(农学)基因表达式编程教学课件 141页

先进计算模型（3）自然计算模型系列之基因表达式编程(NaturereComputing&GEP)四川大学计算机学院2008-2009博士生课程（遗传算法，基因表达式编程，粒子群算法(PSO)，蚁群算法，鱼群算法，….)唐常杰四川大学计算机学院2021/8/71\n目录，大致计划第一次自然计算模型系列1：概述篇自然计算模型系列2粒子群（鱼群/鸟群）算法自然计算模型系列3基因表达式编程第二次自然计算模型系列4：模拟退火算法自然计算模型系列5：蚁群算法自然计算模型系列6：免疫计算模型（思路和比喻）下载URL:校园网和学院网http://teacher.scu.edu.cn/~chjtang/teach/tang_teaching.htmhttp://202.115.32.77/~tangchangjie/teach/tang_teaching.htm2021/8/72\n今天自然计算模型（NatureComputing)概述PSO粒子群算法鱼群鸟群算法GEP基因表达式编程下一次蚁群算法模拟退火算法人工免疫思想（比喻）……欢迎同学在下次发言（5-30分钟均可）（如A先讲，可跳至32页）提纲2021/8/73\n资料出处和致谢参考资料：本PPT仅作和同学们在讨论版内交流之用参考了若干教科书，文献和论文和报告。在末尾列出50多篇，但参考的文献不只这些,主要是遗传算法、基因表达式编程、粒子群算法的相关作者等等，包括国内外，校内外专家和本实验室成员的工作对未列出的文献作者也在此一并致谢。参考文献可能有遗漏，欢迎未列出的文献作者及时指出，，以便即时在参考文献中补充。作PPT类似于把小说改编为剧本，有重新创作的成分，也希望其它引用本PPT材料的标注本PPT2021/8/74\n欢迎指正我们在PSO方面的工作不多，难免疏漏：我们在PSO方面的工作不多，可能有疏漏，欢迎指正：1张培颂，唐常杰，丁鑫鑫，徐开阔,“基于划分和重分布的粒子群算法及优化策略”，四川大学学报（自然科学版）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苏辉，唐常杰，乔少杰，徐开阔,张培颂，宋美娇“基于搜索空间划分和Sharing函数的粒子群优化算法”，四川大学学报（自然科学版）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倪胜巧，唐常杰，曾旭晟，乔少杰,曾春秋，"EAMode:一种新的基于引擎粒子系统的图像渲染模式",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丁鑫鑫唐常杰曾涛张培颂徐开阔刘齐宏,基于最佳粒子共享和分层搜索的并行粒子群优化算法tobepublished.2021/8/75\n课程计划和特点有多位（7-8位）博士生导师作专题讲座，每个老师讲课8小时（大约需要准备40—60小时）特点广---N位导师，N=8~9,N+个领域，M个课题，(M>N).“N家讲座”，不敢比百家…新---要求报告新技术前沿浅–因为时间短，主要将思想，方法，介绍成果。不可能深入到公式和算法细节实---结合实际，结合博士生可能的选题2021/8/76\n学习方法学思想，学观点，学方法，联系自己的科研选题。1先观其大略。（诸葛亮法，讨论班和听学术报告适用）王粲的《英雄记钞》，诸葛亮与徐庶、石广元、孟公威一道游学，“三人务于精熟，而亮独观其大略”。多快好省地扩展知识面，学思想、方法。宋代理学家陆象山：“读书且平平读，未晓处且放过，不必太滞。”，听课时不懂的，暂时放过，最后根据缓急，去理解。今天的GEP两小时观其大略，然后用一学期钻研它。2再一个小课题写课程论文（考核），从一点深入。交相关老师评阅。博士生选题。（先宽度优先，试选，选定后，就深度优先，深入下去）2021/8/77\n书归正传今天内容GeneExpressionProgramming基因表达式编程2021/8/78\nDMbyGeneExpressionProgrammingin[2004.5,2008.2]基于基因表达式编程的数据挖掘研究进展唐常杰四川大学计算机学院2009.22021/8/79\n今天的方式介绍思想方法，避开细节有些PPT页面会跳过，供有兴趣的学习速度较快，这里只是简介，观其大略。(今天下午有GEP课程，这个课程需要学习一个学期）本讲座PDF下载ＵRLhttp://teacher.scu.edu.cn/~chjtang/teach/tang_teaching.htmhttp://cs.scu.edu.cn/~tangchangjie/teach/tang_teaching.htm2021/8/710\n汇报提纲1是什么？不是什么？（快或略）2怎么作?创新点３已经作了什么？我们在2004-2005的10项工作多基因染色体的并列函数表达式抗噪声数据的函数挖掘动态分界阈值的分类判别频繁函数集的可配置挖掘多染色体基因表达式时间序列预测掘中医方证关系转基因编程发现知识属性融合分类GEP回溯策略４还可以作什么？2021/8/711\n1基本概念（快或略）GEP不是生物工程，不是生命科学.Ferreira,Candida称之为：BiologicallyInspiredComputing,借用了生命科学中基因，染色体等概念和思路，用遗传计算作数据挖掘，发现公式，发现规则等等GEP是什么?不是什么?2021/8/712\nGEP是什么？用户的直观感觉1输入输出和一些技术参数，变异率，适应度等等2021/8/713\n作因子分解的界面（汪锐论文）2021/8/714\nGEP是什么？用户的直观感觉2输入：1860—1980太阳黑子数据和挖掘方法参数2021/8/715\nGEP是什么？用户的直观感觉2输出微分方程(动力学更本质）用mathematica作等价变形2021/8/716\n第谷积累的行星数据挖掘开普勒定律训练数据（不变）愚公移山，一代一代，挖山不止山还是那座山公式可不是那个公式儿子辈孙子辈GEP怎么作?进化式，用了基因表达2021/8/717\n第谷积累的行星数据挖掘开普勒定律训练数据（不变）愚公移山，一代一代，挖山不止山还是那座山公式可不是那个公式儿子辈孙子辈GEP怎么作?进化式，用了基因表达2021/8/718\n第谷积累的行星数据挖掘开普勒定律训练数据（不变）愚公移山，一代一代，挖山不止山还是那座山公式可不是那个公式儿子辈孙子辈GEP怎么作?进化式，用了基因表达2021/8/719\n第谷积累的行星数据挖掘开普勒定律训练数据（不变）愚公移山，一代一代，挖山不止附加介绍进化计算特点：适指全黑渐并通山还是那座山公式可不是那个公式儿子辈孙子辈GEP怎么作?特色：进化中，用了基因表达GotoP11-142021/8/720\n“上帝”造物的懒方法.在遗传算法中程序员就是上帝天文学+科幻概念绿岸(GreenBank)（适合生物的星球）殖民的最好方法，….政企分离宏观控制类似遗传算法以利税污染指标等为适应度2021/8/721\nFFS[2]，FFS[10]，FFS[12]和真实数据的图形2021/8/722\n在遗传中与时俱进的遗传计算家族考查基本遗传物质GEP继承了GA的刚性，规矩，快速，易用和GP的柔性，易变，多能比GA,GP提高速度100-1000000倍GA线性bit串定长简单编码解决简单问题,GP不定长非线性，树结构复杂编码解决复杂问题,线性bit串，定长非线性，树结构GEP（2000.12ByCandidaFerreira）简单编码解决复杂问题2021/8/723\n在遗传中与时俱进的遗传计算家族考查基本遗传物质GEP继承了GA的刚性，规矩，快速，易用和GP的柔性，易变，多能比GA,GP提高速度100-1000000倍GA线性bit串定长简单编码解决简单问题,GP不定长非线性，树结构复杂编码解决复杂问题,线性bit串，定长非线性，树结构GEP（2000.12ByCandidaFerreira）简单编码解决复杂问题2021/8/724\n在遗传中与时俱进的遗传计算家族考查基本遗传物质GEP继承了GA的刚性，规矩，快速，易用和GP的柔性，易变，多能比GA,GP提高速度100-1000000倍ByCandidaFerreira，2000.12上网，2001.12正式发表）GA线性bit串定长简单编码解决简单问题,GP不定长非线性，树结构复杂编码解决复杂问题,线性bit串，定长非线性，树结构GEP（2000.12ByCandidaFerreira）简单编码解决复杂问题2021/8/725\n知识点(知识基因）和染色体（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(染色体），开始阶段基因注：在我们的工作中，GEP中最先把1，x，(X3，＋，—，3，5!看为基因，一旦进化出1-x+(X3/3!)–X5/5!，用Sin(x)取代它，（大基因或称为基因组）,遗传过程中不再拆散。周期性基因。e-x衰减性基因基因组,染色体ByCandidaFerreiraGE中的基因2021/8/726\n基因序列（染色体）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表达式（树）基因和染色体（Chromosomes）2021/8/727\n基因序列（染色体）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表达式（树）基因和染色体（Chromosomes）基因表达式解释解码过程，基因表达式—树---公式2021/8/728\n基因序列（染色体）{+,-,*,/,sqrt,1,a,b,c,d，sin(x),cos(x)}Atypicalgene:sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d基因表达式（树）基因和染色体（Chromosomes）解释编码：从公式—树---基因表达式的过程2021/8/729\nGEP的优势遗传操作的残酷性单点交叉--换头双点交叉--换头又换脚插删改，变异都很残酷GP中在遗传操作的折腾下，大量个体死亡（公式变异后不再有意义）浪费时间和空间ＧEP中一个很宽松的约束t=2h-1，个体在遗传操作的折腾下全部存活，得到新生（zuo&tang2002)2021/8/730\n遗传与基因，若干要点不能通过遗传获得性产生新品种。