面向变异分析的协议安全测试方法

在基于构造类别代数的协议描述上引入变异分析方法,由此提出了一种基于错误模型的协议安全测试方法.通过设计针对构造类别代数的变异算子,限制了协议中的错误集合;应用变异算子生成变异体集合,并消除其中的等价变异体;基于变异体构造安全测试例.同比研究表明,采用基于错误模型的变异分析方法,可以有效解决协议安全测试中忽视协议数据流处理过程、错误集合无限和缺少结果判断机制等问题,限定协议可能存在的错误集合,有利于测试的量化和评估,能够更有针对性地进行测试例构造和测试结果判断,提高测试能力.     

三叶木通理化诱变技术及其成熟期变异研究

用γ射线及甲基磺酸乙酯（ＥＭＳ）诱变三叶木通种芽,探讨其诱变技术及变异规律。结果表明：γ射线与ＥＭＳ综合处理三叶木通种芽,能产生早实变异,童期１３个月,比对照缩短１２个月以上;也能产生早熟变异,果实生长期３．５个月,　比对照缩短２个月以上　;　熟期变异出现频率平均为　　０．１３％,变幅０～０．２４８％;γ射线诱变剂量既是诱变苗成活率极显著的影响因素,又是成熟期变异率显著的影响因素;３　０００伦琴剂量的Ａ２,变异频率显著地高于５　１００伦琴的Ａ３及９００伦琴的Ａ１,诱变成活率极显著地高于Ａ３,低于Ａ１。早实变异株雄性败育,叶片生长速度减慢。     

矿山空间数据的处理方法及其应用

通过研究,认为矿山空间数据来源于连续模型和非连续模型２ 种,对空间数据的处理应该同时在特征空间和采样空间中进行,既要考虑研究对象在特征空间的变异性,又要兼顾它在采样空间中的连续性;此外,根据矿山空间数据的变异特性,研究了空间数据的搜索方法及其对数据估值的影响,得出了相应的数据搜索方法;通过对多元矿山空间数据的结构分析,得出了一个基于因子协克立格法的二重套合结构模型,并以汤丹铜矿为例进行了验证     

物种结构稳定性和对环境扰动的抗性

从物种的种群数量波动、生殖隔离和行为特征几方面描述了物种在进化过程中形成的结构稳定机制 ,同时从环境扰动的角度阐述了物种对干扰的适应性和抵抗力 .最后指出 ,在物种的进化过程中 ,同时存在着多因子的双重作用 ,自然选择仅仅只是其中的客观条件之一 ,而物种本身作为活的生命体 ,还具有维持自身稳定和适应环境的能力     

多表位-表位疫苗诱导多中和表位特异性的抗HIV-1抗体

针对HIV-1包膜蛋白的中和抗体在体外高度有效地抑制不同病毒株的侵染,但在体内只以很低水平存在,提出多中和表位-表位疫苗作为提高体内中和抗体水平及机体抗病毒变异能力的新战略,两种候选从中和表位-表位疫苗在猴体内能同时诱导出预先确定的多中和表位特异性的抗体,这些抗体能识别表位多肽、gp41多肽、V3loop多肽、rsgp41和gp120上相应的中和表位,此外,3个实验型表位疫苗的组合（另一种形式的多中和表位-表位疫苗）在兔体内也诱导出类似的免疫应答。上述实验结果表明：多中和表位-表位疫苗可能是一种能同时诱导多重抗病毒活性、抗HIV-1感染以及对付病毒变异的新战略。     

基于最优评价的改进自适应粒子群算法

在求解高维空间中复杂多峰函数的优化问题时,传统的粒子群算法在收敛速度和局部搜索能力等方面表现出严重不足。针对这些问题,提出了一种基于最优评价的改进自适应粒子群算法(IAPSO),引入了改进的速度迭代公式,利用对每次迭代后种群的一系列最优值的评价来控制惯性权重的增幅,并设置对速度和位置的变异机制来防止搜索陷入局部最优。相关实验表明,在对高维空间中的复杂多峰函数进行优化求解时,改进粒子群算法IAPSO的表现比常规粒子群算法更加优越。     

基于均匀设计和惰性变异的改进微粒群算法

微粒群算法(PSO)是一种随机群体优化算法,相对于遗传算法等其它的进化算法,它模型简单、操作参数少、智能程度高、运算速度快,已受到许多相关领域学者的关注与研究。但是,标准微粒群算法在寻优过程中往往陷入局部最优解,而不是全局最优解。在研究均匀设计与惰性变异的基础上,提出了改进的微粒群算法(UMPSO)。该算法利用均匀设计的思想来确定算法的初始粒子,以使其均匀分布于解空间,从而使算法以更高的概率、更快的速度找到全局最优解;在进化过程中,对惰性粒子以概率为1进行随机变异,则能够更好地保证微粒群的多样性。仿真结果表明,与标准的PSO相比,UMPSO的寻优精度更高、寻优速度更快。     

基于免疫网络调节机理的混沌超变异免疫算法

根据生物免疫系统中存在的免疫网络调节机理,提出了一种实数编码的混沌超变异免疫算法,该算法结合克隆选择原理和混沌理论建立新的混沌超变异操作,增强了算法局部搜索能力.同时基于免疫网络数学模型设计抗体的激励水平,并以此作为抗体群免疫网络调节的依据,保持了抗体群的多样性.最后将其应用于函数优化问题,结果表明该算法的收敛性能优于克隆选择算法,而且能够有效克服早收敛问题.     

一种求解子集问题的基于图的蚂蚁系统

提出了一种求解子集问题的基于图的蚂蚁系统。针对子集问题,定义了构造图和等效路径,提出了基于等效路径增强的信息素更新策略,将问题的无序信息转化为对蚂蚁的有序影响,增加蚂蚁搜索路径的信息量。引入路径变异机制,通过路径的改良调节信息素分布,防止算法陷入停滞状态。将信息素更新分为三种情况:本次迭代最优更新、变异更新和本次迭代不更新,兼顾算法的收敛速度和搜索能力。对算法进行了描述并分析了算法复杂度。以多维背包问题为例,对该蚂蚁系统的性能进行了测试,验证了系统的有效性和优越性。     

基于改进HHO与K-Medoids的混合聚类算法

针对K-Means在聚类过程中对离群点敏感以及容易陷入局部最优的不足,本文提出一种基于改进HHO(IHHO)与K-Medoids的混合聚类算法(IHHO-KMedoids)。在IHHO中,带有Logistic混沌扰动的控制参数策略更好地实现了探索与开发之间的平衡,集成变异策略提高了算法的全局搜索能力,翻筋斗觅食策略增强了种群多样性,避免算法陷入局部最优。将所提IHHO与5种其他群智能算法和4种改进的HHO算法在CEC 2014测试函数上进行对比,实验结果表明IHHO算法的优化效果较好,求解精度较高。K-Medoids与K-Means相比对噪声点和离群点更鲁棒。IHHO-KMedoids算法稳定性好,不易陷入局部最优。UCI数据集和文本数据集上的仿真结果表明IHHO-KMedoids算法效率高,聚类精度高。