一种新型的单芯片级可进化硬件系统

针对可进化硬件（EHW）系统的需求,设计实现了FDP-2-SOPC芯片,芯片中嵌入了CPU和FPGA两种IP核,可实现硬件电路的重构和进化;以该芯片为系统核心建立了一种新型的软硬件结合的单芯片级EHW系统.为了提高电路重构速度,设计了针对EHW需求的快速局部重配置技术;为提高遗传算法的执行速度,设计了专用的随机数产生器...     

基于谓词逻辑和约束网络结构的遗传编程方法

提出了一种新的谓词型遗传编程方法,该方法包括:待求解问题论域的函数空间约束、遗传算子的谓词逻辑表达、谓词结构推理下数值参数空间的混沌式遍历及发生机制以及非线性方式下自适应进化和非监督学习的综合。整个过程是在约束网络的基础上,以谓词逻辑表达机制为核心实现的函数结点集合约束下的数值型进化计算过程。该方法可被认为是对现有遗传编程技术的改进,克服了LISP型及其C仿真型遗传编程算法在各种表示手段方面的缺陷,提高了计算效率,在系统辨识中的应用实验表明了是有效和实用的。     

变粒度协同进化设计算法及其在卫星舱布局设计中应用

采用进化算法求解复杂卫星舱布局问题时,算法容易陷入局部最优,且干涉计算复杂度高,计算耗时长.为提高对复杂解空间的搜索能力,基于协同进化算法,将问题分解为若干子问题求解;为减少计算耗时,子问题求解时采用了一种设计变量的变粒度策略.称上述方法为变粒度合作式协同进化算法(CCEA-CFG).卫星舱布局优化数值实验表明,与目前常用的几种布局求解算法(遗传算法、协同进化算法以及遗传/粒子群算法(QPGP))相比,CCGA-CFG(基于GA的CCEA-CFG)具有较好的计算质量、计算效率和计算鲁棒性.     

粗糙集的RBF表示与非监督模式分类

提出了一种粗糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙集的语义表达进行了有效的描述，并构造了其自适应自组织的遗传学习机制．其创新性主要表现在：（１）通过ＲＢＦ网络有效地构造了粗糙集在模式分类中的自适应表示形式；（２）在遗传算法中引入了元进化自调整机制；（３）以粗糙集意义下的非线性映射方式提高了模式分类的计算效率．图３，表１，参４．     

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

中国海水鱼类核型研究概述

染色体是遗传物质的载体，是细胞中最重要的结构．研究染色体的形态和结构．有助于了解生物的遗传组成、遗传变异规律和发育机制，而且对预测种间杂交和多倍体育种的结果、了解性别遗传机理以及基因组数、物种起源、进化和种族关系的鉴定都有重要的参考价值．我国从上世纪70年代初开始淡水鱼类染色体的研究．海水鱼类染色体的研究相对较晚，1987年才见到海水鱼染色体研究的相关报道，至今近20年中，已经对7目24科76种海产鱼类的核型进行了研究，约占我国近3100种海水鱼类的2．4％．本文简要概述了近20年来我国海水鱼类染色体核型的研究状况．包括研究种类．采用的研究方法．并对我国海水鱼类核型研究中存在的问题进行探讨．     

面向复杂电磁环境的容错电路系统设计技术

为解决复杂电磁环境中冗余容错电路系统容错形式单一、容错能力有限、冗余单元利用不充分和可靠性低等问题,提出了一种新颖的交互式-协同故障容错(ICFT)技术。根据整个电路系统预期输出信号,利用硬件本身冗余无故障单元替换故障单元。结合硬件演化(EHW)和补偿平衡技术(RBT),当冗余无故障单元不足时,采用被动式ICFT技术对既有故障实现容错。当采用被动式ICFT技术失败时,采用主动式ICFT技术,通过注入故障并重新分配子电路功能实现容错。仿真结果表明:与常规冗余容错(CRFT)和硬件演化(EHW)相结合的技术CRFT-EHW相比,采用ICFT技术能够容忍的工作电路最大故障单元累积量为41个,远大于采用CRFT-EHW技术时的16个。     

多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

染色体进化与生物进化关系研究的历史与现状

<正> 0 引言生物是进化的产物。进化是对遗传的适应性变异的选择。而遗传的变异又主要是由于染色体上的基因的突变和染色体结构、数目的改变。因此,染色体进化与生物进化有着极其密切的关系。染色体是基因或遗传信息的特定线性序列的连锁结构,也是生物进化的档案库。研究染色体进化与生物进化的关系,主要是研究染色体的化学成分,DNA含量,碱基组成和以染色体数目、形态、结构、大小等为特征的核型进化与物种形成和演化的关系,为揭示生物进化趋势提供染色体方面的科学资料。染色体的发现和命名,至今已100多年了,但染色体进化与生物进化关系的研究还是Suton和Boveri发现染色体行为与遗传因子行为的平行性,并于1903年提出遗传的染色体学说之后的事。如果从1911年W·R·B·Robertson发现等臂染色体可能是进化过程中由近端着丝粒染色体融合而来算起,至今才81年的历史。     

用于癌症分子分型的虚拟可重构结构演化硬件

根据DNA微阵列数据维数高、样本少的特点,提出了一种用于癌症分子分型的演化硬件方法.该方法是基于虚拟可重构结构的演化硬件识别方法,具备灵活、高速和自适应能力强的特点,有利于建立一个拥有高数据吞吐能力、学习结果易读的高效分类系统.采用信噪比的方法进行特征选择,对选择的基因经过归一化和二值化,然后用演化硬件识别系统通过系统学习和系统分类2个阶段进行处理.急性白血病分类的硬件实验结果表明:演化硬件的识别率和识别时间分别达到了95.88%和0.12μs.     