时髦宠物鹿狗—人工截尾，下一代还需人工截尾为了预备新品种，在未来的灾变（适应度测试）中传宗接代，需要基因突变，在形成活体（细胞）前的变化，才进入下一代基因突变操作：复制Replication,插串（InsertSequece)突变mutation重组Recombination（单点，双点）移位Transposition2021/8/731\n若干要点一般遗传算法的要点GEP也具备适--适应度指--有指导的进化全--全局优化黑--黑箱并--并行性渐--渐进性通--通用性控制了进化方向和速度，例如金鱼的选育2021/8/732\n先看看一般遗传算法的结构：愚公移山初始解初始化t1100101010101110111000110110011100110001编码染色体110010101010111011101100101110101110101000110110010011001001交叉变异110010111010111010100011001001候选解解码计算适应度evaluation轮盘赌选择终止条件山移了吗YN优化解stop新一代后代后代t0P(t)CC(t)CM(t)P(t)+C(t)愚公移山表现在这里2021/8/733\n先看看一般遗传算法的伪码与前面的图等价procedure:SimpleGAinput:GAparametersoutput:bestsolutionbegint0;//t:generationnumberinitializeP(t)byencodingroutine;//P(t):populationofchromosomesfitnesseval(P)bydecodingroutine;while(notterminationcondition)docrossoverP(t)toyieldC(t);//C(t):offspringmutationP(t)toyieldC(t);fitnesseval(C)bydecodingroutine;selectP(t+1)fromP(t)andC(t);tt+1;endoutputbestsolution;end2021/8/734\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体复,插,变,重,移,在形成活体前变化被选种机会按作轮盘赌，遗传操作作轮盘赌，遗传操作YesNo已经进化成为现代人?大自然（God)的GEP算法研究点1多代积累的传统不轻抛。2将要成熟时帮一把。（新浪：外星人邦人类加基因）解释轮盘赌，转糖饼2021/8/735\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体复,插,变,重,移,在形成活体前变化被选种机会按适应度作轮盘赌，遗传操作YesNo已经进化成为现代人?大自然（God)算法，下页解释轮盘赌，转糖饼结束条件：进化代数或精度2021/8/736\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体复,插,变,重,移,在形成活体前变化被选种机会按适应度作轮盘赌，遗传操作YesNo已经进化成为现代人?创新点？道法自然，外思物化内得心源创新点，转基因技术1多代积累的传统不轻抛。2将要成熟时帮一把。（新浪：外星人帮人类加基因）新的适应度函数重叠基因2021/8/737\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体复,插,变,重,移,在形成活体前变化被选种机会按适应度作轮盘赌，遗传操作YesNo已经进化成为现代人?创新点道法自然，外思物化，内得心源创新点，转基因技术并列，多基因，因子分解重叠基因带回溯控制的GEP返祖现象2021/8/738\n轮盘赌，转糖饼，按适应度大小分配份额用途：这里，按概率决定是否作某个遗传操作。小饼龙虎政策向”优良”品种倾斜适应度大的，站的份额多2021/8/739\n轮盘赌算法用上页的例子1按龙、虎、./小糖饼的份额（适应度）设计分割数组，分辨率1度如【0—180】标记为糖饼占用180/360=50%【90-100】标记为龙占100/360=1/36，………..【340-360】标记为虎占20/360=2/36用多个if语句或不等式比较，可从角度得到对应的标记IntGet-Label（Alpha){容易实现，略去代码}LabelType={糖饼,龙,….,虎}算法LabelTypeDiece()//返回首选标记{Radomize()；Alpha=Radom(360);Return(Get-Label（Alpha))}调用这个函数这根份额可能是动态的2021/8/740\n轮盘赌算法的另一种表述（不如前一种形象）step1:Calculatethetotalfitnessforthepopulationstep2:Calculateselectionprobabilitypkforeachchromosomevkstep3:Calculatecumulativeprobabilityqkforeachchromosomevkstep4:Generatearandomnumberrfromtherange[0,1].step5:Ifrq1,thenselectthefirstchromosomev1;otherwise,selectthekthchromosomevk(2kpopSize)suchthatqk-1=Threshold)}|-----|-----------|------……..------------------------------------|0chancerate=0.4%1适应度高于门限优胜机遇2021/8/747\nGEP中婴儿会不会夭折，计划生育，可保持种群稳定。种群规模P10（简单问题）,100（通常）,300（复杂问题）如果用静态数组保存种群，种群数目不变。GEP遗传操作交叉（有性繁殖,单点，多点交叉）：一对父母，一对儿女变异（单点，多点）插删串也可看成变异可视为无性繁殖：一个前辈，只一个后代比喻凤凰涅槃，金蝉脱壳GEP中婴儿会不会夭折？不会.（在GA,GP中会大量死亡,90%）多种操作产生的后代中，选择适应度高的P个作下一代。GEP基本定理.ＧEP中一个很宽松的约束t=2h-1，个体在遗传操作的折腾下全部存活，得到新生（zuo&tang2002)2021/8/748\nGEP中婴儿会不会夭折，可以计划生育，节约时间containingallparentsandoffspring凤凰涅槃金蝉脱壳一对父母，一对儿女P=2N，杂交生成2N个，变异生成2N个，从4N个中选出2N个，实现时有灵活性，在质量和速度之间平衡直接选间接选？2021/8/749\nExampleofGeneticAlgorithmforUnconstrainedNumericalOptimization(Michalewicz,1996)避免局部优化（变异可使个体在全空间中跳动）2021/8/750\n单点交叉算法伪码（把直观上很形象的动作严格表述ProcedureofOne-cutPointCrossover:procedure:One-cutPointCrossoverinput:pC,parentPk,k=1,2,...,popSizeoutput:offspringCkbeginfork1todo//popSize:populationsizeifpcrandom[0,1]then//pC:theprobabilityofcrossoveri0;j0;repeatirandom[1,popSize];jrandom[1,popSize];until(i≠j)prandom[1,l-1];//p:thecutposition,l:thelengthofchromosomeCiPi[1:p-1]//Pj[p:l];CjPj[1:p-1]//Pi[p:l];endendoutputoffspringCk;end2021/8/751\n变异Mutation的直观解释v1=[100110110100101101000000010111001]c1=[100110110100101000000010101001000]mutatingpointat16thgene2021/8/752\n变异Mutation的算法描述procedure:Mutationinput:pM,parentPk,k=1,2,...,popSizeoutput:offspringCkbeginfork1topopSizedo//popSize:populationsizeforj1toldo//l:thelengthofchromosomeifpMrandom[0,1]then//pM:theprobabilityofmutationprandom[1,l-1];//p:thecutpositionCkPk[1:j-1]//Pk[j]//Pk[j+1:l];endendendoutputoffspringCk;end掷骰子。看是否作变异，pM:是预定阈值2021/8/753\n1基本概念（快或略）2国际研究趋势2000-2002草创阶段2002-2003开始普及2004-20053我们在2004-2005的10项工作多基因染色体的并列函数表达式抗噪声数据的函数挖掘动态分界阈值的分类判别频繁函数集的可配置挖掘多染色体基因表达式时间序列预测掘中医方证关系转基因编程发现知识属性融合分类GEP回溯策略2021/8/754\n2000-20022000-2002草创阶段Ferreira,C.开创论文网上发表2000,12，正式发表2001.122002.1第一本专著正式出版。基本概念（基因，染色体，K-表达式，各种适应度函数，大量的探索性应用，太阳黑子，函数发现，公式发现，逻辑电路设计，模拟神经网络，等等这段时间的论文标题和关键字（下页）反映了草创特色，一花独放，基于实验已经作了什么？2021/8/755\n2000-2001主要论文标题及关键字1.Ferreira,C.,2001.GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems.ComplexSystems,Vol.13,issue2:87-129.paperGeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.首次介绍GEP，基于实验2021/8/756\n2000-2001主要论文标题及关键字Ferreira,C.,2001.GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems.ComplexSystems,Vol.13,issue2:87-129.paperGeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.