×
Heder S.伯纳迪诺。;Helio J.C.巴博萨。

基于语法的免疫编程。 （英语） Zbl 1217.68201号

自然计算。 209-241（2011）第1号第10条.
摘要：本文描述了基于语法的免疫编程（GIP），它是通过免疫启发在任意语言中进化程序。GIP基于语法进化（GE），其中语法用于定义语言并将候选解决方案解码为有效表示（程序）。然而，默认情况下，GE在搜索过程中使用遗传算法，而GIP使用人工免疫系统。为了有效地将抗体解码为程序，需要对免疫算法进行一些修改以使用语法。通过实验分析了不同方面的算法行为，并将其与著名的GE实现GEVA进行了比较。这些方法用于从观测数据集中识别因果模型（常微分方程），对迭代函数（f（f（x））=g（x））进行符号回归，并找到不连续函数的符号表示。

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
第68季度第42季度 语法和重写系统

关键词：

人工免疫系统;语法演变;免疫程序设计;符号回归;模型推理

软件：

盖娃
PDF格式BibTeX公司 XML格式引用
\textit{H.S.Bernardino}和\textit{H.J.C.Barbosa}，自然计算。10，第1号，209--241（2011；Zbl 1217.68201）
全文： 内政部

参考文献：

[1] Amarteifio S，O’Neill M（2005）共同进化抗体，具有丰富的语法进化代表性。收件人：Corne D、Michalewicz Z、Dorigo M、Eiben G、Fogel D、Fonseca C、Greenwood G、Chen TK、Raidl G、Zalzala A、Lucas S、Paechter B、Willies J、Guervos JJM、Eberbach E、McKay B、Channon A、Tiwari A、Volkert LG、Ashlock D、Schoenauer M（eds）《2005年IEEE进化计算大会论文集》，英国爱丁堡IEEE出版社，第1卷，第904页–第911页
[2] Bernardino HS，Barbosa HJ（2009a），符号回归的基于语法的免疫编程。摘自：《2009年人工免疫系统国际会议记录》，LNCS 5666，柏林-海德堡施普林格，第274-287页
[3] Bernardino HS，Barbosa HJ（2009b），优化的自然启发算法。柏林-海德堡施普林格，优化人工免疫系统章节，第389–411页
[4] Bielecki A，Strug B（2005）求解二维图像迭代函数系统逆问题的进化算法。摘自：第四届计算机识别系统国际会议记录CORES 05，柏林-海德堡施普林格，第347-354页
[5] Bielecki A，Strug B（2007）使用进化算法寻找基于迭代函数系统的复杂视觉结构表示。MG和；V 16:171–189，http://www.portal.acm.org/citation.cfm？id=1375845.1375856
[6] Brown R（1999）关于求解非线性泛函、有限差分、合成和迭代方程。分形7:277–282·Zbl 1023.39016号 ·doi:10.1142/S0218348X99000281
[7] Burnet FM（1959）获得性免疫的克隆选择理论。剑桥大学出版社
[8] de Castro LN，Timmis J（2002）《用于多模态函数优化的人工免疫网络》。In：程序。2002年IEEE计算智能世界大会，美国夏威夷檀香山，第一卷，第669-674页
[9] de Castro LN，von Zuben FJ（2002）使用克隆选择原理的学习和优化。IEEE Trans Evo Comp 6（3）：239–251·doi:10.10109/TEVC202.1011539文件
[10] 乔姆斯基N（2002）句法结构。纽约柏林Mouton de Gruyter·Zbl 0052.24706号
[11] Ciccazo A、Conca P、Nicosia G、Stracquadanio G（2008）一种高级克隆选择算法，带有基于自组织网络的超变异算子，用于合成模拟电路的拓扑和尺寸。收录：Bentley PJ、Lee D、Jung S（编辑）人工免疫系统国际会议论文集——ICARIS 2008，Springer，LNCS，第5132卷，第60–70页
[12] Cramer NL（1985）简单顺序程序的自适应生成表示。摘自：美国新泽西州希尔斯代尔L.Erlbaum Associates Inc.第一届国际遗传算法会议记录，第183-187页
[13] Cutello V，Narzisi G，Nicosia G，Pavone M（2005）《克隆选择算法：使用有效突变潜能的比较案例研究》。摘自：人工免疫系统国际会议论文集——ICARIS 2005，Springer，LNCS，第3627卷，第13-28页
