多参数分歧定理及其在生态数学中的应用

本文首先研究多参数的大范围分歧问题,得到了与单参数大范围分歧定理完全一致的结论。然后,我们将利用这些结论来研究带年龄的多种群非线性增长方程的平衡态的存在性,得到了非平凡平衡态的整体存在性,而且平衡态恰有同种群个数相同的分歧平面,特别对于单种群增长方程的平衡态,恰有一个分歧点。此外,非平凡平衡态在过分歧点的超平面内是伸向无穷的。     

确定性排挤小生态技术的遗传漂移分析

介绍多峰搜索空间的等价类模型 ,应用该模型分析确定性排挤 (DC)小生态遗传算法的遗传漂移现象。分析结果表明 ,DC的替换错误导致类形成与类维持的矛盾 ,DC不能克服类之间的遗传漂移 ,且倾向于维持高适应值的类而丢失低适应值的类。因此 ,对于复杂多峰优化问题 ,DC不能在单一种群中并行地维持多个全局或局部最优解。     

基于 Cercignani 解的格子 Boltzmann 模型

给出用于求解Euler方程的格子Cercignani-Boltzmann方法。通过引入特征线，使在特征线上的分布函数满足Cercignani解。经线性展开，建立与标准格子Boltzmann方程的联系。特别地，考虑到平衡态分布函数在初始时可能出现的间断，给出一个很好的平衡态分布，并满足守恒条件和部分流条件。     

具势亚声速小扰动流动的格子Boltzmann模拟

给出一种新的用于模拟亚声速流小扰动下的格子Boltzmann模型, 通过使用Chapman Enskog展开和多尺度技术, 得到一系列的格子Boltzmann方程,给出了满足亚声速流小扰动线化方程的平衡态分布函数表达式. 数值结果表明, 这种方法能很好地再现经典理论结果.     

基于分数阶对流扩散方程的悬沙垂向分布

为模拟荆江河段的悬移质含沙量在近底区域内异常偏高的分布特性,对比分析了平衡态方程(Rouse公式)、非平衡态方程(韩其为公式)和分数阶方程在描述荆江河段次饱和悬沙垂向分布的适用性。分析结果表明:平衡态方程不能描述强次饱和态悬移质含沙量的垂向分布特性,非平衡态方程在水深大部分区域应用较好但不适用于近底区域,分数阶方程可以较好地描述强次饱和水体含沙量在全部水深区域包括近底层的异常变化,但对公式中新出现的分数阶参数需合理取值。     

草原生态食物链对人类活动干扰的响应

运用非线性动力学方法，建立在人类活动干扰下，草原生态食物链上肉食种群一草食种群一草地资源三者的微分动力系统模型。并对平衡态进行数值模拟，研究草原生态食物链对人类活动的干扰随时间变化作出的响应．研究结果表明：①系统达到平衡时。草地资源密度与草食对肉食种群的转化率成正比，与自身退化率、草食种群的消费率成反比，表明三者间的密度调节与制约机制；②草地资源的退化率m3大于生长率ra时，草地资源密度先迅速下降继而迅速上升；草食种群与肉食种群均逐步灭绝，表明人类应充分保护草地资源，更要限制牲畜放牧的强度，选择合理的捕杀强度是维持食物链生态平衡和保证生产效益的关键．在此基础上，文章对协调人类活动与草原生态环境的健康发展提出了建议．     

具有Beddington-DeAngelis功能反应函数捕食模型正稳态解存在性

利用反应扩散方程研究具有响应函数的种群动力学捕食模型已成为非线性偏微分方程领域中的一个非常重要的研究方向.利用拓扑度理论、指数理论、椭圆方程估计理论和极值原理研究了一类带有混合边界条件的Beddington-DeAngelis功能反应函数的捕食模型.结合一定的数学分析技巧,获得了捕食模型解的渐近性态和至少存在一个正稳态解的条件.鉴于种群的长时行为与捕食反应扩散系统相应的平衡态问题密切相关,因此研究捕食反应扩散系统正平衡态解的存在性有着十分重要的理论和现实意义.     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

阶段结构竞争生态数学模型的动力学行为

研究一类具有阶段结构的竞争生态模型，运用微分方程定性理论方法，讨论了务类平衡态的性质，得到正平衡态存在稳定的条件。     

黑河下游绿洲苦豆子种群的空间分布及特征

苦豆子是黑河下游绿洲草本群落的优势种,在绿洲防风治沙与生态环境恢复和重建中具有其他植被难以替代的生态作用.本研究的目的是调查黑河分水后苦豆子种群的分布状况.基于高分辨率遥感数据结合实地调查,对苦豆子种群盖度和生物量空间分布及特征进行了量化.研究结果表明:研究区内苦豆子种群平均盖度达到36.05%,分布面积比例为23.92%,单位面积生物量为215.98 g/m~2;苦豆子主要沿河流分布,盖度大于40%的苦豆子种群分布在距离河岸500 m内.与几年前的调查结果相比,苦豆子种群在近几年内得到了一定的恢复.     