问题求解，软件原型，基于实验2021/8/757\n2000-2001主要论文标题及关键字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发现布尔函数，可用于逻辑门电路设计2021/8/758\n2000-2001主要论文标题及关键字Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.Proceedingsofthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,SeptemberFerreira,C.,2002.GeneticRepresentationandGeneticNeutralityinGeneExpressionProgramming.AdvancesinComplexSystems,5(4):389-408.函数发现2021/8/759\n2000-2001主要论文标题及关键字Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.Proceedingsofthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,SeptemberFerreira,C.,2002.GeneticRepresentationandGeneticNeutralityinGeneExpressionProgramming.AdvancesinComplexSystems,5(4):389-408.遗传表达2021/8/760\n1基本概念（快或略）2国际研究趋势2000-2002草创阶段2002-2003开始普及2004-20053我们在2004-2005的10项工作多基因染色体的并列函数表达式抗噪声数据的函数挖掘动态分界阈值的分类判别频繁函数集的可配置挖掘多染色体基因表达式时间序列预测掘中医方证关系转基因编程发现知识属性融合分类GEP回溯策略已经作了什么？（续）2021/8/761\n2002-2003开始普及ChiZhou,PeterC.Nelson,WeiminXiao,andThomasM.Tirpak,DiscoveryofClassificationRulesbyUsingGeneExpressionProgramming.InProceedingsoftheInternationalConferenceonArtificialIntelligence,pages1355-1361,LasVegas,USA,2002.paperChiZhou,WeiminXiao,PeterC.Nelson,andThomasM.Tirpak,2003.EvolvingAccurateandCompactClassificationRuleswithGeneExpressionProgramming.IEEETransactionsonEvolutionaryComputation,Vol.7,No.6,pages519-531.paperUIllinois,关联规则2021/8/762\n2002-2003开始普及12.ChiZhou,PeterC.Nelson,WeiminXiao,andThomasM.Tirpak,DiscoveryofClassificationRulesbyUsingGeneExpressionProgramming.InProceedingsoftheInternationalConferenceonArtificialIntelligence,pages1355-1361,LasVegas,USA,2002.paperChiZhou,WeiminXiao,PeterC.Nelson,andThomasM.Tirpak,2003.EvolvingAccurateandCompactClassificationRuleswithGeneExpressionProgramming.IEEETransactionsonEvolutionaryComputation,Vol.7,No.6,pages519-531.paper分类规则2021/8/763\n2002-2003开始普及ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRulebyGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedby,SpringerVerlagBerlingHeidelberg  2002.8,ISBNYorickHardyandW.-H.Steeb,2002.GeneExpressionProgrammingandOne-dimensionalchaoticmaps.InternationalJournalofModernPhysicsC,13(1):25-30.paper谓词关联规则（广义的关联）理论上证明遗传运算封闭性，在GEP中开始严格深入的证明2021/8/764\n2002-2003开始普及ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRulebyGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedby,SpringerVerlagBerlingHeidelberg  2002.8,ISBNYorickHardyandW.-H.Steeb,2002.GeneExpressionProgrammingandOne-dimensionalchaoticmaps.InternationalJournalofModernPhysicsC,13(1):25-30.paper一维混沌映射2021/8/765\n2004-2005比较深入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检索号：UTISI:000222635400007综述和总结2021/8/766\n2004-2005研究者增多比较深入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检索号：UTISI:000222635400007时间序列预测，证明了NP问题，微分插值，挖掘微分方程，预测太阳黑子2021/8/767\n2004-2005研究者增多比较深入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常数技术2021/8/768\n2004-2005研究者增多工作面扩大比较深入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.paper参数回归2021/8/769\n2004-2005研究者增多工作面扩大比较深入Ferreira,C.,DesigningNeuralNetworksUsingGeneExpressionProgramming.9thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September20-October8,2004.paperShu-HengChenandBin-TzongChie,TowardaFunctionalModularityApproachtoAgent-BasedModelingoftheEvolutionofTechnology.InProceedingsofthe9thWorkshoponEconomicsandHeterogeneousInteractingAgents,Kyoto,Japan,2004.paper神经网络2021/8/770\n2004-2005研究者增多工作面扩大比较深入Ferreira,C.,DesigningNeuralNetworksUsingGeneExpressionProgramming.9thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September20-October8,2004.paperShu-HengChenandBin-TzongChie,TowardaFunctionalModularityApproachtoAgent-BasedModelingoftheEvolutionofTechnology.InProceedingsofthe9thWorkshoponEconomicsandHeterogeneousInteractingAgents,Kyoto,Japan,2004.paper函数建模，代理进化2021/8/771\n2004-2005研究者增多工作面扩大比较深入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.文本总结，句子评分函数2021/8/772\n2004-2005研究者增多工作面扩大比较深入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.符号回归2021/8/773\n2004-2005研究者增多工作面扩大比较深入25.K.J.Brazier,G.RichardsandW.Wang,Implicitfitnesssharingspeciationandemergentdiversityintreeclassifierensembles.InProceedingsoftheFifthInternationalConferenceonIntelligentDataEngineeringandAutomatedLearning(IDEAL?4),Exeter,UK,August25-27,2004.paper适应度共享树分类2021/8/774\n我们的工作说明：后面列出的是较早的一部分工作，用来说明思路，更多的新的结果工作参见http://202.115.32.77/~tangchangjie/paper_doc/e_publication.htmhttp://teacher.scu.edu.cn/~chjtang/paper_doc/e_publication.htm论文都可以下载2021/8/775\n提纲1基本概念（快或略）2国际研究趋势2000-2002草创阶段2002-2003开始普及2004-20053我们在2004-2005的10项工作多基因染色体的并列函数表达式抗噪声数据的函数挖掘动态分界阈值的分类判别频繁函数集的可配置挖掘多染色体基因表达式时间序列预测掘中医方证关系转基因编程发现知识属性融合分类GEP回溯策略已经作了什么？