自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

模式的形式不变性及准确的模式理论

以矩阵表示为工具, 通过线性空间的线性变换对遗传算法的进化过程进行表述, 给出了交叉算子和变异算子可以进行互换的条件; 在模式空间的基础上, 推导了准确的模式进化公式. 模式、模式空间贯穿全文始终, 新模式理论的获得建立在更大的粒度(the degree of coarse graining)上.     

近似最优并行算法组智能汇聚构造

作为一种高性能通用并行求解器,并行算法组(parallel algorithm portfolios, PAPs)近年来在判定、计数以及连续、离散优化等问题上取得了突出的求解效果.传统人工构造PAP的方式依赖于大量领域知识,门槛极高.为了解决这一问题,本文提出了一种基于演化优化的PAP智能汇聚自动构造方法AutoPAP.整体上, AutoPAP遵循(n+1)演化优化框架,即在每一代生成n个候选算法,并保留最优算法加入到PAP中.考虑到算法配置空间往往非常巨大且涉及混合变量,本文设计了专用变异算子以提升AutoPAP的实际性能,并证明了AutoPAP在理论上可以达到(1-1/e)近似最优构造效果.最后,本文以旅行商问题(traveling salesman problems, TSP)为例,使用AutoPAP构造得到TSP＿PAP.实验结果表明,在主流TSP测试集上, TSP＿PAP的求解效率和效果均显著好于当前TSP上公认性能最佳的求解器EAX和LKH.在128个规模1000～30000的TSP测试样例上,相比于EAX和LKH, TSP＿PAP可以将平均求解时间缩短至少45.71%,并...     

基于神经系统与免疫系统调节机理的Memetic计算

Lamarck学习理论已被引入进化计算,能有效提高其局部搜索能力,逐步发展成为进化计算的新热点-Memetic计算.文中从神经系统与免疫系统在生物机体内的整合调节机理,提出了免疫Memetic计算模型,设计了模拟神经系统对免疫反应单向调节的Lamarck学习策略,并针对数值优化问题,提出了基于Lamarck学习的免疫Memetic算法.该算法结合了免疫算法和传统数学规划算法的不同特性,具有较理想的搜索性能.基于10个低维和10个高维基准测试问题的仿真结果表明,基于Lamarck学习的免疫Memetic算法与基于遗传算法的基本Memetic算法相比具有明显的优越性.     

上下文无关语言上的递归函数——Ⅰ. CFPRF及CFRF的定义

建立上下文无关语言(CFL)上的递归函数理论. 在CFL上定义了函数类CFRF和它的真子类CFPRF,它们可用来十分直接地表述非数值加工算法. 事实上它们分别就是上下文无关语言上的偏递归函数和原始递归函数. 提出了证明CFPRF函数性质的结构归纳法,给出一种枚举CFL句子的方法,定义了极小算子. 基于CFL句子枚举,提出了极小算子的求值方法. 最后, 讨论了以CFRF为理论基础的可执行规约语言的设计和实现原则.     

上下文无关语言上的递归函数——I. CFPRF及CFRF的定义

建立上下文无关语言(CFL)上的递归函数理论. 在CFL上定义了函数类CFRF和它的真子类CFPRF，它们可用来十分直接地表述非数值加工算法. 事实上它们分别就是上下文无关语言上的偏递归函数和原始递归函数. 提出了证明CFPRF函数性质的结构归纳法，给出一种枚举CFL句子的方法，定义了极小算子. 基于CFL句子枚举，提出了极小算子的求值方法. 最后, 讨论了以CFRF为理论基础的可执行规约语言的设计和实现原则.     

一种粒子群结合遗传算法(PSO-GA)的云计算任务调度方法

针对云计算服务集群任务调度和负载平衡的优化问题,提出一种粒子群结合遗传算法(PSO-CA)的云计算任务调度方法。PSO-GA算法在遗传算法的基础上对种群进行分隔,用粒子群算法来构造变异算子,避免了变异算子的随机性和盲目性,很好地保持种群的多样性,克服了早熟现象。在Cloudsim平台进行模拟测试。实验结果表明,与同类算法相比,该调度方法能够缩短云计算下任务执行总时间,提高资源利用率。     

基于环形DNA分子的一种求解最大集团的计算模型

文中提出了一种基于环形DNA分子的新型计算模型.该模型的核心构成包括环形DNA分子,链霉亲和素包被的磁珠及环化酶.通过应用该模型解决了一个5个顶点的最大团问题,证明了该模型的可行性.在整个计算过程中,真解的搜索是借助于磁珠和环化酶,DNA分子结构在线性和环形之间相互转化.环形DNA分子的应用极大地减少了计算所需的时间和空间,算法的时间和空间复杂度均为O(n+m).对于解决一个n个节点的最大团问题,这种算法和枚举型算法相比,在搜索过程中所需试管数较少,只需n+1个试管,而利用枚举型算法则需要2n个试管.另外,文中构建的非枚举型初始解空间大大提高了DNA计算机的存储和计算能力.在将来,这种新型的DNA计算模型或许会成为一种解决某些NP完全问题的有效工具.     

