AKS算法及关于它的一种改进算法的实现分析

2002年，Agrawal、Kayal和Saxena成功地解决了多项式时间判别素数这一著名的世界难题，他们给出了一个算法(简称AKS算法)，该算法对输入整数是素数还是合数进行判断。它是一个确定的多项式时间算法．后来许多科学家对该算法进行了改进，其中一个比较好的改进是由Bernstein给出的(简称Bernstein算法)．作者详细分析了这两种算法，利用C语言实现了这两种算法，并进行了比较，找出了真正需要用到AKS算法和Bemstein算法来判断其为素数和合数的最小数，并估计出所需要的运行时间．     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

数字水印技术及典型的攻击分析

数字水印技术是数字产品版权保护的关键技术，文章先对数字水印的系统模型、特性、算法等方面进行了探讨，然后分析了两种典型的数字水印攻击方式及相应对策，最后指出目前数字水印存在的缺陷并对其发展进行了展望。     

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

基于BP神经网络的压力传感器非线性校正方法

采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿，有效地改善了BP传统算法收敛慢、容易收敛到局部最小点的缺陷，并编制了训练程序．结果表明，经BP改进算法处理后，传感器性能大幅度改善，网络的收敛速度更快，精度更高．     

山西三个地区短额负蝗的RAPD分析

采用随机扩增多态性DNA(RAPD)技术对山西短额负蝗3个种群(繁峙、原平和太原)45个个体进行扩增，10条随机引物扩增共产生了125条带，多态性片段为121条，种间共有片段为5条．Nei’s基因多样性指数对RAPD数据的分析表明：种群间的遗传分化系数为0．2206，22．06％的遗传变异存在于种群间，用NJ法和UPGMA法对这三个种群的Nei’s遗传距离作聚类分析，结果显示：原平种群和繁峙种群遗传分化较小，太原种群与它们的遗传分化较大，由Nei’s遗传一致度和遗传距离可以看出，繁峙种群和原平种群的遗传距离最小为0．0852，它们与太原种群的遗传距离较远，结果表明短额负蝗不同种群的遗传分化程度与遗传距离和地理距离呈正相关。     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．     

认知进化观:认知科学研究范式的新取向

认知科学在其发展过程中经历了几次研究范式的转换，认知进化观的兴起是认知科学各学科多层次整合的表现。在心理学领域，进化心理学采用功能分析的方法分析适应性行为下的心理机制和特征。在人工智能领域，采用进化计算和遗传算法探讨人工生命的适应性行为。在神经科学领域，是对神经网络的自组织机制和神经系统的可塑性进行考察。认知进化观的缺陷是自然主义的计算与进化，忽视了人的历史文化性。认知进化观作为一种新方法论，为智能研究带来了生机。     

基于遗传算法扶梯驱动机模糊可靠性优化设计

应用啮合理论和模糊可靠性优化理论，以自动扶梯驱动机主传动机构中蜗杆传动的效率及中心距为目标函数，选取必要的设计参数，并使用改进的遗传算法，对驱动机中的蜗杆传动进行模糊可靠性优化设计．结果表明，该算法具有较强的全局收敛性，且收敛速度和稳定性有所提高，与传统设计方法相比，蜗杆减速器的中心距下降了30．4％，蜗杆的相对滑动速度下降了10．12％，综合曲率半径增大了17．34％．     

混合遗传算法求解0-1背包问题尝试

遗传算法是一种基于自然选择和遗传机制的搜索算法．为解决著名的0-1背包问题，尝试混合使用一点杂交与多点杂交以及将传统的算法与遗传算法相结合的方法，对经典遗传算法进行改进，并在实验中获得了更佳近似解．