基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

一种融合邻域搜索的多策略差分进化算法

设计多策略差分进化算法的难点在于选择何种变异策略以及如何分配这些策略。提出一种融合邻域搜索的多策略差分进化算法,根据个体适应度值将种群分为3 个子种群,每个子种群分别采用不同的变异策略和参数值,使得各子种群的搜索能力可互补,有助于平衡整个种群的勘探和开采能力。同时,对适应度值最好的子种群采用邻域搜索操作,充分挖掘优质个体可能包含的有益信息用于指导搜索。在34 个测试函数上实验,与包含7 种差分进化算法在内的12 种进化算法进行对比,结果表明该算法在大多数函数上取得了更好性能。     

基于自适应学习群体搜索技术的集成进化算法

为了提高连续数值优化算法的普适性和鲁棒性,提出了基于自适应学习群体搜索技术的集成进化算法.该算法集成了3种自适应学习群体智能优化算法作为子算法,其中1种子算法是本文设计的,另外两种子算法来自相关文献.相应地,整个进化种群被分成了3个子种群,在进化过程中,算法以并行的方式采用每种子算法独立地进化各自的子种群,而在进化过程的不同阶段,每种子算法的进化策略及其参数可以自适应地调整.在实验部分,首先定义了算法性能度量标准,然后在26个较新的测试函数上做了算法性能对比实验,实验结果表明所提出的算法具有较高的普适性和鲁棒性.     

基于自适应学习群体搜索技术的集成进化算法

为了提高连续数值优化算法的普适性和鲁棒性,提出了基于自适应学习群体搜索技术的集成进化算法. 该算法集成了3种自适应学习群体智能优化算法作为子算法,其中1种子算法是本文设计的,另外两种子算法来自相关文献. 相应地,整个进化种群被分成了3个子种群,在进化过程中,算法以并行的方式采用每种子算法独立地进化各自的子种群,而在进化过程的不同阶段,每种子算法的进化策略及其参数可以自适应地调整. 在实验部分,首先定义了算法性能度量标准,然后在26个较新的测试函数上做了算法性能对比实验,实验结果表明所提出的算法具有较高的普适性和鲁棒性.     

基于种族优生的进化规划用于混合非线性整数规划

混合非线性整数规划是在许多工程应用中经常遇到的重要问题。本文提出一种基于种族优生的进化规划算法用于求解混合非线性整数规划。一方面，该算法基于多种群并且每一代都选择各种群的最优秀个体作为下一代的种群祖先。另一方面，该算法的进化步长、种群规模和处理约束条件时所取的参数在进化过程中是动态变化的。实验表明该方法求解混合非线性整数规划问题的仿真结果优于现有的研究成果(GA，ES，SA)。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

一种基于种群竞争与交流模型的多群进化规划算法

进化不仅是一个环境通过自然选择对物种施加影响的过程，同时也是种群间相互竞争和交流的结果。基于此种考虑，提出了一种基于种群竞争与交流模型的多群进化规划算法。在该算法中，种群的规模取决于种群间的竞争，种群的变异压力来自其生存空间。种群间的信息交换通过种群的个体交流实现，而种群间个体的交流则来自种群规模的变化。对典型算例的数值仿真表明，该算法能够改善传统的进化规划算法易早熟收敛的弱点，同时具有良好的快速收敛性和参数鲁棒性。     

一种有效的进化规划算法

提出一种新的进化规划算法,该方法不仅能够加快普通进化规划算法的收敛速度,而且能够有效地保证种群的多样性,并用该方法求解具有多个极值点的函数优化问题,计算机仿真实验结果表明该方法是非常有效的。     

自适应动态控制种群分组的自然计算方法

多种群优化方法可以解决数据量增大导致的优化难度增加的问题,现有的种群分组都采用随机分组或人为设定的方法,没有充分考虑粒子运动轨迹。针对此问题,提出一种种群分组自适应动态控制策略,使用高斯拟合函数作为种群分组的参考曲线,根据函数单调区间划分子种群;对于有越过子种群上界趋势的粒子采用逆向策略,保持种群多样性同时提高收敛速度。该策略不依赖于算法的具体进化过程,适用于所有基于种群优化的自然计算方法。验证实验结果表明了所提新算法的有效性和普适性。     