上下文无关语言上的递归函数——I.CFPRF及CFRF的定义

建立上下文无关语言（CFL）上的递归函数理论,在CFL上定义了函数类CFRF和它的真子类CFPRF,它们可用来十分直接地表述非数值加工算法.事实上它们分别就是上下文无关语言上的偏递归函数和原始递归函数.提出了证明CFPRF函数性质的结构归纳法,给出一种枚举CFL句子的方法,定义了极小算子.基于CFL句子枚举,提出了极小算子的求值方法.最后,讨论了以CFRF为理论基础的可执行规约语言的设计和实现原则.     

基于微分进化的多UAV紧密编队滚动时域控制

多无人机(UAV)协同控制可在一定程度上提高单UAV执行任务的效率,而多UAV紧密编队是多UAV协同控制中的一个关键性技术难题.在构建多UAV紧密编队非线性模型的基础上,利用滚动时域控制方法,将UAV紧密编队问题转化为滚动时域内的一系列在线优化问题,然后采用微分进化策略在每个滚动时域内进行控制量的优化求解.此外,还给出了基于Markov链的微分进化算法数学描述及收敛性证明,且从理论角度分析了所设计多UAV滚动时域控制器的稳定性.仿真实验结果验证了文中所提出方法的可行性和有效性.     

快速构建量子稳定子码的最小网格图

量子网格图顶点集的大小影响译码算法的效率,减少网格图的顶点数可以提高译码算法的效率.本文基于标准化的稳定子群校验矩阵,给出了构造面向网格图的稳定子群生成元的方法,据此可以构造顶点集最小的量子网格图.此外,本文通过分析差错算子与稳定子群生成元各个量子位的对易关系对两算子之间对易关系的影响,给出了一种快速生成量子稳定子码网格图的方法.现有构造方法对各顶点集分别独立计算,没有利用已有的计算结果,所以运算量大,这限制了译码的规模和速度.本文方法是在已有顶点集的基础上,利用迭代法构造新顶点集,该方法计算复杂性更小、算法效率更高,从而能适应规模更大和对时间要求更高的应用.     

基于总空闲时间增量的无等待流水作业计划优化算法

将NP难的最小化最长完工时间无等待流水作业计划问题等价转化为最小化总空闲时间的问题.分析任务之间的独立性,给出算法基本算子的目标增量性质,通过计算目标增量而不是整个目标函数值来判断新作业计划的优劣,可将算法的时间复杂度降低1阶.提出生成初始作业计划算法,实验分析出迭代构造解和再改进解的有效方法;构造出有效的快速迭代启发式算法FCH(fast composite heuristic).FCH和目前求解该问题的有效算法比较,实验结果表明,FCH接近目前的最好性能,需要最少的计算时间.FCH可为大规模无等待作业计划、实时调度和重调度等问题提供有效方法.     

ISAF重构算法密度函数快速计算模型

球坐标系下的ISAF算法是一种新的20面体分子三维重构方法,该方法精度优于传统柱坐标系下的Fourier-Beseel算法,但其执行速度远低于Fourier-Bessel算法,严重制约了ISAF算法的实际应用.分析发现,在ISAF算法中密度函数计算是影响重构速度的主要瓶颈之一.针对上述问题,文中提出一种密度函数快速计算模型,该模型包括三个组成部分:球坐标系网格点密度函数快速计算方法、"球坐标系—直角坐标系"网格点密度函数转换方法、基于两阶段映射法的快速对称映射方法.该模型可以将密度函数计算阶段的时间复杂度由O[(LM)8]降低到O[(LM)7].采用Psv-F病毒数据进行实验,结果表明,在保证精度的前提下,该模型可以将密度函数的计算速度提高2个数量级,将三维重构整体速度提高30倍左右,并且随着数据规模的增大、重构精度的提高,该模型带来的加速比将进一步增大.     

结构系统可靠性分析的发生函数法

发生函数法是多状态系统性能评估的重要工具. 本文在结构系统强度可靠性分析中引入并发展发生函数法, 分别构造描述强度(抗力)、应力(载荷)、安全裕度、疲劳寿命等概率分布的发生函数, 定义各类发生函数之间的复合算子及相应的性能结构关系, 实现静定、静不定结构系统静强度可靠性和结构系统疲劳强度可靠性的建模. 在发生函数的复合运算中, 通过同类项合并、近似项合并技术缩减计算量以提高效率. 理论分析和数值算例表明: 发生函数形式统一、表达简洁、宜编程、通用性强, 适用于具有多层次结构的系统概率建模. 新方法充分考虑了结构元件之间因孪生载荷而引发的失效相关性, 可为存在多模式损伤耦合的土木工程结构、机械装备系统静、动强度可靠性分析提供理论参考及有效工具.     