参数并行：一种基于群启发式算法的机器学习参数寻优方法

针对机器学习算法超参数寻优效率低的问题和参数寻优主流算法的特点,提出了一种基于参数并行机制的机器学参数寻优方法。该方法利用群启发式算法来进行机器学习算法的参数寻优,将种群转换为Spark平台特有的弹性分布式数据集,针对参数寻优耗时特点并行计算种群中个体适应度。选取随机森林和遗传算法作为实验算法设计了多组实验对所提出的学习训练方法进行验证。实验结果表明,在20万条以下的小数据量下,文中提出的基于参数并行机制的机器学习参数寻优方法与基于数据并行机制的机器学习参数寻优方法相比,运行时间最多能够减少2个小时,并具有良好的可扩展性。     

基于特征选择ELM的乳腺肿块检测算法

乳腺肿块检测是防治乳腺癌的有效途径,基于乳腺X射线图像特征模型的极限学习机(ELM)分类算法已被应用于计算机辅助检测乳腺肿块中.针对由于特征间的依赖性导致的ELM学习效率和检测准确度低的问题,提出了基于特征选择ELM的乳腺肿块检测算法.利用影响值选择、序列前向选择和遗传选择等方法进行特征选择,进而利用该结果提高ELM的性能.通过490例来自辽宁省肿瘤医院的乳腺X射线图像的实验表明,基于特征选择ELM的乳腺肿块检测算法能有效提升乳腺肿块检测的效果,其中以遗传选择对ELM性能提升最明显.     

在内部演化硬件中实现自适应变异参数控制

为了在演化过程中优化演化算法性能和避免花费大量时间在演化算法的参数设定中,设计了一种新颖的基于硬件实现的自适应变异比率控制方法.为了实现自适应特性,变异比率控制参数也被编码到染色体中作为附加的基因经历演化操作.本方法的有效性将通过和传统的采用固定变异比率的演化算法在演化4-bit偶校验函数(even-parity function),2-bit乘法器和3-bit乘法器的对比实验中进行证明.实验平台建立在一个完全FPGA实现的内部演化硬件上,它的设计思想来源于笛卡尔遗传程序(Cartesian Genetic Programming).在所有实验中,基于自适应变异比率控制的演化算法的性能明显优于传统的采用固定变异比率的遗传算法.     

基于状态转移算法的极限学习机

目前极限学习机在训练模型时存在占用计算资源多和模型精度低等问题. 为了解决上述问题,提出了一种基于状态转移算法的极限学习机,可提升算法计算效率和模型精度. 利用状态转移算法的全局搜索特性求解线性方程组,得到极限学习机的输出权重矩阵,进而完成建模. 在分类和回归数据集上与极限学习机和其他主流算法进行对比,所提方法可以利用较少的隐藏层节点得到高精度的模型,同时具有更好的学习准确率. 这种高性能的建模方式弥补了极限学习机的不足.      

基于迁移学习和支持向量机的白细胞分类

针对人工镜检分类白细胞准确率和效率低的问题,基于深度学习和机器学习算法,提出了一种基于迁移学习和支持向量机的白细胞分类方法.首先对迁移模型进行微调训练,其次用微调训练后的迁移模型进行特征提取,然后将特征输入至神经网络和支持向量机中进行训练,最后通过神经网络和支持向量机的组合分类器对白细胞进行分类.实验结果表明,白细胞分类准确率由最初微调训练的83.26％,随着迁移模型的优化提升为90.43％,最后通过组合分类器再次提升为93.52％,可以在临床实践中帮助医生提高诊断的准确率和效率.     

基于仿生方法的SOC模型构建

通过对CPLD／FPGA器件具有功能可编程特性、参数可配置特性、结构可重构特性的分析，建立了片上系统和生物系统的映射关系；在前人提出的进化硬件(Evolvable Hardware，EHw)、POE模型、电子胚胎和EDA工程的仿生设计方法的基础上，构建了片上系统的生物模型．     

考虑投放期、交货期和机器准备时间的平行机问题改进遗传算法

针对考虑工件投放期、交货期和机器准备时间的平行机问题，分别以最小化最大机器完工时间和最小化工件总延期惩罚费用为优化目标，建立相应的平行机问题模型，提出一种求解该问题的改进遗传算法。该算法中采用了基于工件和机器的多参数级联编码，染色体由工件子串和机器子串连接而成；提出了机器的加工能力、加工能力指数和冗余机器集的概念及相应的初始种群生成方法；对工件子串采用部分映射交叉，而对机器子串不作交叉运算；在变异算子中，提出基于机器负荷的启发式变异算子。     

基于CNN的水表故障检测算法研究

合格水表运行一段时间后可能出现硬件故障,造成水费计量异常。为避免此问题,传统上采用机器学习方法（例如支持向量机）分析水表日常读数以判断水表是否出现故障,但该方法常因人工选择特征不当而导致检测性能不能满足实用要求。为解决该问题,本文利用卷积神经网络（CNN）卓越的特征提取能力,根据水表日常读数自动提取水表故障特征,在此基础上提出一种基于CNN的水表故障检测方法,并通过大量实验对检测模型进行了参数优化。对比实验结果表明,本文所提方法相比于支持向量机和集成学习方法,具备更高的检测性能,且检测精度满足实用需求。