群智感知网络研究现状与发展

群智感知网络由于能很好地解决大规模感知网络中部署维护成本高这个关键难题, 近年来成为物联网研究的热点。笔者主要对群智感知网络的最新研究现状进行综述。阐述了群智感知网络的基本定义、起源和架构, 分析了其特点以及与传统感知网络的区别与联系; 分别从环境感知、公共基础设施感知以及社会感知3 方面对群智感知网络的研究现状进行总结; 分析和指出了群智感知网络未来3 个重要的研究方向和挑战, 为深入研究提供参考和借鉴。     

“智猪博弈”下的合作创新研究 ——基于非对称演化博弈的分析

在经济发展的新常态下,创新已成为促进企业发展和社会进步的关键环节。通过智猪博弈对大小企业之间的合作创新进行分析,通过引进政府对企业创新的干预,研究了演化博弈下智猪博弈的动态演变过程,发现在政府对创新进行补助和对知识产权进行保护的情况下,大小企业都进行创新会成为稳定均衡。     

复杂网络上的演化博弈研究

在自然界和人类社会中,合作行为是普遍存在的.如何理解自私个体之间合作行为的产生和维持吸引了来自各领域科学家的注意.目前,演化博弈理论被认为是研究合作行为的一个最有力的手段.随着复杂网络理论的迅速发展,复杂网络上的演化博弈受到广泛的关注.本文拟就复杂网络上的演化博弈研究做一综述,并对未来的研究提出展望.     

群体智能计算

群体智能是正在迅速发展的新兴研究领域.通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统复杂行为建模与仿真提供了新的思路.该文对群体智能和计算智能的概念、基本原理和研究方法作了阐述,并对群体智能计算的未来发展趋势作了展望.     

差分演化的微粒群算法

针对基本粒子群算法易陷入局部极小点、搜索精度不高等缺点,在算法改进方面引用差分演化算法的变异操作提出了差分演化的PSO算法,并用matlab仿真证明该算法的可行性。     

移动群智感知网络发展面临安全挑战

 作为一种全新的物联网感知模式,移动群智感知网络通过普适感知设备采集特定范围内的个体、情景、环境感知数据,完成复杂的泛在深度社会感知任务并提供丰富应用。介绍了移动群智感知网络当前的应用发展状况,分析了在智能交通服务、基础设施和市政管理服务、环境监测预警、社会关系与公共安全、公众健康和医疗服务等方面的发展趋势。提出了一些移动群智感知网络在未来所面临的安全挑战,分析了用户隐私保护、感知数据和平台的安全性、感知质效提升和资源优化利用方面面临的挑战。     

多粒子群协同优化算法

提出一种多粒子群协同优化(PSCO)方法．PSCO是2层结构：底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快算法收敛．这些粒子群含的粒子数以及粒子状态更新策略不要求相同．为改善粒子群容易陷入局部极小的弱点,提出扰动策略,当1个粒子群的当前全局最优解未更新时间大于扰动因子时,重置粒子的速度,迫使粒子群摆脱局部极小．用Rosenbrock函数等3种基准函数做优化实验表明,PSCO性能优于经典PSO,FPSO和HPSO等算法．     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。     

产业簇群的模式划分及其特点趋势分析

本文将企业簇群分为三种模式,集中分析了几种模式的特点和发展趋势,提出了政府在簇群发展中的合理定位,以促进我国经济产业的良性发展。     

基于演化涌现的复杂信息网络设计优化

 针对复杂信息网络设计优化问题,分析了复杂信息网络特性,提出了基于演化涌现的复杂信息网络设计优化方法和拓扑结构演化模型。该设计优化方法以融贯论为指导,采用系统分析、建模分析和仿真分析相结合技术途径对复杂信息网络设计优化问题进行多尺度研究,树立基于网络化思维的安全观,突出网络拓扑结构设计,强化网络可控性、安全性和健壮性,体现局域结构演化形成功能整体涌现。拓扑结构演化模型综合选取网络建设成本、时延、健壮性和吞吐量等网络工程特征参数作为网络演化动力,通过调整参数权重生成优化网络。对实测ISP路由器级网络数据的仿真实验表明,方法模型具有可行性、有效性和扩展性,可加深对复杂信息网络动力学行为认识,促进信息网络科学发展。     

Course Intelligent Brain Model Based on Crowd Intelligence

The development of artificial intelligence in education promotes the reform of teaching methods in the direction of intelligence and individuation. In this paper, the programming course is taken as an example to propose a curriculum intelligent brain model for open source swarm intelligence based on knowledge graph, and the bootstrapping framework is introduced to try to make the intelligent brain track the frontier like human beings and study several courses vertically. It studies the knowledge...     

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     

演化计算的机理与一般性设计原则探讨

结合演化算法的核心机制,深入剖析了演化算法设计中各个阶段的特点和策略,对当前在演化算法设计中经常使用的编码方式、评价函数、选择策略、遗传算子进行了对比分析,探讨了当前演化算法设计中出现的新思想和一般性设计原则.     

进化计算及其在智能控制中的应用

介绍了进化计算的起源与发展历史、特点与分类、有关研究与应用现状及有关软件与国际信息交流等方面的基本情况。简述了进化规则和进化策略在智能控制中的应用。     

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.     

生物机制在智能计算中的应用

揭示生物机制在智能计算中的应用。与生物学相关理论相结合 ,论述遗传算法、人工神经网络和DNA计算的生物机制 ,揭示生物学思想在其中的应用 ,说明现在各类学科交叉发展的趋势     

基于群智能的计算与仿真方法研究

随着人类认知范围的拓宽,已有的一些智能计算方法在处理复杂问题时,如高维度、多极值等,往往不能取得令人满意的效果.人们从生命现象中受到启示,发明了模拟生命系统的某些行为、功能和特性的群智能方法.对群智能的主要领域群智能计算和群智能仿真进行了阐述,同时还介绍了其相关研究领域.     

舰船噪声目标聚类分析的演化计算方法

针对舰船噪声信号的不平稳性对噪声目标聚类准确率的影响，提出了一种新颖的基于演化的目标聚类分析方法，实验表明该方法较ｋ－均值聚类算法具有更高的聚类准确率，能有效地克服目标信号不平稳性造成的类间混叠现象。     

基于演化计算和代理的QoS路由算法

随着网络技术的不断发展,如何保证高性能网络服务质量(QoS)问题,是目前亟待研究的重要课题。文中研究了将代理和演化计算融合在一起,构建具有演化计算能力的多代理系统体系结构模型,并依据此模型提出一种新的路由算法,用于解决高性能网络QoS路由选择问题。     

应用思维进化计算求解顶点着色问题

应用思维进化计算求解顶点着色问题,给出求解给定图的色数、最小着色的算法。介绍了顶点着色问题的编码与解码方法、特征、信息矩阵的概念,从而应用思维进化计算的趋同和异化求解该问题。实验结果表明该算法是求解顶点着色问题的一种新的有效算法。