开发宇宙生存空间

人类探测宇宙的历史已有几千年了,在此期间,科学家一直在推测地球之外是否有生命存在。50年前,人类开始向太空抛掷“物体”,不过它总是在几分钟内就落回地球;40年前,当人类再次把物体送入太空时,它们留在了那里。而现在,地球人终于也可以停留在太空中了。 在探测宇宙过程中,人们提出这样一个问题:人类在宇宙中处于什么样的位置呢? 在地球上的实验室中,通过模仿宇宙形成早期的情景,我们了解了那个时期的生物是如何在宇宙中生存的,以及它们在地球上繁衍生     

史前蠕虫改写地球生命年龄

最近,在印度霍尔哈塔村庄附近发现砂岩中的通道痕迹,看起来很像蠕虫这类生物留下的小沟和通道。如果这真的是生物留下的痕迹,则它曾栖息在10亿年以前。当地农民并没有注意到这是某种生物——很可能是巨大蠕虫留在砂岩中的通道痕迹,但是当土地测量员来到该村庄时,这些砂岩痕迹引起了他们的好奇,这还是两年前的事情。1998年初,德国地质学家A·扎伊利亚赫尔得知这种神秘痕迹的消息后,立即动身前往印度。扎伊利亚赫尔在当地进行了研究,然后采集了砂岩痕迹样品,以便在实验室进行详细研究。当年秋天,他在《科学》杂志上发表了对神秘痕…     

基于人工神经网络的并行决策支持系统研究

由于现有的串行程序式符号存处机制使决策支持系统的发展受到极大的阻碍。本文首先分析了目前决策支持系统研究中存在的问题。介绍了其于神经网络的并行决策支持系统研究框架,阐明了神经网络实现并行处理的机制,并具体分析了各级的基本任务与实现方法。     

模糊神经系统及其应用研究

本文将模糊逻辑与神经网络相结合,对一种能表达知识规划的模糊神经系统模型进行研究,给出了该模型神经系统的结构和学习算法。并将其用于１０５组稻米香数据的数值实验,仿真结果表明,该模型的性能优于一般模糊系统,从而表明了这一模型的有效性。     

量子连续粒子群优化算法及其应用

提出了基于量子理论的连续粒子群优化(Continuous Particle Swarm Optimization based on Quantum Methodology, CPSO-QM)算法,主要是采用了量子理论中的叠加态特性和概率表达特性.其中,叠加态特性可以使单个粒子表达更多的状态,潜在地增加了种群的多样性;概率表达特性是将粒子的状态以一定的概率表达出来.在基准函数的实验测试中,对比其它常用算法,结果显示本文提出的算法性能较好.在实际应用中,以丙烯腈反应器作为建模研究对象,提出了三种进化策略,实验结果显示,这三种策略训练的神经网络软测量模型都可以较好地预测丙烯腈的收率.     

基于迁移学习的双层单目标优化算法

提出一种基于迁移学习的双层优化算法(BLOA-TF)来求解双层单目标优化问题(BLSOPs),该算法融合了机器学习领域的迁移学习思想．首先,通过聚类算法挑选出有代表的个体进行下层优化,将获得的下层优化信息使用归档集记录;然后,将归档集记录的下层优化信息迁移给其他相近未经下层优化的个体,以此加速整个优化过程,并有效减少计算开销;最后,将所提出的算法与通常基于嵌套的双层优化算法在12个标准测试问题上进行比较,实验结果证明了所提算法用于处理双层单目标优化问题的有效性．     

基于增强拓扑神经进化的等效并行机动态调度

针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法．将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法．设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明：基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能．     

太阳能风能互补储能发电系统容量优化算法

随着互补型储能发电系统日益普及,其覆盖范围也不断扩大,但容量优化技术仍处于单一能源阶段。为此,针对太阳能风能互补储能发电系统,设计了一种容量优化算法。通过分析发电系统的电能输出情况,获得其年产出与供应状态,然后根据电能均衡准则构建容量优化目标及约束条件。然后结合差分进化算法进行变异、交叉和选择等操作,再通过粒子群算法更新方位与速度,二者结合取得亲体与群体的当前最优解,经迭代循环实现储能系统容量优化。经实验研究分析,并通过对组件配置量、负荷缺电率等数据发现,该算法在大幅提升经济效益的同时,确保了供电可靠性,表明该算法具有显著的优化优越性与较大的试运行潜力。     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

遗传优化神经网络实现的人民币号码识别系统

目前人工神经网络广泛的应用于各种模式识别以及自动控制等系统中,该系统利用了图像去噪,分割,倾斜度调整,字符分割,字符归一化等图像预处理之后,将人民币号码图像进行特征提取,应用神经网络进行识别.同时,用遗传算法对人工神经网络进行网络权值的优化,加快了训练速度,提高了识别率.