技术进化的数量分析

技术进化是技术哲学中的一个重要课题。技术进化实质上就是对其进行描述的标度数量的增长并发生质的提高过程。首先阐述了技术是一种复杂的社会现象，分析了技术进化的历程，给出了技术进化的标度，从量的视角探讨了技术进化的动力模型，同时对技术进化过程中的突变进行了定量分析。为技术进化的数量研究，提供了一条有益的途经。     

东北师范大学在“高等植物杂交与进化”研究领域取得重要进展

远缘杂交是高等植物基因组进化和新物种形成的主要动力之一，高等植物杂交与进化的关系一直是进化生物学上有争议的热点问题之一．一种观点认为，由于种间杂种在适合度（fitness）上的普遍劣势，杂交阻碍了进化；另一种观点则认为，杂交可以综合亲本种的适应性或创造出新的适应性，丰富基因库、拓宽生境，进而促进基因组进化和新种形成．可成活远缘杂种有3种主要命运：形成多倍体、二倍体重组或与亲本种之一回交（又称渐渗杂交）．近年来基因组学的巨大进展，解释了高等植物多倍体普遍性的原因，在二倍体重组途径导致新种形成的研究领域，也取得突破性进展，但关于第3种途径，即渐渗杂交在进化上的意义，实验性研究不多．     

基于函数分解的可伸缩宏进算法

基于函数可分解性提出可伸缩的宏进化算法，宏进化算法以子函数的独立进化为竞争式进化内环，而以子函数间的协调进化为合作式进化外环，算法采用多父本杂交算子，从数学上初步分析了该算法收敛性与函数分解粒度数之间的指数级关系，指出宏观进化算法的效率高于传统进化算法，数值仿真与理论分析结果一致，表明宏进化算法的效率主要由函数的分解粒度决定，是一种可伸缩的进化算法，具有实际工程应用价值。     

认知进化观:认知科学研究范式的新取向

认知科学在其发展过程中经历了几次研究范式的转换，认知进化观的兴起是认知科学各学科多层次整合的表现。在心理学领域，进化心理学采用功能分析的方法分析适应性行为下的心理机制和特征。在人工智能领域，采用进化计算和遗传算法探讨人工生命的适应性行为。在神经科学领域，是对神经网络的自组织机制和神经系统的可塑性进行考察。认知进化观的缺陷是自然主义的计算与进化，忽视了人的历史文化性。认知进化观作为一种新方法论，为智能研究带来了生机。     

法学研究的新范式——进化生物学范式及其展望

进化生物学已对几乎所有社会科学产生影响，并成为经济学、心理学和人类学等学科的主导研究范式之一，但在法学研究中仍未取得与之相称的进展。进化生物学既研究有机体进化也研究文化进化，法律是一种文化现象并有其进化上的根源，因而在法学研究中引入进化生物学范式就成为可能。     

生物入侵的适应性进化及其影响

生物入侵给世人提供了很多种群快速适应性进化的经典模型和生动实例。从入侵种的适应性进化的遗传学基础、生理生态特征、繁殖适应特征以及入侵种的适应性进化的影响等4个方面综述了国内外在入侵种的适应性快速进化的研究现状以及存在的问题。中更强调入侵种的推动入侵事件进程的内在特征以及入侵种与其所处生物非生物环境的相互作用，这些信息将有助于理解入侵事件中影响入侵成败的关键因素。     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ计算模型。Ａｇｅｎｔ作为自主活动的实体，在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ的不断进化，获得问题的最优解。详细叙述了Ａｇｅｎｔ的进化行为，给出了实现该模型的算法流程，并讨论了该算法在图像边缘检测中的应用。实验结果表明，该模型算法具有快速，高效等优点，特别适用于特征提取及检测问题。     

用模糊选择法提高进化算法的效率

提出了进化算法中选择优良个体的一种方法－模糊选择法。这种方法通过对个体的适应度进行模糊化处理，实现对优良个体选择。基于模糊选择法的进化算法应用于曲线回归和极值求解。结果表明，该方法是一种有效的优良个体的选择方法，它能显著地提高进化算法的效率。     

基于进化技术电路设计的研究

基于进化技术电路设计是目前正在发展的新兴研究领域，主要概述了一种进化电路的方法，分析并指出了竿化电路设计的几个因素以及研究方向。     

基于改进量子头脑风暴算法的UAV三维航迹规划

针对复杂环境中的无人飞行器航迹规划问题，提出了一种基于改进量子头脑风暴优化(QBSO)算法的UAV三维航迹规划方法．在进化前期，两个种群独立进化，从而提升算法的全局搜索能力．在进化后期，对每个种群中的个体进行排序，每个种群中较优的(排名前50%)个体形成一个新种群，该新种群按照QBSO的进化机制继续进行进化，从而加快算法收敛速度．此外，为进一步提升算法的全局搜索能力，提出了一种改进的待变异个体产生方式．实验结果表明：与基本BSO、QBSO、改进BSO及全局最优BSO算法相比，改进QBSO算法在解决航迹规划问题上具有更高的全局搜索能力、收敛精度和更强的稳定性．     

