferreira,C.開(kāi)創(chuàng)論文網(wǎng)上發(fā)表2000,12，正式發(fā)表2001.122002.1第一本專(zhuān)著正式出版。

基本概念（基因，染色體，K-表達(dá)式，各種適應(yīng)度函數(shù)，大量的探索性應(yīng)用，太陽(yáng)黑子，函數(shù)發(fā)現(xiàn)，公式發(fā)現(xiàn)，邏輯電路設(shè)計(jì)，模擬神經(jīng)網(wǎng)絡(luò)，等等這段時(shí)間的論文標(biāo)題和關(guān)鍵字（下頁(yè)）反映了草創(chuàng)特色，一花獨(dú)放，基于實(shí)驗(yàn)已經(jīng)作了什么？第55頁(yè)/共142頁(yè)2023/3/256/1412000-2001主要論文標(biāo)題及關(guān)鍵字1.Ferreira,C.,2001.GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems.ComplexSystems,Vol.13,issue2:87-129.paper

GeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.

首次介紹GEP，基于實(shí)驗(yàn)第56頁(yè)/共142頁(yè)2023/3/257/1412000-2001主要論文標(biāo)題及關(guān)鍵字

Ferreira,C.,2001.GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems.ComplexSystems,Vol.13,issue2:87-129.paperGeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.問(wèn)題求解，軟件原型，基于實(shí)驗(yàn)第57頁(yè)/共142頁(yè)2023/3/258/1412000-2001主要論文標(biāo)題及關(guān)鍵字Ferreira,C.,DiscoveryoftheBooleanFunctionstotheBestDensity-ClassificationRulesUsingGeneExpressionProgramming.InE.Lutton,J.A.Foster,J.Miller,C.Ryan,andA.G.B.Tettamanzi,eds.,Proceedingsofthe4thEuropeanConferenceonGeneticProgramming,EuroGP2002,volume2278ofLectureNotesinComputerScience,pages51-60,Springer-Verlag,Berlin,Germany,2002.paper發(fā)現(xiàn)布爾函數(shù)，可用于邏輯門(mén)電路設(shè)計(jì)第58頁(yè)/共142頁(yè)2023/3/259/1412000-2001主要論文標(biāo)題及關(guān)鍵字Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.Proceedingsofthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,SeptemberFerreira,C.,2002.GeneticRepresentationandGeneticNeutralityinGeneExpressionProgramming.AdvancesinComplexSystems,5(4):389-408.函數(shù)發(fā)現(xiàn)第59頁(yè)/共142頁(yè)2023/3/260/1412000-2001主要論文標(biāo)題及關(guān)鍵字Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.Proceedingsofthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,SeptemberFerreira,C.,2002.GeneticRepresentationandGeneticNeutralityinGeneExpressionProgramming.AdvancesinComplexSystems,5(4):389-408.遺傳表達(dá)第60頁(yè)/共142頁(yè)2023/3/261/141

1基本概念（快或略）2國(guó)際研究趨勢(shì)2000-2002草創(chuàng)階段2002-2003開(kāi)始普及2004-20053我們?cè)?004-2005的10項(xiàng)工作多基因染色體的并列函數(shù)表達(dá)式抗噪聲數(shù)據(jù)的函數(shù)挖掘動(dòng)態(tài)分界閾值的分類(lèi)判別頻繁函數(shù)集的可配置挖掘多染色體基因表達(dá)式時(shí)間序列預(yù)測(cè)掘中醫(yī)方證關(guān)系轉(zhuǎn)基因編程發(fā)現(xiàn)知識(shí)屬性融合分類(lèi)GEP回溯策略

已經(jīng)作了什么？（續(xù)）第61頁(yè)/共142頁(yè)2023/3/262/1412002-2003開(kāi)始普及

ChiZhou,PeterC.Nelson,WeiminXiao,andThomasM.Tirpak,DiscoveryofClassificationRulesbyUsingGeneExpressionProgramming.InProceedingsoftheInternationalConferenceonArtificialIntelligence,pages1355-1361,LasVegas,USA,2002.paper

ChiZhou,WeiminXiao,PeterC.Nelson,andThomasM.Tirpak,2003.EvolvingAccurateandCompactClassificationRuleswithGeneExpressionProgramming.IEEETransactionsonEvolutionaryComputation,Vol.7,No.6,pages519-531.paperUIllinois,關(guān)聯(lián)規(guī)則第62頁(yè)/共142頁(yè)2023/3/263/1412002-2003開(kāi)始普及12.ChiZhou,PeterC.Nelson,WeiminXiao,andThomasM.Tirpak,DiscoveryofClassificationRulesbyUsingGeneExpressionProgramming.InProceedingsoftheInternationalConferenceonArtificialIntelligence,pages1355-1361,LasVegas,USA,2002.paper

