遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

基于BP神经网络的压力传感器非线性校正方法

采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿，有效地改善了BP传统算法收敛慢、容易收敛到局部最小点的缺陷，并编制了训练程序．结果表明，经BP改进算法处理后，传感器性能大幅度改善，网络的收敛速度更快，精度更高．     

山西三个地区短额负蝗的RAPD分析

采用随机扩增多态性DNA(RAPD)技术对山西短额负蝗3个种群(繁峙、原平和太原)45个个体进行扩增，10条随机引物扩增共产生了125条带，多态性片段为121条，种间共有片段为5条．Nei’s基因多样性指数对RAPD数据的分析表明：种群间的遗传分化系数为0．2206，22．06％的遗传变异存在于种群间，用NJ法和UPGMA法对这三个种群的Nei’s遗传距离作聚类分析，结果显示：原平种群和繁峙种群遗传分化较小，太原种群与它们的遗传分化较大，由Nei’s遗传一致度和遗传距离可以看出，繁峙种群和原平种群的遗传距离最小为0．0852，它们与太原种群的遗传距离较远，结果表明短额负蝗不同种群的遗传分化程度与遗传距离和地理距离呈正相关。     

人工免疫C-均值聚类算法

通过借鉴生物免疫系统中的克隆选择原理和记忆机制，提出了一种人工免疫C-均值混合聚类算法．该算法采用了新的克隆选择方法，通过亲和度排序和个体浓度定义了个体的选择概率，从而可确定个体的适应值评价函数，以评价和选择个体．算法还集成了一种C-均值搜索算子，用于加快收敛速度．在聚类数目已知的情况下，所提算法能够得到给定数据集下的全局最优划分，与基于遗传算法的聚类方法比较，它具有更快的收敛速度和更高的收敛精度，并可扩展到性能指标能够表示为优化聚类中心函数的聚类模型之中．仿真结果表明，所提算法是有效性的．     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．     

二相混合式步进电动机的微步驱动方式研究

对二相混合式步进电动机的微步驱动方式提出了不同于传统的新分类,着重研究了电流追踪型的几种驱动方式.汲取电流滞环控制及固定开关频率控制的优点,提出恒频脉宽调制型微步驱动方式,解决了检测电流波形必须完整的问题.仿真及实验结果验证了这种驱动方式的可行性及有效性.     

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。     

[Zn(C4H13N3)2][B5O6(OH)4]2的水热合成、晶体结构和振动光谱

通过水热法合成了无机-有机杂化硼酸盐[Zn(C4H13N3)2][B5O6(OH)4]2,并通过红外与拉曼光谱分析以及元素分析对化合物进行了表征.X射线单晶结构分析结果表明,晶体属于单斜晶系,P2(1)/c空间群,晶胞参数:a=0.856 96(14)nm,b=1.178 07(19)nm,c=1.454 2(2)nm,α=90°,β=91.260(2)°,γ=90°,Z=2,V=1.467 7(4)nm3,Dc=1.602 g/cm3.五硼酸根阴离子[B5O6(OH)4]-之间通过氢键相互连接形成三维的框架结构,沿着a轴和c轴的方向存在大的孔洞,模板剂[Zn(C4H13N3)2]2 阳离子镶嵌在这些孔洞中.     

混合加速寿命试验模型下威布尔分布参数的统计分析

在混合加速寿命试验模型（序进应力加速寿命试验和恒定应力加速寿命试验相结合）下，讨论了寿命分布为威布尔分布时的参数估计问题，给出了形状参数的逆矩估计以及加速系数的置信区间．并且随机模拟一组样本，验证了这个方法的有效性．     

基于遗传算法扶梯驱动机模糊可靠性优化设计

应用啮合理论和模糊可靠性优化理论，以自动扶梯驱动机主传动机构中蜗杆传动的效率及中心距为目标函数，选取必要的设计参数，并使用改进的遗传算法，对驱动机中的蜗杆传动进行模糊可靠性优化设计．结果表明，该算法具有较强的全局收敛性，且收敛速度和稳定性有所提高，与传统设计方法相比，蜗杆减速器的中心距下降了30．4％，蜗杆的相对滑动速度下降了10．12％，综合曲率半径增大了17．34％．