（续）2021/8/776\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体被选种机会按适应度作轮盘赌，遗传操作复,插,变,重,移,在形成活体前变化YesNo已经进化成为现代人?多基因染色体的并列函数创新点，乘法连接，多个基因实现因子分解2021/8/777\n我们的工作1基于多基因染色体的并列函数表达式挖掘，汪锐唐常杰贾晓斌曾令明因式分解只是其中的特例，准确分解与近似分解2021/8/778\n我们的工作1寻求多个函数因子的乘积f1(x)×f2(x)×f3(x)×…×fn(x)来匹配原有的单一的多项式函数y=f(x)。与传统多项式因式分解不同，在多项式于实数范围内不可分的时候，GPF按照给定的精度阈值和要求的结果多项式次数进行近似分解。当仅有观察数据集时，本方法可直接在原始数据集上挖掘出表示数据内在规律的多个并列因子函数的乘积表达。本文中称为多函数关系挖掘MFM（MultipleFunctionMining）。2021/8/779\n我们的工作2,3基于基因表达式编程的抗噪声数据的函数挖掘方法段磊唐常杰左劼陈宇钟义啸计算机研究与发展2004,基于基因表达式编程的动态产生分界阈值的分类判别函数挖掘方法段磊唐常杰左劼陈宇钟义啸2021/8/780\n我们的工作4频繁函数集的可配置挖掘算法贾晓斌，唐常杰，钟义啸，赵波,计算机学报录用可配置的频繁函数集挖掘算法CFFSDA，灵活，配置多种搜索算法。基于约束的频繁函数集(ConstrainedFFS)概念,满足用户的不同兴趣需求。基于约束的频繁函数集挖掘框架。2021/8/781\n我们的工作4频繁函数集的可配置挖掘算法传统公式挖掘：为一批数据找一个公式，一把钥匙开一把锁频繁函数集的可配置挖掘算法为一批复杂数据找一批公式，一批钥匙开一批锁，带有置信度，精度，准确度2021/8/782\n说明动机的例子如图2.1所示，假设数据集DB中的记录是图中y=x2和直线y=10x+100上的一些点对应的x，y值。用单个函数不可能完全准确描述出该数据集中x与y的联系。但可以用函数集合很好地解决这个问题：{y=x2,y=10x+100}，集合中的每个函数只能部分描述x与y的联系。2021/8/783\n用研究成果作挖掘实验数据集中的某记录形式如下：W表示鱼的重量，单位克(g)，w为鱼的厚度，它们的数值是测量值对L3的百分比2021/8/784\nMinSupport=50%，Precision-Threshold=0.052021/8/785\n5.2利用FFS进行分类本节示例FFS分类功能。实验数据源于5.1节中的数据，抽取了Bream，Perch鱼的统计数据。其中的属性意义见5.1节说明。实验的目的希望找出FFS作为分类规则，可以通过测量这几种属性来判断鱼的种类。2021/8/786\nBream鱼和Perch鱼的统计数据2021/8/787\nBream鱼上的FFS把表5.1（Bream鱼）转换为合适的挖掘对象，进行挖掘。当PrecisionThreshold=0.05，MinSupport=80%时得出下列结果：2021/8/788\n而这些函数在表5.2（Perch鱼）上的支持度分别为：089%21%62%0如果要用FFS进行分类，则要选取在表5.1上的支持度与表5.2上的支持度有显著差异的频繁函数。因此可以选取2021/8/789\n分类规则：某条鱼是Bream或Perch，如果它的测量数据满足以上2个频繁函数之一，则它是Bream，否则是Perch。2021/8/790\n当数据来源仅限于Bream或Perch时，上述规则成立。然而，如果数据来源于5.1节中数据集中7种种类的鱼时，上述规则不能正确分类。测量数据满足FFS[1]和FFS[5]，如果按上述分类规则，就会把它误分类为Bream鱼。2021/8/791\n当测量数据可能来自上述七种种类的鱼时，往往需要利用频繁函数集合进行综合判断。经过分析，可得到如下几条分类规则：2021/8/792\n当测量数据可能来自上述七种种类的鱼时，往往需要利用频繁函数集合进行综合判断。经过分析，可得到如下几条分类规则：Whitewish，Roach，Perch难以准确分类。究其原因：一是样本记录太少；二是FFS太少（本身是假设区分Bream，Perch鱼挖掘出的），可推导出的规则太少2021/8/793\n5.3时序数据上的FFS挖掘太阳黑子有比较明显的周期，如何对这些以时间作为自变量的动态系统进行研究，建立数学模型，为系统分析、设计，特别是对未来进行预测提供依据，成为一个重要的研究课题。太阳黑子时间序列预测建模已经成为了国际统计界标准测试数据集合之一。本节在太阳黑子时间序列上进行FFS挖掘。实验数据来源于http://sidc.o-ma.be/DATA/。该数据集记录了自1700年来，每年太阳黑子数量。本实验选取1801-2000年的数据作为任务相关数据集,描述为：{},其中xi表示公元i年观测到的太阳黑子,1801≤i≤20002021/8/794\n太阳黑子时间序列上的FFS2021/8/795\nFFS[2]，FFS[10]，FFS[12]和真实数据的图形2021/8/796\n采用精度阈值队列和采用单一精度阈值的比较本节进行2次独立的实验，分别在2个不同的DB上进行。2021/8/797\n实验一DB1定义如下：DB1={r|r={X:x,Y:y,Z:z}，其中X、Y、Z是变量名，x、y、z分别是它们对应的数值：x=random(-1000.0,1000.0)，y=random(-1000.0,1000.0);}。DB1有200行。本次实验参数设置如下：实验一的参数设置PopulationSize＝120；NumOfRuns＝180；当PrecisionThreshold=1E-4和1E-7时，NumOfGenerations＝1000；当PrecisionThreshold=1E-10时，NumOfGenerations＝1600；MinSupport=100%；FunctionSet={+,-,*,/,%,a,C,S,T,c,e,l,M,m,p,r,s,Q,t}。2021/8/798\n实验二数据集DB2定义如下：DB2={r|r={X:x,Y:y}，其中X、Y是变量名，x、y分别是它们对应的数值：x=random(-1000.0,1000.0)，}。DB2有200行。本次实验参数设置如下：实验二的参数设置PopulationSize＝100；NumOfRuns＝100；当PrecisionThreshold=1E-4和1E-7时，NumOfGenerations＝1000；当PrecisionThreshold=1E-10时，NumOfGenerations＝1600；MinSupport=100%；FunctionSet={+,-,*,/,%,a,C,S,T,c,e,l,M,m,p,r,s,Q,t}。2021/8/799\n实验一、实验二中的PTQ如下设置PrecisionThreshold=1E-4时，PTQ=[1E-1,1E-2,1E-3,1E-4]；PrecisionThreshold=1E-7时，PTQ=[1E-1,1E-2,1E-3,1E-4,1E-5,1E-6,1E-7]；PrecisionThreshold=1E-10时，PTQ=[1E-1,1E-2,1E-3,1E-4,1E-5,1E-6,1E-7,1E-8,1E-9,1E-10]。2021/8/7100\n实验方法说明2021/8/7101\n实验评估指标算法成功概率——ProbabilityProbability这样计算得到：Probability＝。得到解需进化的平均代数——MeanNumOfGenerationsMeanNumOfGenerations这样计算得到：MeanNumOfGenerations＝2021/8/7102\n实验结果2021/8/7103\n实验结果2021/8/7104\n分析显示：函数越复杂，精度阈值越小，PTQ使CFFSDA成功的概率提高得越大。从实验结果可以得出同样的结论：函数越复杂，精度阈值越小，PTQ使CFFSDA得到解需进化的代数减少得越明显。通过实验证明，PTQ大大提高了CFFSDA的效率。实验也显示，在不同的PopulationSize、NumOfRuns、NumOfGenes下，这种结论同样成立。本文采用GEP配置CFFSDA，因此该结论不仅适用于FFS挖掘中，也适合于任何使用GEP的应用。论文已经发表2021/8/7105\n我们的工作5M-GEP：基于多染色体基因表达式编程的遗传进化算法*彭京,唐常杰,李川,胡建军,有一些较深刻的递归函数公式一个基于基因表达式编程的时间序列预测新方法陈宇，唐常杰，钟义啸，段磊，其中：Fibonacci加权滑动窗口预测法2021/8/7106\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体被选种机会按适应度作轮盘赌，遗传操作复,插,变,重,移,在形成活体前变化YesNo已经进化成为现代人?挖掘中医方证关系创新点，提出新的适应度2021/8/7107\n我们的工作6数字化中医项目（症状组适应度函数）基于基因表达式编程挖掘中医方证关系余弦唐常杰张欢乔少杰训练数据方剂表，基本症状表，基本证候表，症状表，一共含有116个基本方Formula，201个基本证Syndrome，845个症状Symptom。主症次症进化得到的公式（中医感到意外又合理）2021/8/7108\n我们的工作6，中医很满意，结果符合中医医理过去被认为很玄的中医方证关系可以计算了2021/8/7109\n输出现代人亚当，夏娃染色体Chromosomes0染色体表达式树ET评价表达式树计算适应度新一代染色体被选种机会按适应度作轮盘赌，遗传操作复,插,变,重,移,在形成活体前变化YesNo已经进化成为现代人?挖掘中医方证关系创新点转基因技术1多代积累的传统不轻抛。2将要成熟时帮一把。