基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值,并且将遗传算法与ＢＰ算法结合,能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛,实验结果令人满意。     

演化计算研究进展

系统地介绍了演化计算的历史与研究现状,并分别演算化计算的基础理论,设计准则与应用水平,演化计算了内涵等提供了相应的观点。     

基于动态群体的聚集演化求解多峰函数优化问题

指出了现有的演化算法框架都是群体固定的演化迭代过程，对求解多峰函数优化问题时由于无法事先得知峰值点的个数而很难确定合适的群体大小，影响了算法的效率，提出了一种群体动态可调的演化方式，使得初始群体大小可任意指定，在演化过程中通过聚集和按比例引入新个体两个过程而动态变化。实验表明，该算法能尽可能多地定位峰值点。     

极度并行算法发展动态

非线性现象与复杂系统的研究推动着计算机的极度并行化,计算机的极度并行化又反过来推动着非线性现象的研究。神经系统既是一个复杂的非线性系统,也是一个极度并行处理系统。它能给我们一些什么启示呢?     

异步并行算法展望

计算机在系统结构方面的“并行化”发展趋势,必然引起数值分析算法的“并行化”,异步并行算法就是因此而发展起来的。《异步并行算法展望》一文对这类新的并行算法作了较详细的介绍。