应用重启改进进化算法提高柔性作业解质量

重启策略有效提高了概率算法性能。为将重启思想引入协同进化算法,改进了涉及多种群的协同进化算法收敛判断条件。以进化过程中相同解码值的重复解码次数衡量协同种群的稳定状态,用于结束或重启搜索过程。引入重启后的协同进化算法用以求解柔性作业调度问题。实验表明,改进后的算法能有效跳出局部最优,提高解质量和搜索效率。从而为应用协同进化算法求解其他组合问题时提高算法性能提供了一条可行有效的新途径。     

基于“情景-应对”的国家应急平台体系基础科学问题与集成平台

基金委"非常规突发事件应急管理研究"重大研究计划集成项目直接面向和紧密围绕重大研究计划的总体目标从两方面开展研究: 提升现有国家应急平台体系科学性的多学科融合的基础研究; 相关研究成果的集成升华和与国家应急平台体系的"对接". 具体包括: 突发事件应急场景下数据集成、组织与存储、数据共享方法研究; 面向应急辅助决策的定量与定性相结合的案例分析与集成管理方法; 网络分布式多模型环境下的智能化应急处置决策模型库构建方法; 个体和群体在紧急状态下的心理反应与行为规律; 面向"情景-应对"型决策、与国家应急平台体系相融合的应急管理开放式集成研究平台设计与构建; 基于集成平台的突发事件情景推演与决策过程模拟仿真与集成应用示例. 提出"数据融合-模型推演-案例推理-心理行为规律"综合集成的"情景-应对"型应急决策理论和方法; 构建基于"网络集成-计算集成-应用系统集成"三层交互的, 与国家应急平台体系相融合的, 跨学科、跨地域协作共享的"交响"式应急管理开放集成研究平台.     

“数字鸿沟”的系统反思

来自 8国集团 ( G-8)冲绳会议提出的新概念 ,所谓“数字鸿沟”,一年来引动一场全球大讨论 .冲绳的结论 ,即发达经济与发展中经济人均收入差距日益扩大的根源在于信息化水平悬殊造成的“数字鸿沟”.“数字鸿沟”与贫富悬殊之间是否存在因果关系 ?通过系统思考初步回答上述问题是本文的一个目的.     

纵向差异化双边市场中平台策略

基于抽象函数建立了纵向差异化双边市场的一般模型, 并利用一般模型讨论了垄断与双寡头情形下的市场均衡特征以及在双寡头情形下价格变动的战略效应. 进一步在均匀分布的假设下分析了网络外部性参数与质量差距变量对市场均衡时价格与利润的影响. 研究发现, 在一般模型中, 垄断平台能够比双寡头平台更加有效地协调两边的价格结构; 双寡头平台的竞争呈现强者更强的效应; 双寡头平台竞争中价格具有战略互补效应, 而下游市场的战略互补效应要高于上游市场的战略互补效应. 基于均匀分布假设可以得到, 低质量平台宜采取"分而治之"的策略, 高质量平台则宜"因时而动".     

模块化神经网络子网的动态集成方法学研究

提出一个模块化神经网络的广义定义,它包含了几乎所有多神经网络(系统)。简要分析了模块化神经网络子网集成的相关概念和问题。针对一类模块化神经网络,提出了5种基于"分而治之"原理和自适应组合的新型动态集成方法。它们之间的主要区别在于:距离测度(绝对距离测度和相对距离测度);个体数目(有些全部参与集成,有些则是部分参与);集成策略和规则(数据驱动和数据/知识驱动)。仿真实验证实了这些方法的有效性。同时,还提出了一种基于"一专多能"思想的子网训练方法。     

科技与管理人才人本模型的建立与应用

首次采用多元统计的分析方法 ,在分析了大量调查数据的基础上 ,用人本管理指标量化了科技与管理人才“以人为本”管理思想的含义 ,并建立了科技与管理人才的人本模型 .该模型成功地分析了人本模型指标与科技与管理人才的年龄、学历等的关系 ,并在实践中得到了检验.     