ChiZhou,WeiminXiao,PeterC.Nelson,andThomasM.Tirpak,2003.EvolvingAccurateandCompactClassificationRuleswithGeneExpressionProgramming.IEEETransactionsonEvolutionaryComputation,Vol.7,No.6,pages519-531.paper

分類(lèi)規(guī)則第63頁(yè)/共142頁(yè)2023/3/264/1412002-2003開(kāi)始普及ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRulebyGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedby,SpringerVerlagBerlingHeidelberg

2002.8,ISBN

YorickHardyandW.-H.Steeb,2002.GeneExpressionProgrammingandOne-dimensionalchaoticmaps.InternationalJournalofModernPhysicsC,13(1):25-30.paper謂詞關(guān)聯(lián)規(guī)則（廣義的關(guān)聯(lián)）理論上證明遺傳運(yùn)算封閉性，在GEP中開(kāi)始嚴(yán)格深入的證明第64頁(yè)/共142頁(yè)2023/3/265/1412002-2003開(kāi)始普及ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRule

byGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedby,SpringerVerlagBerlingHeidelberg

2002.8,ISBN

YorickHardy

andW.-H.Steeb,2002.GeneExpressionProgrammingandOne-dimensional

chaoticmaps.InternationalJournalofModernPhysicsC,13(1):25-30.paper一維混沌映射第65頁(yè)/共142頁(yè)2023/3/266/1412004-2005比較深入15.Ferreira,C.,GeneExpressionProgrammingandtheEvolutionofComputerPrograms.InLeandroN.deCastroandFernandoJ.VonZuben,eds.,RecentDevelopmentsinBiologicallyInspiredComputing,pages82-103,IdeaGroupPublishing,2004.paper1.ZuoJie,TangChangjie,LiChuan,YuanChang-anandChenAn-long,

"TimeSeriesPredictionbasedonGeneExpressionProgramming",WAIM04(InternationalConferenceforWebInformationAge2004).LNCS(LectureNotesInComputerscience)Vol.3129,pp.55-64,editedbyQLiandG.Wang,SpringerVerlagBerlingHeidelberg

2004.8,ISBN3-540-22418-1

(SCI檢索號(hào)：UTISI:000222635400007綜述和總結(jié)第66頁(yè)/共142頁(yè)2023/3/267/1412004-2005研究者增多比較深入

Ferreira,C.,GeneExpressionProgrammingandtheEvolutionofComputerPrograms.InLeandroN.deCastroandFernandoJ.VonZuben,eds.,RecentDevelopmentsinBiologicallyInspiredComputing,pages82-103,IdeaGroupPublishing,2004.paper

.ZuoJie,TangChangjie,LiChuan,YuanChang-anandChenAn-long,

"TimeSeriesPredictionbasedonGeneExpressionProgramming",WAIM04(InternationalConferenceforWebInformationAge2004).LNCS(LectureNotesInComputerscience)Vol.3129,pp.55-64,editedbyQLiandG.Wang,SpringerVerlagBerlingHeidelberg

2004.8,ISBN3-540-22418-1

(SCI檢索號(hào)：UTISI:000222635400007

時(shí)間序列預(yù)測(cè)，證明了NP問(wèn)題，微分插值，挖掘微分方程，預(yù)測(cè)太陽(yáng)黑子第67頁(yè)/共142頁(yè)2023/3/268/1412004-2005研究者增多比較深入XinLi,ChiZhou,PeterC.Nelson,andThomasM.Tirpak,InvestigationofConstantCreationTechniquesintheContextofGeneExpressionProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,

EdwinRogerBanks,JamesC.Hayes,andEdwinNunez,ParametricRegressionThroughGeneticProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,2004.paperGEP常數(shù)技術(shù)第68頁(yè)/共142頁(yè)2023/3/269/1412004-2005研究者增多工作面擴(kuò)大比較深入XinLi,ChiZhou,PeterC.Nelson,andThomasM.Tirpak,InvestigationofConstant

CreationTechniquesintheContextofGeneExpressionProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,EdwinRoger