（新浪：外星人帮人类加基因）2021/8/7110\n我们的工作7基于转基因技术的基因表达式编程生物学上转基因的思想：培养抗盐碱小麦方法1:普通小麦–变异（辐射，等等）---盐碱地上播种---存活个体继续繁殖……变中求胜，求新2021/8/7111\n我们的工作7基于转基因技术的基因表达式编程方法2：1找盐碱地上生长很好的野草，把可能隐藏抗盐碱的基因段分100份，G0,G1,…,G9,把GK基因注入到小麦基因WK中，盐碱地上播种W0,W1,…,W9,存活了W0,W1,,则G0,G1可能有抗盐碱性质在盐碱地上繁殖培养W0,W1，加快，几十代，几百代2021/8/7112\n我们的工作7转基因基因表达式编程论文：基于转基因技术的基因表达式编程发现知识张欢唐常杰,余弦乔少杰汪锐等引入基因注入(GeneInjection)转基因技术，干预进化过程，在一定程度上控制种群发展方向，通过自然选择与人工选择的共同作用，基因分离（M_divide_gene）基因肢解（M_dismember_gene）单一基因的进化（SGE）基因片段的进化（GSE）概念和算法了GEP的转基因进化方法（TGEP）。实验2021/8/7113\n续：公式发现中的转基因思想2021/8/7114\n续：GEP与TGEP对F6的进化效果比较2021/8/7115\n我们的工作7基于基因表达式编程的属性融合分类算法赵波唐常杰朱明放魏大刚基本思想：用综合性总分来控制对象质量挖掘除一个合理的总分记分方法2021/8/7116\n续：用糖尿病，余额等经典测试数据的实验结果2021/8/7117\n我们的工作8(逐篇解释）2005提高基因表达式编程发现知识效率的回溯策略钟义啸唐常杰陈宇段磊魏大刚解决未成熟收敛问题，借鉴生物界的“返祖现象”，基于回溯的基因表达式编程方法，回溯检查点，等比递增检查点序列加速递增检查点序列用于约束回溯过程；扩充基于回溯的GEP算法，退化因子（RF），了按比例回溯策略实验适应度最大提高了49.2％，成功率最高提高了4倍2021/8/7118\n我们的工作8(逐篇解释）2006彭京,唐常杰,曾涛,乔少杰,雍小嘉,"基于神经网络和属性距离矩阵的中药方剂功效归约算法",四川大学学报（工程科学版），Vol.38No.1,2006.1,p92--97.ChangjieTangLeiDuanJingPengHuanZhangandYixiaoZhong,"TheStrategiestoImprovePerformanceofFunctionMiningByGeneExpressionProgramming－GeneticModifying,OverlappedGene,BacktrackingandAdaptiveMutation",DEWJ06(DBSJAnnualConf,2006)，Invitedtalkandpaper,2006.3.2--3.4,Okinawa,Japan.ShaojieQiao,ChangjieTang,JingPeng,HongjianFan,andYongXiang,"VCCMMining:MiningVirtualCommunityCoreMembersBasedonGeneExpressionProgramming",H.Chenetal.(Eds.):WISI2006,LNCS39`17,pp.133–138,2006.©Springer-VerlagBerlinHeidelberg2006.SCI:SCI:UT号：000237498000016(EI：8914866)#©LeiDuan,ChangjieTang,TianqingZhang,DagangWei,andHuanZhang,"DistanceGuidedClassificationwithGeneExpressionProgramming",X.Li,O.R.Zaiane,andZ.Li(Eds.):ADMA2006,LNAI4093,pp.239–246,2006.©Springer-VerlagBerlinHeidelberg2006.SCI检索号BEY19LWSCIE2007000088#©2021/8/7119\n我们的工作8(逐篇解释）2006Chang-anYuan,Chang-jieTang,JieZuo,An-longChen,Yuan-guangWen,ATTRIBUTEREDUCTIONFUNCTIONMININGALGORITHMBASEDONGENEEXPRESSIONPROGRAMMING,Proceedingsof2006InternationalConferenceonMachineLearningandCybernetics(ICMLC2006),1007－1012,(Dalian,China,13-16August2006)(EI号彭京.唐常杰.程温泉.叶尚玉.方全心.石葆梅.,"FP-Miner:基于生物启发计算的警用流动人口分析系统",四川大学学报(工程科学版)Vol.38,No.5p128-135,2006.9曾涛,唐常杰,朱明放,向勇,刘胤田,陈鹏."基于人工免疫和基因表达式编程的多维复杂关联规则挖掘方法".四川大学学报(工程科学版),VOL38,NO.5,2006.9,pp136~142,EI检索号064810278536,SXGKFI#©唐常杰,段磊,陈宇,"基于基因表达式编程的数据挖掘研究进展",中国计算机学会通讯ASurveyonDataMiningbyGeneExpressionProgramming,CommunicationsofCCF,Vol.2No.4,2006.7p47-54.2021/8/7120\n我们的工作8(逐篇解释）2006TaoZeng,ChangjieTang,YintianLiu,JiangtaoQiu,"MingfangZhu1,2.Miningh-DimensionalEnhancedSemanticAssociationRuleBasedonImmune-BasedGeneExpression",Programming,L.Fengetal.(Eds.):WISE2006Workshops,LNCS4256,pp.49–60,2006.©Springer-VerlagBerlinHeidelberg2006,SCIIDS=BFF82#©刘齐宏,唐常杰,胡建军,曾涛,刘胤田,邱江涛,"多样性制导分段进化的基因表达式编程",四川大学学报（工程科学版）2021/8/7121\n我们的工作8(逐篇解释）20071胡建军,唐常杰,段磊,左劼,彭京,元昌安,基因表达式编程初始种群的多样化策略,计算机学报，第３０卷　第２期，２００７年２月，Ｐ305-３１０，(EI号071610557937)2彭京,唐常杰,元昌安,李川,胡建军，一种基于概念相似度的数据分类方法，软件学报,2007,18(2):311-322.EI3许刚，唐常杰，温粉莲，田玲,"基于基因表达式编程挖掘传感器校正函数挖掘方法",四川大学学报Vol.44,No.1p44-46,EIaccessNmber:071510546797姜玥，唐常杰,郑明秀,叶尚玉,吴江,"基因表达式编程中动态适应的远缘繁殖策略",四川大学学报(工程科学版).Vol.39No.2,2007.3，122-136.JIANGYue,TANGChang-jie,EI张培颂，唐常杰，丁鑫鑫，徐开阔,“基于划分和重分布的粒子群算法及优化策略”，四川大学学报（自然科学版）Vol.44,No.2pp312-315,2007.4,Vol.44,No.2pp312-315,2007.4彭京,唐常杰,元昌安,朱明放,乔少杰,基于重叠表达的多基因进化算法,计算机学报,2007,30(5),775~785.,(EI检索No.072510663259)彭京,唐常杰,程温泉,石葆梅,乔少杰,一种基于层次距离计算的聚类算法，计算机学报,2007,30(5),786~795.P(EI检索No.072510663260)2021/8/7122\n我们的工作8(逐篇解释）2007向勇,唐常杰,曾涛,刘胤田,乔少杰,"基于基因表达式编程的多目标优化算法",.四川大学学报(工程科学版).Vol.39No.4,2007.7，p124-129,EIaccessNmber:待查QihongLiu,ChangjieTang,ShaojieQiao,QiweiLiu,FenlianWen,“MiningtheCoreMemberofTerroristCrimeGroupBasedOnSocialNetworkAnalysis”,PacificAsiaWorkshoponIntelligenceandSecurityInformatics(PAISI2007),Apri.11-14,2007,Chengdu,China.LNCS,Springer-VerlagBerlinHeidelberg2007.检索号BGD10,ISTP0302-9743JiangtaoQiu,ChangjieTang.TopicOrientedSemi-supervisedDocumentsClustering.ProceedingsofSIGMOD2007Ph.DWorkshoponInnovativeDatabaseResearch2007(SIGMOD-IDAR2007),pp,57-62,2007EIJiangtaoQiu,ChangjieTang,TaoZeng,ShaojieQiao,JieZuo,PengChen,andJunZhu.ANovelTextClassificationApproachBasedonEnhancedAssociationRule.R.Alhajjetal.(Eds.):ADMA2007,LNAI4632,pp.252–263,2007.EIJiangWu,ChangjieTang,JunZhu,TaiyongLi,LeiDuan,ChuanLi,LiDai:AnAttribute-OrientedEnsembleClassifierBasedonNicheGeneExpressionProgramming.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p:525~529.EI2021/8/7123\n我们的工作8(逐篇解释）2007YuChen,ChangjieTang,JunZhu,ChuanLi,ShaojieQiao,RuiLi,JiangWu:ClusteringWithoutPriorKnowledgeBasedonGeneExpressionProgramming.