当前课程知识点:智能控制 >  第八章 遗传编程 >  8.1 遗传编程工作原理 >  8.1 遗传编程工作原理

返回《智能控制》慕课在线视频课程列表

8.1 遗传编程工作原理在线视频

下一节:8.2 遗传编程基本操作之复制

返回《智能控制》慕课在线视频列表

8.1 遗传编程工作原理课程教案、知识点、字幕

下面我们开始讲第八讲

遗传编程

那么遗传算法虽然有很多优点

解决了很多优化问题

很方便解决大规模的优化问题

当然有一定的局限性

第一它不能描述层次化的问题

它只能直接描述这个问题本身

不能体现层次性

第二不能描述计算机程序

第三缺乏动态可变性

比较机械

它的优化过程中

它不能动态调整

那么针对这些缺陷

那么遗传编程就可以解决这些问题

我们看这样一个树形的图

它里面包括了a0、a1、a2

这些常量以及数字2,3

还有加号乘号

还有幂等运算法

那么它们通过这些变量 常量

以及运算符号的组合

就可以用来非常

方便的描述这样一个代数表达式

也就是说这张图描述的就是

(见公式)

这样一个多项式式的表达式的形式

我们跟遗传算法进行类比一下

我们就发现

其实在这里面的a0、a1、a2、a3这些常量

x这些变量

还有它的幂运算

加号乘号这些符号等等

就类似于遗传算法里头的0和1

那个基因型

那么通过这些基因型

或者这些常量的

变量的运算符号的组合

是不是也能够

类似于遗传算法进行优化

那答案是肯定的

这个方法叫做遗传编程

那么它是1992年美国专家John教授

正式提出来的遗传编程算法

他用层次化的结构性语言

表达了一个问题

举个例子

那么这是一个问题

我们列举了一组实测数据

xi和yi

i是1到17

有17组数据

现在要求计算出它们之间的函数关系

y和x之间到底什么函数关系

为了解决这样一个问题

这个问题本质上就是一个函数拟和问题

我们发现对于一个函数拟和问题

一个输入一个输出的函数拟合问题

我们经常常见的典型的函数形式

有这些类型

第一直线型(见公式)

我们只要确定两个参数

a、b就可以了

多项式函数(见公式)

我们需要确定四个参数

a、b、c、d待定参数

对数型(见公式)

a和b是待定参数

指数型(见公式)

确定两个参数a和b

那么这些是一些常见的

这些函数拟合时候的结构形式

那么在遗传编程里头

对于一个个体怎么描述的呢

那么再对比一下遗传算法

遗传算法里面是有0和1

这是它的基因型

通过二进制代码

来描述每个个体它的基因型

那么在遗传编程里头

类似

每一代种群里头包括多个的个体

组成了这一代的群体

遗传编程类似于遗传算法

在遗传编程的个体中

用广义的层状计算机程序表达

那么它的0和1这基因型的

组成单位是什么东西呢

它可以包括函数集F

终止符集T

函数集F可以包括N个函数

比如f(1)、f(2)、f(3)

一直到f(m)

那么函数集内的函数f(i)

可以是加减乘除等算术运算符

或者是正弦、余弦、对数、指数

等标准的数学函数

那么终止符集T

包含M个终止符

T里面有t1、t2、tm

终止符集内的终止符ti

可以是x、y、z等变量

或者是a、b、π等常量

这是函数集和终止符集

那么要这两个集合里面的

任何的若干个函数

或者是终止符相互组合

就可以构成

类似于下列这些式子

各种表达式

比如(见公式)

这是它对应的图形

(见公式)

底数是10

(见公式)

这样构成了遗传编程的个体

类似于遗传算法

只不过把遗传算法把里面0和1

这基因的个体

换成了a、b常量

以及变量x

还有这些终止符集

还有运算符集

函数符集

加乘对数指数等等

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--1.4 控制科学发展过程.

-1.5 智能控制的多元论

--1.5

-1.6 控制策略的渗透与融合

--1.6

-1.7 智能控制与传统控制的联系与区别

--1.7

-1.8 智能控制的类型之分级递阶智能控制系统

--1.8

-1.9 智能控制的类型之专家控制系统

--1.9

-1.10 智能控制的类型之模糊控制系统

--1.10

-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.11

-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.12

-1.13本章小结

--1.13

-第一章测试

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--5.4 神经网络的分类

-5.5 神经网络的学习算法、基本特征和研究领域

--5.5 神经网络的学习算法、基本特征和研究领域

-第五章测试

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现

--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

-第六章测试

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--7.3 遗传算法的基本操作之复制

-7.4 遗传算法的基本操作之交叉与变异

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--8.2 遗传编程基本操作之复制

-8.3 遗传编程基本操作之交换和突变

--8.3 遗传编程基本操作之交换和突变

- 8.4 遗传编程的工作步骤及实例分析

-- 8.4 遗传编程的工作步骤及实例分析

-第八章测试

期末测试

-期末测试

8.1 遗传编程工作原理笔记与讨论

收藏文章
表情删除后不可恢复,是否删除
取消
确定
图片正在上传,请稍后...
  • 评分:
评论内容为空!
还没有评论,快来抢沙发吧!

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。
欢迎学习『8.1 遗传编程工作原理慕课视频播放-智能控制-MOOC慕课视频教程-柠檬大学』