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．     

创发性 DNA 计算模型及其混沌系统辨识过程

针对非线性信息处理的特点,提出了一种新的ＤＮＡ计算模型．该模型以创发性机制为基础,引入合理的元进化算子,并由混沌动力学系统构造相应的演化过程．所设计的与上述模型相联系的混沌进化算法,属于一种新型的ＤＮＡ算法．从将其应用于Ｈéｎｏｎ方程辨识的结果来看,所构造的模型和算法是有效的,由于非线性控制系统中混沌现象的存在,它们在自适应控制器的设计和应用中具有重要的科学意义和较为广阔的前景．     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。     

基于自适应构件的软件架构的研究

针对当前软件开发中面临的需求及环境多变的情况,提出了一种自适应软件架构的模型。通过对自适应架构的描述给出了各部分的结构框架,同时阐述了在构件模式下自适应的实现方法,对于构件数据表示方法及自适应进化过程亦做出了说明,提出了基因计算为中心,进化算法为基础的结构模式改善系统稳定性和适应性。     

基于正态变异的思维进化计算

将正态变异引入到思维进化计算中, 提出了一种新的基于正态变异的思维进化计算.在算法中采取了自适应策略.试验结果表明该算法具有高效的收敛速度, 并能收敛到全局最优点.与遗传算法(Genetic Algorithm, GA)和传统的思维进化计算(Mind Evolutionary Computation, MEC)进行比较分析, 该算法收敛速度更快, 收敛率更高.     

图像增强技术中的智能算法

提出了一种基于粒子群与模拟退火算法相结合的进化算法.该算法利用模拟退火算法全局收敛性好和粒子群算法收敛速度快等优点，通过交换这两种算法的信息得到最优解.将这种新算法应用于灰度图像的自适应增强，实例计算表明该算法稳定性好，在收敛速度和求解精度方面都优于遗传算法等一些其它进化算法.     

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。     

基于差分进化的图像自适应增强方法

图像增强是图像处理中重要的步骤之一,基于非完全Beta函数变换的图像增强办法能够获得较为理想的增强效果.然而合理的Beta函数参数选取一直没有得到很好的解决,常需要人工干预或者计算非常耗时.差分进化算法是一种新型的进化计算方法,具有自适应、自组织等智能特性和强大的寻找优化解的能力.这里将差分进化算法用于Beta函数参数的自适应选取,实现了基于差分进化算法的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性.     

遗传算法在预拌混凝土配送中的应用

针对预拌混凝土(RMC)配送的特点,建立了双目标RMC配送优化模型,并采用自适应遗传算法对该模型进行求解.在进化过程中采用了小生境技术保持群体多样性,并结合自适应遗传算法优化进化参数.另外,采用帕累托边界法为双目标提供多个方案,以便决策者可根据实际情况进行最终选择.     

自适应神经网络在短期负荷预测中的应用

采用基于混沌算法的自适应预测模型,应用于电力系统短期负荷预测.选取重构相空间中的饱和嵌入维数作为神经网络的输入节点数,适当选择非线性反馈项,能使网络的动力学在权空间具有混沌行为.通过进化算法建立一种自适应机制,使得网络能够根据学习和训练的结果优化非线性反馈项.算例表明,该算法具有很强的自适应能力和鲁棒性,精度高.     

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。     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。     

两段不对称非线性系统的自适应控制新算法

针对两段不对称非线性系统，分别就非线性部分已知和未知两种情形提出了基于极点配置控制策略的自适应控制新算法，非线性部分已知时，该算法不仅能保证全局稳定性，而且能渐近跟踪一大类参考输出，非线性部分未知时，提出了一种新的辨识方法，使原耦合在一起的线性动态部分和非线性静态部分的参数分开进行辨识，新算法可用于非最小相位系统，并且可辨识的参数少，因此减小了计算量，仿真表明新算法的良好性能。     

一类自适应遗传算法

简要介绍了徐宗本教授新近提出的可分解／可拼接遗传算法编码,并证明了一个得用对偶适应函数判定已知个体是否为相对全局最优解的判据,基于新的编码与判据,分别在种群层次与基因层次发展了动态变异与动态选择操作,进而提出了一类自适应遗传算法,对其原理的分析表明,新算法可用于求解所给问题的任意精度解,且在很大程度上可避免遗传算法早熟现象,此工作是对模拟演化自适应计算技术的有效探索。     

三级直齿圆柱齿轮减速器的非线性数学模型

非线性数学模型是开展非线性系统研究工作不可缺少的基础之一文章在对级间耦合简化的基础上建立了三级直齿圆柱齿轮减速器的多自由度非线性数学模型该数学模型首先用非线性微分方程组来表达，然后将其化为状态变量空间表达形式它可直接用于非线性微分方程的求解，也可作适当的简化以满足不同场合的需要该模型在计算中应用了解刚性方程的方法，在大多数直齿圆柱齿轮传动的应用场合，都可以给出相当精确的结果此模型给出的解答与某火炮伺服系统用减速器的现场试验结果是一致     

一种采用整数编码的全局优化算法

基于演化计算的群休搜索技术，采用整数编码构造遗传算子和自适应函数，对n皇后问题进行求解，实验结果表明，本算法具有快速、有效的特点。     

利用光束波前畸变扫描研究介质的非线性光学性质

利用光束波前畸变扫描来研究材料的非线性光学性质是近来提出的一种简便有效的方法，着重讨论了在检测中材料的非线性因素所产生的影响，特别是样品的吸收机制对检测带来的限制，并提出非线性吸收效应所产生的光束畸变过程，以及这一现象的机制及测量吸收与非线性折射率的过程     

基于遗传算法的排桩支护结构优化设计

基于自然选择和自然基因机制的遗传算法是当前处理复杂非线性模型的一种新的优秀方法。为此,文章建立了悬臂式排桩这一基坑支护结构形式的数学模型,并运用改进遗传算法对设计参数进行优化调整;结合以实际工程资料为背景的支护案例进行优化。计算结果表明,设计参数既满足约束条件,又可降低工程造价,从而显示了该方法的有效性,具有一定的参考价值。