符号回归的一种新算法

基于头身尾三段结构的基因表达式程序设计方法,提出一种改进算法。新算法有三大改进:(1)采用模拟退火选择策略避免早熟;(2)用基因库技术保存优势基因,既加速了算法的收敛性,又提高了解的质量;(3)使用二次演化进一步提高解的精度。符号回归实验结果表明,新算法比原基因表达式程序设计算法和遗传程序设计算法收敛更快,精度更高。     

基因表达式程序设计的GRCM方法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题的时候比遗传程序设计在速度上优越两个数量级以上。在基因表达式的基础上,提出了基因阅读运算器方法,此方法不需要把染色体转换为表达式树,而是直接对染色体进行操作得到该染色体的适应值。实验表明,采用这种方法不仅简单有效,而且能提高运算的速度。     

面向对象区域分裂并行计算环境的研究

介绍了区域分裂法以及它的灵活性和多样性，提出了一个面向对象ＤＤＭ并行计算模型并讨论了基于此模型的软件环境的实现问题，给出了一个解Ｐｏｉｓｓｏｎ方程的Ｄｉｒｉｃｈｌｅｔ问题的应用实例。     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.     

用遗传程序设计实现复杂函数的自动建模

采用遗传程序设计的方法实现复杂函数的自动建模，程序中用树的分层结构表示复杂函数，并设计了相应的遗传算子(包括杂交算子和变异算子)以及停机条件。实例测试的结果表明采用遗传程序设计的方法得到的模型比传统的方法得到的模型要好，甚至优于专家设计的一些模型。     

人工脑的三维模型及应用

将二维人工脑模型推广到三维，并给出了一个实验应用算例，还将二、三维模型的计算结果进行了对比，发现三维模型的计算效果明显优于二维模型。     

演化算法行为分析——基于全局随机搜索的理论刻划

根据候选解空间上抽样分布的构造和计算来描述演化算法的行为，抽样分布的迭代构造是利用基于代（ｇｅｎｅｒａｔｉｏｎ）方法的全局解机搜索思想来刻划，在这种框架下，比例选择看成是全局随机搜索算子，复合看成是开发候选解相似性的搜索过程，研究表明：适当地限制复合算子的搜索宽度，能够保证演化算法弱收敛到全局最优解。