同工酶及其在爬行动物系统学中的应用

指出同工酶技术是研究生物蛋白质结构和功能的一种比较有效的方法，通过对生物同工酶的研究，可了解物种的进化及分类关系．并对同工酶概念的产生及其发展，以及在爬行动物单性种的起源、种群的分化和种间进化研究中的应用等进行了综述．     

苔鲜植物的生态变异及其分类学中的生态学准则

同其他高等植物一样，在苔藓植物的分类过程中，形态学特征仍然是一种主要的准则，然而，由于苔藓植物具有较大的可塑性，使得其生态学准则在具体的分类学中具有不可忽视的作用，尤其在种及种以下的分类，另外，从进化的观点来看，生态因子对进化必然起着重要的作用，本文将探讨生态因子在苔藓植物进化上的作用以及苔藓植物的生态变异在其分类学上的意义。     

利用RBF网络设计类PID控制器新方法

提出一种利用RBF网络设计PID控制器的优化方法，将进化计算与PID控制器及RBF网络的优点结合在一起，对传统进化方法进行改进，将小生境技术引入算法，有效地克服了早熟收敛，简化了计算，仿真实验验证了方法的有效性．     

并行遗传算法收敛性分析及优化

针对并行遗传算法（parallel genetic algorithms，PGA）容易出现收敛过快和陷入局部最优解的问题，综合多种不同进化策略遗传算法之所长，设计了一种混合的粗粒度并行遗传算法。该算法由多个独立的子群体组成，各个子群体并行的、独立的、按照不同的遗传进化策略进化，每隔一定的时间，在子群体之间进行最优个体的迁移，促进群体的共同进化，并抑制群体早熟。在PVM环境下，用该算法实现函数优化问题，仿真实验数据表明了其有效性．     

硬件进化的快速算法模型研究

针对硬件进化(evolvable hardware，EHW)存在的进化规模的扩展能力问题，研究了以内嵌式EHW的自适应要求为条件的染色体表示及计算复杂性问题．为提高遗传机器学习计算效率，根据FPGA(field programmable gate array)内部的结构特点，将可重构硬件的结构映射为遗传学习的染色体表示，提出一种符合EHW要求的二雏染色体的遗传机器学习方法——ISPitts，构造了一种动态遗传机器学习框架．实验结果显示，新方法不仅完成了四位比较器的内嵌式EHW实现，而且具有较高的进化效率．     

基于信息论测度的进化计算策略

提出了一种新的进化计算策略，综合了信息论测度与最优决策过程，提出并证明了该计算体系的有关性质和定理．该进化计算策略有助于非线性系统的自适应辩识和预测，具有较为广泛的应用前景．     

计算工程优化问题的进化策略

本文研究用进化策略结合非光滑精确罚函数求解工程优化问题，提出了一种新的进化策略。理论分析和大量实验表明，新算法具有收敛速度快和稳定性好的优点，可用于各种实际工程的优化计算。     

PBIL进化算法及其应用

进化计算是近年来发展起来的一种搜索方法，广泛用于求解各类问题，ＰＢＩＬ算法与传统的进化算法不同，将进化获得的知识－学习概率用以指导后代的产生，使搜索更具方向性，因而往往能取得更好的效果。     

另类军备竞赛:蝙蝠VS昆虫

提起军备竞赛，大家的第一反应肯定是冷战时期的美国和苏联。但是你知道吗?其实，动物界也存在这样的军备竞赛，那就是动物之间为了生存的适应和反适应，即协同进化现象。所谓协同进化，就是一个物种的某一特性由于回应另一物种的某一特性而进化，而后者的该特性也同样回应前者的特性而进化。简单来说，就是一种动物有着捕食某种动物的方法，而另一种动物又进化出对付捕食的手段，然后周而复始地在自然界中共存。当然，这个变化的周期从人类的角度来看是很漫长的。     

遗传算法在建筑物沉降预测中的应用

结合遗传进化算法的全局优化思想和时间序列分析的基本理论，提出了一种新的基于遗传算法的建筑物沉降非线性动力学行为预测模型进化识别算法。设计了模型结构和参数分别进化，共同识别方案，实现对非线性时间序列分析模型结构和参数进行全局最优搜索。实例分析结果表明：该方法具有较好的预测精度和推广预测能力，为高大建筑物沉降预测提供了一个有效的分析工具。