经济增长的复杂性与“J”结构

从现代经济增长的事实和复杂性角度讨论了经济增长的原因和机制 .“J”结构是我们提出的一种经济增长复杂性的重要模式 ,这种具有潜在后发性优势但又需要先期投入的经济现象普遍存在于国际贸易、金融、教育、人力资源、生态环境等不同领域 .由于增长的复杂性 ,“J”结构及与之相对应的“J”过程或“J”效应往往被波动所掩盖 .本文进一步从物理、数学的角度指出“J”过程的本质是系统存在多重均衡时的非平衡相变过程 .最后 ,讨论了宏观经济系统中宏观变量之间的相互关系 ,“J”结构体现了这些宏观变量之间非线性相互作用机制.     

传染病传播模型综述

建立传染病传播模型是理解传染病流行机理, 预测流行趋势, 进行防控决策的基础. 将传染病传播模型分为单一群体模型, 复合群体模型和微观个体模型三类. 单一群体模型从宏观角度刻画了集计量的变化, 以经典的\,SIR\,为基础, 在仓室设置、 年龄结构、 随机性、 异质性等方面进行了扩展. 复合群体模型将人群划分为多个子群体, 子群体之间因人口流动而耦合, 适合研究具有空间异质性的跨地区传播问题. 微观个体模型的出发点是个体状态和行为, 所有个体形成接触网络. 这类模型有理想网络和现实网络两个研究方向, 理想网络关注接触网络特性对传染病传播动力学的影响, 现实网络致力于揭示社会接触的实际特征, 构建足够真实的模拟网络, 研究传染病的传播. 这三类模型各有特点, 分别具有各自的适用领域, 应根据研究目的和问题特点选择合适的建模方法.     

“公司+ 农户”规模经营系统的反馈基模生成集分析

在笔者原提出的系统动力学流率基本入树规范性建模法的基础上,讨论了一个确定的复杂系统的系统基模生成的问题.给出了用系统动力学流率基本入树作嵌运算生成反馈极小基模,由极小基模构成反馈基模生成集的具体方法,其中给出了生成基模的三个定理.此基模生成集可生成系统的具特性的各类基模结构.此基模生成集相当于数学线性空间的基础解析.这为对一个复杂系统进行基模反馈分析提供了一个有效分析工具.运用此新建立的反馈基模生成法,对"公司+农户"规模经营模式进行了优势与制约因素的有效分析,并提出了相应的管理方针,实现了用系统科学方法有效分析"三农"(农业、农村、农民)问题的目的.     

虚拟企业协作博弈中的双优策略

讨论了目前供应链中的虚拟企业的基本概念及出现的背景 ,介绍了动态联盟为基础的敏捷制造模式 ,从对偶线性规划和双层规划的思想出发 ,在虚拟企业中共赢策略的基础上提出双优的实施策略 ,论述了达到双优所需要的条件及可行性 ,最后讨论了供应链的敏捷性 .     

人群搜索和樽海鞘群的混合算法优化PID参数

为解决在优化全局时人群搜索优化算法(seeker optimization algorithm,SOA)容易过早收敛的问题,提出了一种新的基于人群搜索和樽海鞘群(salp swarm algorithm,SSA)的SOA-SSA混合算法。基于双种群进化策略,种群中的部分个体由人群搜索优化算法进化,其余个体由樽海鞘群算法进化。SOA和SSA的个体都使用信息共享机制实现协同进化,增加了种群的多样性,避免了算法过早收敛。实验结果表明：该算法在高维函数和PID参数优化方面都是可行的。与其他算法相比,SOA-SSA算法的收敛速度快、精度高、鲁棒性强,有更好的优化性能。