Banks,JamesC.Hayes,andEdwinNunez,ParametricRegressionThroughGeneticProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,2004.paper參數(shù)回歸第69頁(yè)/共142頁(yè)2023/3/270/1412004-2005研究者增多工作面擴(kuò)大比較深入Ferreira,C.,DesigningNeuralNetworksUsingGeneExpressionProgramming.9thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September20-October8,2004.paper

Shu-HengChenandBin-TzongChie,TowardaFunctionalModularityApproachtoAgent-BasedModelingoftheEvolutionofTechnology.InProceedingsofthe9thWorkshoponEconomicsandHeterogeneousInteractingAgents,Kyoto,Japan,2004.paper神經(jīng)網(wǎng)絡(luò)第70頁(yè)/共142頁(yè)2023/3/271/1412004-2005研究者增多工作面擴(kuò)大比較深入Ferreira,C.,DesigningNeuralNetworks

UsingGeneExpressionProgramming.9thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September20-October8,2004.paper

Shu-HengChenandBin-TzongChie,TowardaFunctionalModularityApproachtoAgent-BasedModelingoftheEvolutionofTechnology.InProceedingsofthe9thWorkshoponEconomicsandHeterogeneousInteractingAgents,Kyoto,Japan,2004.paper函數(shù)建模，代理進(jìn)化第71頁(yè)/共142頁(yè)2023/3/272/1412004-2005研究者增多工作面擴(kuò)大比較深入23.ZhuliXie,XinLi,BarbaraDiEugenio,WeiminXiao,ThomasM.Tirpak,andPeterC.Nelson,UsingGeneExpressionProgrammingtoConstructSentenceRankingFunctionsforTextSummarization.InProceedingsofthe20thInternationalConferenceonComputationalLinguistics,Geneva,Switzerland,August23-27,2004.paper24.HeitorS.LopesandWagnerR.Weinert,2004.EGIPSYS:AnEnhancedGeneExpressionProgrammingApproachforSymbolicRegressionProblems.InternationalJournalofAppliedMathematicsandComputerScience,14(3):375-384.文本總結(jié)，句子評(píng)分函數(shù)第72頁(yè)/共142頁(yè)2023/3/273/1412004-2005研究者增多工作面擴(kuò)大比較深入23.ZhuliXie,XinLi,BarbaraDiEugenio,WeiminXiao,ThomasM.Tirpak,andPeterC.Nelson,UsingGeneExpressionProgrammingtoConstructSentenceRankingFunctionsforTextSummarization.InProceedingsofthe20thInternationalConferenceonComputationalLinguistics,Geneva,Switzerland,August23-27,2004.paper24.HeitorS.LopesandWagnerR.Weinert,2004.EGIPSYS:AnEnhancedGeneExpressionProgrammingApproachforSymbolicRegressionProblems.InternationalJournalofAppliedMathematicsandComputerScience,14(3):375-384.符號(hào)回歸第73頁(yè)/共142頁(yè)2023/3/274/1412004-2005研究者增多工作面擴(kuò)大比較深入25.K.J.Brazier,G.RichardsandW.Wang,Implicitfitnesssharingspeciationandemergentdiversityintreeclassifierensembles.InProceedingsoftheFifthInternationalConferenceonIntelligentDataEngineeringandAutomatedLearning(IDEAL?4),Exeter,UK,August25-27,2004.paper適應(yīng)度共享樹(shù)分類(lèi)第74頁(yè)/共142頁(yè)2023/3/275/141我們的工作說(shuō)明：后面列出的是較早的一部分工作，用來(lái)說(shuō)明思路，更多的新的結(jié)果工作參見(jiàn)7/~tangchangjie/paper_doc/e_publication.htm/~chjtang/paper_doc/e_publication.htm論文都可以下載第75頁(yè)/共142頁(yè)2023/3/276/141提綱1基本概念（快或略）2國(guó)際研究趨勢(shì)2000-2002草創(chuàng)階段2002-2003開(kāi)始普及2004-20053我們?cè)?004-2005的10項(xiàng)工作多基因染色體的并列函數(shù)表達(dá)式抗噪聲數(shù)據(jù)的函數(shù)挖掘動(dòng)態(tài)分界閾值的分類(lèi)判別頻繁函數(shù)集的可配置挖掘多染色體基因表達(dá)式時(shí)間序列預(yù)測(cè)掘中醫(yī)方證關(guān)系轉(zhuǎn)基因編程發(fā)現(xiàn)知識(shí)屬性融合分類(lèi)GEP回溯策略

已經(jīng)作了什么？（續(xù)）第76頁(yè)/共142頁(yè)2023/3/277/141輸出現(xiàn)代人亞當(dāng)，夏