基于改进型差分进化算法的机组负荷经济分配

在分析差分进化算法(DE)的基础上,提出一种基于"DE/target-to-best"控制策略的改进型差分进化算法(IDE),该算法采用上一代进化过程中种群中最优矢量替代DE算法中上一代最终产生的矢量作为变异操作矢量的IDE算法,避免了DE算法可能陷入早熟或者收敛速度下降等问题。将该算法用于解决机组负荷经济分配,计算机仿真测试表明,在考虑电机组燃油、阀值效应等情况下,运用IDE算法的费用消耗最低,算法整体性能表现比GA、PSO、DE算法优越。     

模式伴随化的基本规则及代价分析

从程序语法结构而不是从具体问题本身出发,提出了基于最小程序行为分解的模式伴随化方法.此方法无论在算法设计上还是在软件实现上均更具普遍性,并具有许多独特的优点.它保留了断点存储技术在减少浮点计算量和降低存储开销方面的优点,同时克服了其仅仅适用于计算过程均匀可分假设的局限性.首先给出了模式伴随化实现的基本规则,详细介绍了基于最小程序行为分解的模式伴随化方法.然后,基于自动微分(AD)基本假设定义了可分程序空间和微分代价函数,得到了两个反映计算微分代价的基本常数σ和μ.在计算过程均匀可分性假设下,讨论了断点存储在浮点计算量和空间存储开销上的最优实现,证明了深度划分在这两个方面同时具有对数复杂性的结论.最后,详细论证了基于最小程序行为分解的模式伴随化方法在浮点计算量和空间存储开销两个方面同时具有过程引用和划分深度依赖性.     

平衡探索与利用的广义鸽群优化算法

为了平衡鸽群优化算法的探索与利用能力,本文提出了一种广义鸽群优化算法.传统的鸽群优化算法包含两种优化算子,分别为地图与指南针算子和地标算子.这两种算子依次执行,在一次算法运行中,仅执行一轮迭代.在广义鸽群优化算法中,将算法搜索分为多个阶段,每个阶段分别执行两种算子.在算法的一次运行中,两种算子执行多轮.地图与指南针算子侧重于算法的探索能力,而地标算子侧重于算法的利用能力.改进算法仅改变了两种算子的执行顺序,无需增加额外的函数值计算.此外,广义鸽群优化算法扩展了解集合结构和算子参数设置,这对于提高算法的搜索质量大有裨益.在11个单目标测试函数和8个多模态优化测试函数上进行仿真对比试验,结果表明广义鸽群优化算法提高了鸽群优化算法的搜索效率,改进了算法的搜索结果.     

上下文无关语言上的递归函数——Ⅱ. CFPRF及CFRF定义的合宜性

证明了函数类CFRF及其真子类CFPRF分别就是上下文无关语言(CFL)上的偏递归函数和原始递归函数. 讨论了它们与其他论域上定义的递归函数的关系,指出自然数上的函数和字上函数都是CFL上的函数. 给出了若干常用的字上原始递归函数，包括逻辑连接词和条件式,还给出构造原始递归函数用的强有力算子：受囿极大和受囿极小算子. 构造了两个非平凡的有重要用途的算法. 即任意CFL的特征函数，以及CFL句子的语法分解函数. 基于它们,叙述了扩展和限制函数论域的方法.     

模式伴随化的基本规则及其代价分析

从程序语法结构而不是从具体问题本身出发, 提出了基于最小程序行为分解的模式伴随化方法. 此方法无论在算法设计上还是在软件实现上均更具普遍性, 并具有许多独特的优点. 它保留了断点存储技术在减少浮点计算量和降低存储开销方面的优点, 同时克服了其仅仅适用于计算过程均匀可分假设的局限性. 首先给出了模式伴随化实现的基本规则, 详细介绍了基于最小程序行为分解的模式伴随化方法. 然后, 基于自动微分(AD)基本假设定义了可分程序空间和微分代价函数, 得到了两个反映计算微分代价的基本常数s和m. 在计算过程均匀可分性假设下, 讨论了断点存储在浮点计算量和空间存储开销上的最优实现, 证明了深度划分在这两个方面同时具有对数复杂性的结论. 最后, 详细论证了基于最小程序行为分解的模式伴随化方法在浮点计算量和空间存储开销两个方面同时具有过程引用和划分深度依赖性.