摘要：研究了遗传程序设计(GP)算法中适应度函数的光滑拟合问题,结合LAMs(Linear association memorys)方法和HJ(Hook和Jeevs)方法两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价．光滑拟合的好坏关键取决于调整参数的选择．提出了一种选择调整参数的新方法,同时,给出了两个数学例子,并与广义交叉实验B-样条函数仿真比较验证．

摘要：提出了一种基于遗传程序设计算法(GPA)构造多准则决策函数新方法,该方法构造的决策函数比典型的分层处理AHP(算术平均值)方法构造的决策函具有明显的稳定性.理论上期望得到实例的验证.

摘要：对遗传程序设计(GP)算法中的适应度评价函数光滑拟合问题进行了研究,结合LAM(LinearAssociationMemory)和HJ(Hook和Jeevs)两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价。提出了一种选择调整参数的新方法,同时,给出了一个数学例子,并与广义交叉实验B—样条函数仿真比较验证。

摘要：共同进行自定义函数方法就是许多独立进化的子群函数能够被一个种群的主程序使用。改善和优化能够被定义的子程序函数的结构和数量机制,实验验证比较它们在两个经典的分类任务性能。结果表明,共同进化自定义函数(CoADFs)方法比传统的带有和不带自定义函数(ADFs)的遗传程序设计方法分类效果更好。

摘要：该文根据决策树结点的错误率与分割后的错误率减少量,提出一种新的基于遗传程序设计(GP)的GP-决策树优化算法。该算法不但可以求解出GP-决策树结点的权值矢量,同时也确定了GP-决策树的结构。实验结果表明,应用GP-决策树优化算法能够正确完成对趋势预测模型的选择。

摘要：提出一种基于遗传程序设计算法(GPA)求解决策树结点的权值矢量,并根据树结点的 错误率与分割后的错误率减少量构造GP 决策树算法的方法。该方法不但可以求解出树结点的权值 矢量,同时也确定了GP 决策树的结构。实验结果表明,应用GP 决策树算法能够正确完成对趋势预 测模型的选择。