如何利用本网站 这篇文章将告诉你如何更好的利用本网站当中的资料从而对你的学习生活真正有用。 本网站中的学习笔记主要包括如下几个部分： - 来自重庆邮电大学和布鲁内尔大学的课程笔记（在“分类”-“学习笔记”中），内容包括： - 随课笔记，即每堂课结束后根据课堂内容和相关资料整理而成的笔记（以数字标号和章节内容为标题，例如“01.运算放大器”），侧重点为课堂知识的逻辑性连接和以及原理阐释。

说明 1️⃣ 建议点击右上角【📚分类】查看文章 2️⃣ 由于本站暂未在中国大陆备案，因此会出现偶发性无法访问的情况，此时请先通过科学上网访问，在浏览器留下cookies之后便可正常访问本站⚡ 3️⃣ 电脑端Chrome/Edge 等Chromium浏览器可以点击左下角的铃铛🔔订阅我的博客 4️⃣ 本博客所有文章全部为我手工编写。请尊重我的劳动成果，转载请注明出处，谢谢📖 版权

GP Memo 基础定义 语构和语义 语构（Syntax） 指一个个体树的拓扑结构，具体包括树整体的形状大小，每个节点上的值和连接。Standard GP中的交叉和突变是一种完全忽略个体语义的语构操作。 语义（Semantic） 指个体作为模型看待时的行为表现，这个表现通常是和数据集相关的：比如均方差/信息熵/几何信息/布尔值等等。Fitness Function也 是一种语义，但

遗传编程中的模块化 在遗传编程（GP）中，与个体有意义的片段的保存和遗传有关的研究被称为模块性 [1]. 在系统工程方面，GP 中的模块性研究可以帮助识别可能描述子系统行为的子树，并评估它们对主要输出和系统行为的贡献和敏感性。此外，对模块性的研究还可以为我们提供从简单系统开发复杂系统的方法[2]。 迄今为止，该领域的研究可按封装实体分为三层，即宏(macro)、函数(function)和

交叉算子的建模和比较 Poli, Riccardo & Langdon, W.. (2001). On the Search Properties of Different Crossover Operators in Genetic Programming. 背景 回顾遗传算法的schema theory: \[P(H,t+1) \geq P(H,t) \frac{f

同源交叉的模式定理 Riccardo Poli et al,. Exact Schema Thoery and Markov Chain Models for Genetic Programming and Variable-length Genetic Algorithms with Homologous Crossover, Genetic Programming and Evolv

基于互信息的语义模式定理和遗传编程 背景 遗传算法中的模式定理 所谓模式(schema)是指在搜索空间中一组具有某些共同特征的点的集合。模式的定义最早在遗传算法领域由Holland提出，他认为遗传算法中的模式是带有Don't care (*)的位串(string)，Don't care部分的比特既可以是0也可以是1，因此一个模式实际上代表了若干种不同的个体。进一步地，Holland提出了

PolyGP：一种多态遗传编程 PolyGP是由Tina Yu和Chris Clack[1]共同设计的一种遗传编程算法。PolyGP借用了STGP[2]中的参数多态的思想并进一步延伸，并使用了Robinson的合一算法(Unification Algorithm)[3]改进了STGP中创建个体为了符合类型合法而导致的链表式结构的问题。PolyGP中最大的改动是将Koza的标准遗传算法中的个体

强类型遗传编程 D. J. Montana, "Strongly Typed Genetic Programming," in Evolutionary Computation, vol. 3, no. 2, pp. 199-230, June 1995, doi: 10.1162/evco.1995.3.2.199. 强类型遗传编程(Strongly Typed Genetic

引用·向上造型 这是浙江大学翁恺老师的公开课，《面向对象设计C++》 视频地址： https://www.bilibili.com/video/BV1yQ4y1A7ts/?spm_id_from=333.337.search-card.all.click&vd_source=3074f6f6ab43a114c5af8727fa4f7255 本节对应视频21-22