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p451~455.EI080311026762KaikuoXu,ChangjieTang,YintianLiu,ChuanLi,JiangWu,JunZhu,LiDai:ImprovingSelectionMethodsforEvolutionaryAlgorithmsbyClustering.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p:742~746.EIQihongLiu,TiandeLi,ChangjieTang,QiweiLiu,JunZhu,XinxinDing,JiangWu:TwoPhaseParallelParticleSwarmAlgorithmbasedonRegionalandSocialStudyofObjectOptimization.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p:827~831.EIQihongLiu,TiandeLi,ChangjieTang,QiweiLiu,ChuanLi,ShaojieQiao:Multi-PopulationParallelGeneticAlgorithmforEconomicStatisticalInformationMiningBasedonGeneExpressionProgramming.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.3,Aug.2007,p461~465.EI查LeiDuan,ChangjieTang,JunZhu,JieZuo,YintianLiu,JiangWu,LiDai:TheStrategiesofInitialDiversityandDynamicMutationRateforGeneExpressionProgramming.ThirdInternationalConferenceonNaturalComputation,ICNC2007,Vol.4,Aug.2007,p:265~269.EI0803110268802021/8/7124\n我们的工作8(逐篇解释）2007TaoZeng,ChangjieTang,YongXiang,PengChen,YintianLiu,"AModelofImmuneGeneExpressionProgrammingforRuleMining",JournalofUniversalComputerScience,vol.13,no.10(2007),1484-1497submitted:12/6/06,accepted:24/10/06,appeared:28/7/07©J.UCSEI朱军,唐常杰,魏大刚,段磊左劼."基于动态适应度的基因表达式编程挖掘反函数",计算机应用研究，Vol.24.No.92007.9P.40-42,ZhuJun,唐常杰,陈瑜,张欢,段磊,"基于转基因GEP的公式发现",TANGChangjie,CHENYu,ZHANGHuan,DUANLei,"DiscoverFormulasbasedonGeneExpressionProgrammingwithTrans-gene",计算机应用第27卷第10期,2007.10,p2358-2364,吴江,唐常杰,姜玥,叶尚玉,段磊,李太勇,"基于基因表达式编程的递归函数挖掘",四川大学学报(工程科学版).Vol.39No.5,2007.9P127-131，EI曾涛,唐常杰,刘齐宏,刘胤田,邱江涛,代术成,"一种基于频繁k元一阶元规则的多维离散数据挖掘模型",四川大学学报(工程科学版).Vol.39No.5,2007.9P127-131,.EILeiDUAN,ChangjieTANG,JunZHU,JieZUO,BoWANG,LiDAI,"HeterogeneousObjectsDetectioninMedicalDataUsingGeneExpressionProgramming",JournalofComputationalInformationSystem,Vol.4No.1,Jan.2008,P395-4002021/8/7125\n我们的工作8(逐篇解释）2007苏辉，唐常杰，乔少杰，徐开阔,张培颂，宋美娇“基于搜索空间划分和Sharing函数的粒子群优化算法”，四川大学学报（自然科学版）Vol.44,No.5pp985-989,2007.10，"段磊，唐常杰，刘胤田，左颉，吴江,"基于基因表达式编程ORF过滤算子的设计和实现".四川大学学报(工程科学版).Vol.39No.6,2007.11，p102-106,"陈瑜，唐常杰，叶尚玉，李川，姜钥,刘齐宏"基于基因表达式编程的自动聚类方法".四川大学学报(工程科学版).Vol.39No.6,2007.11，p107-112,乔少杰,唐常杰,陈瑜,彭京,温粉莲,"基于树编辑距离的层次聚类算法",计算机科学探索Vol.1,No.32007,(1673-9418/2007/01(03)-0282-1)2021/8/7126\n还可以作什么？转基因更多，方法：转基因，应用对象：流数据更快适应度函数更好基因库，….更省重叠基因，More…..旁观者也许更清楚，更冷静，2021/8/7127\n致谢和参考文献参考资料：本PPT仅作和同学们在讨论版内交流之用参考了若干教科书，文献和论文和报告。在末尾列出30多篇，但参考的文献不只这些,主要是遗传算法、基因表达式编程、粒子群算法的相关作者等等，对未列出文献作者也在此一并致谢。欢迎未列出的文献作者及时指出，以便即时在参考文献中补充。2021/8/7128\n致谢和参考文献参考了若干教科书，文献和论文和PPT，下面列出31篇，但参考的文献不知这些,对为列出的也在次一并致谢，1Ferreira,C.,CompletereferenceforthefirstGEPpaper,(12/5/2001).GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems,ComplexSystems,13(2):87-129.2Ferreira,C.GeneExpressionProgramming,FirstEdition,PrintedandBoundedinPortugal,AngradoHeroismo,Portugal,2002.Depositolegaln0187498/02(第一本GEP专著)．3Ferreira,C.,2001.GeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.4Ferreira,C.,DiscoveryoftheBooleanFunctionstotheBestDensity-ClassificationRulesUsingGeneExpressionProgramming.Proceedingsofthe4thEuropeanConferenceonGeneticProgramming,EuroGP2002,volume2278ofLectureNotesinComputerScience,pages51-60,Springer-Verlag,BerlinGermany,2002.5Ferreira,C.,2002.AnalyzingtheFounderEffectinSimulatedEvolutionaryProcessesUsingGeneExpressionProgramming.InA.Abraham,J.Ruiz-del-Solar,andM.Kpen(eds),SoftComputingSystems:Design,ManagementandApplications,pp.153-162,IOSPress,Netherlands,2002.6美国专利Ferreira,C.,2001.Linearandnon-lineargeneticalgorithmsforsolvingproblemssuchasoptimization,functionfinding,planningandlogicsynthesis.U.S.A.PatentApplicationN09/899,282filedJuly6,2001.7左劼，唐常杰，张天庆，ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRulebyGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedbyXiaofengMeng,JianwneSu,andYujunWang,SpringerVerlagBerlingHeidelberg2002.8,ISBN3-540-44045-32021/8/7129\n致谢和参考文献参考了若干教科书，文献和论文和PPT8]ZuoJie(左劼)，YuZhongHua(于中华)，Low-leakageloadingpatternoptimizationforPWRNPPreloadcoreusinggeneticalgorithms,NuclearPowerEngineeringv23nSUPPL.May2002YuanZiNengChubanShep12-160258-0926InChineseEI024471783919黄晓冬唐常杰普东航曾令明，基于基因表达式编程的函数关系发现方法AGeneExpressionProgrammingBasedFunctionDiscoveryMethod，计算机科学，Vol.30(2003.10)(A),pp278-282.ISBN1002-137X，NDBC2003优秀研究生论文.10贾晓斌，唐常杰，左劼，陈安龙，黄晓冬，汪锐,”基于基因表达式编程的频繁函数集挖掘”,SCUKE-DBResearchReportNo.03016,http://teacher.scu.edu.cn/~chjtang/paper_doc/2004/gep-freq-func-abst.zip11汪锐，唐常杰等，“基于基因表达式编程的因子分解”,SCUKE-DBResearchReportNo.04001,http://teacher.scu.edu.cn/~chjtang/paper_doc/2004/factorization.zip12周昌乐.心脑计算举要.