基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

遗传程序设计在脑干听觉诱发电位建模中的应用

脑干听觉诱发电位(BAEP)对神经学和听力学有着重要价值。利用遗传程序设计(GP)研究BAEP的Ⅴ峰潜伏期，Ⅴ峰和Ⅰ、Ⅲ峰波幅比值与刺激声强之间的函数关系，实现模型的自动获取，以指导临床应用。除基本的遗传操作外，GP方法采用迁移式模型，通过复杂度惩罚控制算法树膨胀。实测数据的建模结果表明，该方法拟合误差较小，性能优于传统GP方法和最小二乘法。这种定量分析将有益于BAEP的临床检测和相关病变诊断。     

FMS任务可靠性分析模型

研究ＦＭＳ任务可靠性必须综合考虑系统的结构、加工工件集、加工线路集的影响，而且由于ＦＭＳ具有加工和线路柔性，因此用常规的串、并联关系难以建立ＦＭＳ的任务可靠性模型。本文结合ＦＭＳ的特点，提出了ＦＭＳ任务可靠性分析模型的建模方法，并将该建模方法用于一实例，作者认为该建模方法既综合考虑系统的结构、加工工件集、加工线路集的影响，又较好地解决了预计系统任务可靠性的复杂程度高、难度大等问题。该建模方法可用于：（１）确定整个系统或特定工件的关键设备，利于维修的安排；（２）确定最可靠的加工线路集；（３）确定系统在不同条件下的任务可靠性，这是ＦＭＳ任务可靠性综合预计模型的基础。     

基于多支持向量机的软测量模型

在许多工业过程控制系统中，软测量技术由于解决了输出变量难以测量的问题而被广泛应用。软测量技术的核心问题是建立优良的软测量数学模型，支持向量机（SVM）以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想，提出多支持向量机（MSVM）组合模型的软测量建模方法．该建模方法通过减聚类方法将输入空间划分为一些小的局部空间．在每个局部空间中用最小二乘支持向量机（LS-SVM）建立子模型．为解决子模型相互之间的严重相关问题，提高模型的精度和鲁棒性，各个子模型的预测输出通过主元递归（PCR）方法连接．仿真研究表明，采用该建模方法能够达到较好的建模效果。     

基于核主元分析和最小二乘支持向量机的软测量建模

软测量技术是工业过程控制和分析的有力工具，它的核心问题是如何建立学习速度快且泛化性能优良的软测量模型。提出了一种基于棱主元分析（KPCA）和最小二乘支持向量机（LSSVM）的软测量建模方法，利用核主元分析提取软测量输入数据空间中的非线性主元，然后用最小二乘支持向量机进行建模，不但降低模型复杂性，而且提高了模型泛化能力。最后将上述方法用于PTA结晶过程的软测量建模，仿真结果表明：与SVM、PCA-SVM建模方法相比，该KPCA-LSSVM方法具有学习速度快、跟踪性能好、泛化能力强等优点，是一种有效的软测量建模方法。     

GM（1，1）置零建模法及其应用

本文从ＧＭ（１，１）建模特点出发，提出了一种置零建模的新方法（简记为ＧＭ０（１，１）法）．     

复杂系统图形建模方法的研究

为了支持人们在复杂的系统环境中做出比较满意的决策，人们对决策支持系统（ＤＳＳ）进行了深入地研究。面对复杂的系统，ＤＳＳ首先需要支持决策者用模型来描述、模拟现实世界的问题。本文探讨了复杂系统建模的方法，对基本图形的建模支持方法进行了研究，并在微机上实现了一个Ｗｉｎｄｏｗｓ环境下的基于图形的建模支持系统。     

采用变长结构体编码的遗传规划及其在自适应建模中的应用

在遗传规划(GP)的实际应用中,对个体解的表达一般采用二叉树结构,并多用L isp语言中的S表达式进行个体解编码。利用M atlab中的结构体数组和符号对象,提出一种树结构的变长结构体编码方法,不仅直观、简单,而且便于各种遗传操作的算法实现。为了克服早熟收敛问题,将随机搜索与交叉、变异操作相结合,以增加种群多样性。最后应用上述编码方案分别进行一元和多元建模研究,并与原案例中所采用S表达式编码的GP,以及常用的线性回归、多项式回归等结果进行对比,结果表明:采用变长结构体编码的GP在个体解表达上比原有编码方式更加直观、有效,拟合结果也优于传统建模方法。     