[14] Dasgupta D，Nino F（2008）《免疫学计算：理论与应用》。奥尔巴赫出版社，美国马萨诸塞州波士顿
[15] Elseth GD，Baumgardner KD（1995）《现代遗传学原理》。布鲁克斯·科尔，加利福尼亚州太平洋格罗夫
[16] Ferreira C（2001）基因表达式编程：解决问题的一种新的自适应算法。ArXiv Computer Science电子打印ArXiv:cs/0102027
[17] Gan Z，Chow TW，Chau W（2009a）克隆选择编程及其在符号回归中的应用。专家系统应用36（2）：3996–4005·doi:10.1016/j.eswa.2008.02.030
[18] Gan Z，Zhao MB，Chow TW（2009b）使用克隆选择编程进行感应电机故障检测。实验系统应用36（4）：8000–8012·doi:10.1016/j.eswa.2008年10月58日
[19] Johnson CG（2003）符号回归的人工免疫系统编程。摘自：第六届欧洲遗传规划会议记录–EuroGP 2003，第345–353页·Zbl 1033.68629号
[20] Koza JR（1992）《遗传编程：通过自然选择（复杂自适应系统）对计算机编程》。麻省理工学院出版社，马萨诸塞州剑桥·Zbl 0850.68161号
[21] Koza JR，Bennett III FH，Andre D，Keane MA（2000）通过遗传编程合成模拟电路的拓扑和尺寸。计算方法应用机械工程186（2–4）：459–482·Zbl 1006.94038号 ·doi:10.1016/S0045-7825（99）00397-7
[22] Lau A，Musilek P（2009）臭氧和二氧化氯灭活隐孢子虫的免疫规划模型。《信息科学》179（10）：1469–1482·doi:10.1016/j.ins.2008.11.019
[23] McKinney B，Tian D（2008）逆向工程非线性动态贝叶斯模型的语法免疫系统进化。癌症通知6:433–447
[24] Musilek P、Lau A、Reformat M、Wyard-Scott L（2006）《免疫规划》。信息科学176（8）：972–1002·兹比尔1092.68042 ·doi:10.1016/j.ins.2005.03.009
[25] O'Neill M，Brabazon A（2006）《语法差异进化》。摘自：《2006年人工智能国际会议论文集——ICAI 2006》，CSREA出版社，美国内华达州拉斯维加斯，第231-236页
[26] O'Neill M，Ryan C（2001）《语法进化》。IEEE Trans-Evol计算5（4）：349–358·doi:10.1109/4235.942529
[27] O'Neill M，Ryan C（2003）《语法进化：任意语言中的进化自动编程》。Kluwer学术出版社，马萨诸塞州波士顿
[28] O'Neill M，Brabazon A，Adley C（2004）《语法群分类问题程序的自动生成》。In:进化计算大会–CEC 2004，第1卷，第104–110页
[29] O'Neill M，Hemberg E，Gilligan C，Bartley E，McDermott J，Brabazon A（2008）Geva:java语法进化。SIGEVOlution 3:17–22数字对象标识代码：10.1145/1527063.1527066
[30] Poli R、Langdon WB、McPhee NF（2008）遗传编程现场指南。http://www.gp-field-guide.org.uk
[31] Ryan C、Collins J、Neill MO（1998）《语法进化：任意语言的进化程序》。收录于：LNCS 1391，第一届欧洲遗传编程研讨会论文集，Springer-Verlag，第83-95页
[32] Schmidt MD，Lipson H（2008）《数据挖掘动力系统：探索性分析的自动符号系统识别》。附：关于工程系统设计和分析的两年一度ASME会议记录–ESDA08，以色列海法
[33] Schmidt MD，Lipson H（2009）使用遗传编程求解迭代函数。收录：遗传和进化计算会议第11届年会论文集：最新论文，美国纽约州纽约市ACM，GECCO’09，第2149–2154页，doi:10.1145/1570256.1570292
[34] Smith SF（1980）基于遗传自适应算法的学习系统。美国宾夕法尼亚州匹兹堡市匹兹堡大学博士论文
[35] Smith SF（1983）通过自适应搜索灵活学习问题解决启发式。收录于：《IJCAI'83：第八届国际人工智能联合会议论文集》，摩根考夫曼出版社，美国加利福尼亚州旧金山，第422-425页
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。