北京清华大学出版社，2003.23713PenroseR.TheEmperor’sNewMind:ConcerningComputers,Minds,andtheLawsofPhysics.NewYork:OxfordUniversityPress,1989.64014PenroseR.ShadowsoftheMinds,ASearchfortheMissingScienceofConsciousness.NewYork:OxfordUniversityPress,1994.480.15黄席樾,张著洪,何传江,胡小兵,马笑潇,现代智能算法理论及应用.科学出版社,2005.16]蔡自兴,徐光祐,人工智能及其应用(第三版),清华大学出版社,2004.817MinskyM.LogicalVersusAnalogicalorSymbolicVersusConnectionistorNeatVersusScruffy.AIMagazine,1991,12(2):34~51.18陈国良,王煦法,庄镇泉,等.遗传算法及其应用[M].北京:人民邮电出版社,1996.onNeuralNetwork,1994,5(1):96～101.，2021/8/7130\n致谢和参考文献19]QiXF,PalmieriF,Theoreticalanalysisofevolutionaryalgorithmswithaninfinitepopulationsizeincontinuousspace[J].IEEETransactionsonNeuralNetwork,1994,5(1):102～119.20庄健,王孙安.自调节遗传算法的研究[J].西安交通大学学报,2002,36(11):359～363.21张铃,张钹.统计遗传算法[J].软件学报,1997,8(5):335～344.22张铃,张钹.遗传算法机理的研究[J].软件学报,2000,11(7):945～952.23张文修,梁　怡.遗传算法的数学基础[M].西安:西安交通大学出版社,2001.54～79.358~365.24MeuleauNandDorigoM.Antcolonyoptimizationandstochasticgradientdescent.Artif.Life,2002,8(2):103~121.25马良，项培军.蚂蚁算法在组合优化中的应用.管理科学学报，2001,4(2):32~37.26陈峻,沈洁,秦玲.蚁群算法求解连续空间优化问题的一种新方法.软件学报,2002,13(12):2317~2323.2021/8/7131\n致谢和参考文献27汪镭,吴启迪.蚁群算法在系统辨识中的应用.自动化学报,2003,29(1):102~109.28胡小兵,黄席樾.蚁群算法在迷宫最优路径中的应用.计算机仿真，2005,22(2):26~29.ExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedbyXiaofengMeng,JianwneSu,andYujunWang,SpringerVerlagBerlingHeidelberg2002.8,ISBN3-540-44045-329元昌安,唐常杰,左劼，谢方军，陈安龙，胡建军，"基于基因表达式编程的函数挖掘——收敛性分析与残差制导进化算法",四川大学学报四川大学学报（工程科学版），Vol.36No.6，pp100-105.30成功大学（台湾省）黄悦民教授相关文献，讲座31JingPeng,Chang-jieTang,JingZhang,andChang-anYuan.EvolutionaryAlgorithmBasedonOverlappedGeneExpression,ICNC2005,LNCS3612,pp.194–204,2005.32彭京,唐常杰,李川,胡建军.M-GEP:基于多层染色体基因表达式编程的遗传进化算法,计算机学报,2005,28(9).1459-1466.33谢方军,唐常杰,元昌安,左劼,陈安龙,基于基因表达式的演化硬件进化和优化算法,计算机辅助设计与图形学报,Vol.17,No.17p1415-1420,2005.734Ferreira,C.,CompletereferenceforthefirstGEPpaper,(12/5/2001).GeneExpression2021/8/7132\nEberhart,R.C.andKennedy,J.“Anewoptimizerusingparticleswarmtheory,”ProceedingsoftheSixthInternationalSymposiumonMicromachineandHumanScience,Nagoya,Japan.pp.39-43,1995.Kennedy,J.,andEberhart,R.C.Adiscretebinaryversionoftheparticleswarmalgorithm.Proc.1997Conf.onSystems,Man,andCybernetics,Piscataway,pp.4104-4109,1997.Kennedy,J.,Eberhart,R.C.withShiY.,“SwarmIntelligence,”MorganKaufmannPublishersInc.,SanFrancisco,CA,2001.Eberhart,R.C.andY.Shi,“ParticleSwarmOptimization:Developments,ApplicationandResources,”Proceedingsofthe2001CongressonEvolutionaryComputation,vol.1,pp.81-86,2001.致谢和参考文献2021/8/7133\nHu,X.,Shi.Y.,andEberhart,R.C.“Recentadvancesinparticleswarm,”ProceedingsofIEEEInternationalConferenceonEvolutionaryComputation.pp.90-97,2004.SongMei-PingandGuo-ChangGu,“ResearchOnParticleSwarmOptimization:AReview,”ProceedingsoftheThirdInterionalConferenceonMachineLearningandCybernetics,Shanghai,pp.26-29.2004.Yin,P.Y.,Chang,K.C.,Hwang,G.J.,Hwang,G.H.,&Chan,Y.,“AParticleSwarmOptimizationApproachComposingSerialTestSheetsforMultipleAssessmentCriteria,”EducationalTechnology&Society,vol.9,issue3,pp.3-15,2006.致谢和参考文献2021/8/7134\n国际主要文献(2000-2004)IfyouhaveanyworkrelatedtoGEPandifyouwanttopublicizeithere,sendusthecompletereferenceforyourworkandtherespectivelinkandwewillbedelightedtoincludeithere.GEPOnlineBibliography1.Ferreira,C.,2001.GeneExpressionProgramming:ANewAdaptiveAlgorithmforSolvingProblems.ComplexSystems,Vol.13,issue2:87-129.paper(Youcanalsodownloadthepdfofthefirstpublicversionofthispaper,publishedontheinternetNovember14,2000:theEnglishversionandthePortuguesetranslation)2.Ferreira,C.,2001.GeneExpressionProgramminginProblemSolving,invitedtutorialofthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001.paper3.Ferreira,C.,Mutation,Transposition,andRecombination:AnAnalysisoftheEvolutionaryDynamics.InH.J.Caulfield,S.-H.Chen,H.-D.Cheng,R.Duro,V.Honavar,E.E.Kerre,M.Lu,M.G.Romay,T.K.Shih,D.Ventura,P.P.Wang,Y.Yang,eds.,Proceedingsofthe6thJointConferenceonInformationSciences,4thInternationalWorkshoponFrontiersinEvolutionaryAlgorithms,pages614-617,ResearchTrianglePark,NorthCarolina,USA,2002.paper2021/8/7135\n参考文献（续）5.Ferreira,C.,GeneExpressionProgramminginProblemSolving.InR.Roy,M.K鰌pen,S.Ovaska,T.Furuhashi,andF.Hoffmann,eds.,SoftComputingandIndustry:RecentApplications,pages635-654,Springer-Verlag,2002(shorterversionoftheinvitedtutorialpresentedatthe6thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September10-24,2001).Paper6.Ferreira,C.,CombinatorialOptimizationbyGeneExpressionProgramming:InversionRevisited.InJ.M.SantosandA.Zapico,eds.,ProceedingsoftheArgentineSymposiumonArtificialIntelligence,pages160-174,SantaFe,Argentina,2002.paper7.Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.Proceedingsofthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September23-October4,2002.paper2021/8/7136\n参考文献（续）9.Ferreira,C.,2002.GeneticRepresentationandGeneticNeutralityinGeneExpressionProgramming.AdvancesinComplexSystems,5(4):389-408.paper10.Ferreira,C.,FunctionFindingandtheCreationofNumericalConstantsinGeneExpressionProgramming.InJ.M.Benitez,O.Cordon,F.Hoffmann,andR.Roy,eds.,AdvancesinSoftComputing:EngineeringDesignandManufacturing,pages257-266,Springer-Verlag,2003(shorterversionofthepaperpresentedatthe7thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September23?October4,2002).paper11.ChiZhou,WeiminXiao,PeterC.Nelson,andThomasM.Tirpak,2003.EvolvingAccurateandCompactClassificationRuleswithGeneExpressionProgramming.IEEETransactionsonEvolutionaryComputation,Vol.7,No.6,pages519-531.paper12.ChiZhou,PeterC.Nelson,WeiminXiao,andThomasM.Tirpak,DiscoveryofClassificationRulesbyUsingGeneExpressionProgramming.InProceedingsoftheInternationalConferenceonArtificialIntelligence,pages1355-1361,LasVegas,USA,2002.paper13.YorickHardyandW.-H.Steeb,2002.GeneExpressionProgrammingandOne-dimensionalchaoticmaps.InternationalJournalofModernPhysicsC,13(1):25-30.paper2021/8/7137\n参考文献（续）14.ZuoJie,TangChangjie,LiChuan,ChenAnlong,andYuanChang抋n,TimeSeriesPredictionBasedonGeneExpressionProgramming.InProceedingsoftheFifthInternationalConferenceonWeb-AgeInformationManagement,Dalian,China,2004.paper15.Ferreira,C.,GeneExpressionProgrammingandtheEvolutionofComputerPrograms.InLeandroN.deCastroandFernandoJ.VonZuben,eds.,RecentDevelopmentsinBiologicallyInspiredComputing,pages82-103,IdeaGroupPublishing,2004.paper16.XinLi,ChiZhou,PeterC.Nelson,andThomasM.Tirpak,InvestigationofConstantCreationTechniquesintheContextofGeneExpressionProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,2004.paper17.EdwinRogerBanks,JamesC.Hayes,andEdwinNunez,ParametricRegressionThroughGeneticProgramming.InM.Keijzer,ed.,LateBreakingPaperatGeneticandEvolutionaryComputationConference,GECCO-2004,Seattle,Washington,USA,June26-30,2004.paper18.Ferreira,C.,DesigningNeuralNetworksUsingGeneExpressionProgramming.9thOnlineWorldConferenceonSoftComputinginIndustrialApplications,September20-October8,2004.paper19.Shu-HengChenandBin-TzongChie,TowardaFunctionalModularityApproachtoAgent-BasedModelingoftheEvolutionofTechnology.InProceedingsofthe9thWorkshoponEconomicsandHeterogeneousInteractingAgents,Kyoto,Japan,2004.paper2021/8/7138\n参考文献（续）20.SerdalTerziandMehmetSaltan,ModelingtheDeflectionBasinbyGeneticAlgorithmsApproach.InProceedingsofthe12thInternationalTurkishSymposiumonArtificialIntelligenceandNeuralNetworks?TAINN2003,莂nakkale,Turkey,2003.paper21.HongqingCao,JingxianYu,andLishanKang,AnEvolutionaryApproachforModelingtheEquivalentCircuitforElectrochemicalImpedanceSpectroscopy.InProceedingsofthe2003CongressonEvolutionaryComputation(CEC2003),Vol.3,pp.1819-1825,IEEEPress,Canberra,Australia,2003.paper22.JieZuo,ChangjieTang,andTianqingZhang,MiningPredicateAssociationRulebyGeneExpressionProgramming.InX.Meng,J.Su,andY.Wang,eds,ProceedingsoftheThirdInternationalConferenceonAdvancesinWeb-AgeInformationManagement,LectureNotesInComputerScience,Vol.2419,pp.92-103,Beijing,China,2002.paper23.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.paper25.K.J.Brazier,G.RichardsandW.Wang,Implicitfitnesssharingspeciationandemergentdiversityintreeclassifierensembles.InProceedingsoftheFifthInternationalConferenceonIntelligentDataEngineeringandAutomatedLearning(IDEAL?4),Exeter,UK,August25-27,2004.paper2021/8/7139\n参考文献（续）美国专利Ferreira,C.,2001.Linearandnon-lineargeneticalgorithmsforsolvingproblemssuchasoptimization,functionfinding,planningandlogicsynthesis.U.S.A.PatentApplicationN09/899,282filedJuly6,2001.左劼，唐常杰，张天庆，ZuoJie,TangChangjieandZhangTianqing，"MiningPredicateAssociationRulebyGeneExpressionProgramming",WAIM02(InternationalConferenceforWebInformationAge2002).LNCS(LectureNotesInComputerscience)Vol.2419,pp.92-103,editedbyXiaofengMeng,JianwneSu,andYujunWang,SpringerVerlagBerlingHeidelberg  2002.8,ISBN3-540-44045-3ZuoJie(左劼)，YuZhongHua(于中华)，Low-leakageloadingpatternoptimizationforPWRNPPreloadcoreusinggeneticalgorithms,NuclearPowerEngineeringv23nSUPPL.May2002YuanZiNengChubanShep12-160258-0926InChineseEI02447178391GeneExpressionProgramminginC#and.NET,http://www.c-sharpcorner.com/Code/2002/Nov/GEPAlgorithm.asphttp://www.gene-expression-programming.com/webpapers/GEPtutorial.pdfhttp://www.ddj.com/topics/ai/sites/2021/8/7140\n谢谢！2021/8/7141