改进的自适应遗传算法及其工程应用

引进小生境技术、种群迁移以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进,从而建立了改进的自适应遗传算法,改善了传统的遗传算法局部收敛和早熟的现象,大大加快了全局搜索的速度以及搜索全局最优解的概率.工程实例表明:提出的改进自适应遗传算法应用于岩土工程的位移反分析具有搜索速度快、精度高等优点;同时对初始种群的形成方式、种群规模以及最大杂交概率、最大变异概率进行了参数分析.     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

基于合成时空谱的多目标运动分析

针对水下多目标的检测与定位问题，提出了一种基于合成时空谱的多目标运动分析方法．该方法可对多个弱目标同时实现检测、定位、跟踪和运动分析，避免了多目标跟踪中的数据关联、轨迹交叉等信号处理难点，提高了算法的适用性．研究利用遗传算法的小生境技术，实现了多目标的运动参数估计．仿真结果表明，在低信噪比情况下，对强度不等、轨迹交叉的2个目标仍可进行有效地定位和跟踪．     

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处，提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来；在全局搜索过程中，作为一种小生态遗传算法，排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和予代个体中的优胜者；在局部搜索过程中，首先对局部群体中的个体赋予Pareto强度，然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。     

一种约束多模态函数优化免疫遗传算法

通过引入局部检测函数,将约束多模态优化问题转化为约束多目标优化问题.进而,基于克隆选择原理和Pareto控制概念,提出一种求解该多目标优化问题的免疫遗传算法.算法设计中,基于非控制分层和小生境思想,产生具有足够多样性的进化群体,进而依据克隆选择原理和基因互换机理设计进化模块,对进化子群进行岛屿式进化,力求获得问题的所有...     

Dynamic Niching Genetic Algorithm with Data Attraction for Automatic Clustering

A genetic clustering algorithm was developed based on dynamic niching with data attraction. The algorithm uses the concept of Coulomb attraction to model the attraction between data points. Then, the niches with data attraction are dynamically identified in each generation to automatically evolve the optimal number of clusters as well as the cluster centers of the data set without using cluster validity functions or a variance-covariance matrix. Therefore, this clustering scheme does not need to pre-specify the number of clusters as in existing methods. Several data sets with widely varying characteristics are used to demonstrate the superiority of this algorithm. Experimental results show that the performance of this clustering algorithm is high, effective, and flexible.     

一种基于聚类分析的小生境微粒群优化算法

为了寻找多峰函数的多个极值点,在标准微粒群优化算法的基础上,提出一种基于聚类分析的小生境微粒群优化算法.采用基于密度的聚类分析方法辨识和构造小生境微粒子群,通过这种多子群方法,可以保持种群多样性,直接搜索到所有的局部/全局最优点.实验测试结果表明,该算法对一元函数优化和多元函数优化都有很好的效果.图6,参10.     

A new evolutionary algorithm for solving multi-objective optimization problems

Multi-objective optimization is a new focus of evolutionary computation research. This paper puts forward a new algorithm, which can not only converge quickly, but also keep diversity among population efficiently, in order to find the Pareto-optimal set. This new algorithm replaces the worst individual with a newly-created one by “multi-parent crossover”. so that the population could converge near the true Pareto-optimal solutions in the end. At the same time, this new algorithm adopts niching and fitness-sharing techniques to keep the population in a good distribution. Numerical experiments show that the algorithm is rather effective in solving some Benchmarks. No matter whether the Pareto front of problems is convex or non-convex, continuous or discontinuous, and the problems are with constraints or not, the program turns out to do well. Foundation item: Supported by the National Natural Science Foundation of China(60133010, 60073043, 70071042) Biography: Chen Wen-ping ( 1977-), female, Master candidate, research direction: evolutionary computation.