基于知识网络的专家领域知识发现及表示方法

从知识网络的角度，对专家领域知识的发现及表示方法进行了研究。在分析知识内在关联的基础上，对专家领域知识进行网络建模，包括知识点建模及其关联关系建模。通过对模型进行网络分析，发现其中的群组（Clique）和子群组（Sub—Clique）。对群组和子群组中的知识点进行知识聚合，可获得知识核和知识子核，从而实现专家领域知识的准确获取和表示。该方法描述的专家领域知识可用专家领域知识网络结构图、知识表等形式表示出来，具有客观、准确等特点。文章最后给出了一个验证实例。     

基于Windows NT的复杂目标GRECO建模

ＧＲＥＣＯ技术是目前分析高频区复杂目标雷达散射截面（ＲＣＳ）最有效的方法之一。对复杂目标而言，应用ＧＲＥＣＯ方法的一个重要工作就是对目标的几何造型进行准确地建模，这样才能获得令人满意的结果。本文结合ＣＲ样条建模理论，利用（Ｇ１，Ｋ＝１）几何样条及其张量积曲面，阐述了在ＷｉｎｄｏｗｓＮＴ环境下利用ＶＣ４０与ＯｐｅｎＧＬ为ＧＲＥＣＯ方法进行建模的机制。     

基于多物种进化遗传算法的神经网络进化设计方法

针对神经网络结构设计的问题与一般结构学习方法的不足，提出了多物种进化遗传算法(SEGA)，并以MLP为例给出了基于此算法的神经网络结构进化设计方法。该方法融合了遗传算法与神经网络，具有模型搜索空间广泛、算法适应性强的特点。仿真结果表明该方法是有效的。     

极度并行计算:演化算法和演化神经网络的研究进展

演化算法、神经网络以及两者的结合作为一种极度并行的计算,已引起人们极大的注意。本文首先对演化算法的不同流派作了比较和分析;然后对演化算法与神经网络的结合作了回顾与展望,并讨论了演化神经网络的并行实现模式;最后指出了演化算法及演化神经网络有待解决的几个关键问题,为后续研究指明了方向     

论图琴的进化控制认识论

进化认识论已经成为复杂性哲学的一个新议题。从图琴有关元系统跃迁理论的著作中提炼出了其进化控制认识论，并探讨了这种认识论，特别是其中的模型论在解决复杂系统进化机理上的新突破。     

模拟进化算法研究进展

自然进化是基于种群的一种优化过程,基于生物界的自然选择和遗传机制,产生了若干优化技术,主要包括遗传算法（ＧＡ）、进化规划（ＥＰ）、进化策略（ＥＳ）。本文对这三种主要的模拟进行算法的研究进展进行了综述,探讨了三者之间的关系,并对三者的发展前景进行了展望。     

一种有效的进化规划算法

提出一种新的进化规划算法，该方法不仅能够加快普通进化规划算法的收敛速度，而且能够有效地保证种群的多样性，并用该方法求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法是非常有效的。     

基于适应度分组的进化策略

一般的进化策略都采用选择子代中最好的一部分个体替代原来的父代个体进入下一代进化,这样使那些相对劣的个体没有机会进入以后的进化过程。但每一个个体都有优良的一面,它们都有可能进化成最优解。鉴于此,根据每代群体的平均适应度将种群分为两部分:优势种群和劣势种群。父代个体以一定的比例在两组中选取,这样使劣质个体也有机会参加到进化中。仿真结果表明该方法对求解优化问题是有效的。     

进化计算与遗传算法──计算智能的新方向

本文讨论了新近得到迅速发展的进化计算与遗传算法这一新的计算智能前沿领域的进展，指出了有关研究方向。     

基于演化博弈的讨价还价策略研究

通过建立“双种群”复制动态模型,研究了有限理性假设下“多对多”讨价还价的策略演化问题,证明了只有严格纳什均衡才能成为“多对多”讨价还价的演化稳定策略. 并利用计算机仿真发现：当买卖双方种群的初始策略为随机分布时,讨价还价的演化稳定策略以最大概率收敛到对称纳什均衡,产生买卖双方最大初始期望收益乘积的纳什均衡可以比较准确地预测“多对多”讨价还价的演化稳定策略,且演化过程不必是单调的. 研究内容有助于理解“多对多”讨价还价的达成协议的一般规律,为设计多边谈判支持系统提供参考和借鉴.     

进化博弈模型中有限理性个体学习机制设计框架

进化博弈突破了传统博弈理论完全理性的限制，提出了一种动态分析方法，模型中的动态产生的根源就是个体的学习行为，因此学习机制的设计是分析进化博弈问题的基础。本文在划分决策过程的基础上提出学习机制的设计框架，并针对不同的决策阶段具体设计了不同的学习机制模型，为进一步研究进化博弈问题提供了理论依据。