一种新的计算方法:粒度进化计算

从分析进化计算的起源入手,总结了进化计算产生的根源,然后探讨了人类进化——文化进化的基本特征,模仿进化计算的来源机制,提出了粒度进化计算。如果说进化计算是模拟达尔文生物进化机制而发展起来的一种计算方法,那么粒度进化计算则是在模仿文化进化机制的基础上,综合了Agent技术以及粒度计算、进化计算的理论和方法而提出的一种计算方法。文中,从群进化和超群进化两方面来介绍粒度进化计算的基本原理和方法,并给出了基于粒度Agent系统的粒度进化递归模型。     

基于粒度进化计算的KDD技术分析

知识发现(KDD,Knowledge Discovery in Databases)是从数据中获取知识的一种智能信息处理技术.从分析进化计算的产生根源入手,探讨了以人类进化为核心的文化进化机制,提出粒度进化的两个层次群进化和超群进化,并将两者有机结合.文中在深入研究现有的知识发现的基础上,对"发现用户感兴趣的知识"、提高分类效率和准确性等问题进行了研究,提出了部分解决方法和思路.     

思维进化计算综述

近年来,进化计算的研究引起了人们很大的关注,它运用模拟生物进化过程的思想,生成计算机程序来解决问题。介绍了一种进化计算的新分支——思维进化计算,并对其理论、框架、算子、主要特点进行了概述,同时介绍了思维进化计算的主要应用领域,最后探讨了思维进化计算的研究方向。     

用倾向最大回报的协同进化优化多Agent合作

进化计算是多Agent系统学习的一个有用技术。在多Agent系统研究中的某些领域,一种常用的方法是协同进化多Agent合作。研究已经指出:在某些领域,协同进化系统更倾向于稳定而不是成效(即收敛到局部优化解)。这与多Agent系统研究的目的(追求利益最大化)是不相符的。为此,文章提出了一种基于混沌机制的倾向于最大回报的协同进化算法,改进了Wiegand等人的工作,。理论分析和仿真实验表明,这种基于混沌机制的倾向能促使协同进化向更优化的全局稳定点收敛,从而帮助协同进化算法在某些合作的多Agent领域发现更好的解(甚至是最优解)。     

基于进化规划的多Agent系统任务调度

Agent任务调度是多Agent系统研究的重要内容之一.调度方法直接影响调度方案的优劣与否和系统的执行效率.进化规划是近年来兴起的一种进化计算方法,具有对实数直接操作及全局寻优能力.将之用于Agent任务调度,建立了Agent任务调度模型,设计了进化规划调度算法.采取多个体竞争策略有效地解决了进化规划的早熟问题.实例验证了这种方法的可行性及性能,进一步的研究是在资源及优先度限制的条件下,如何用进化规划算法解决Agent任务调度问题.     

一种新的小波网络设计方法及其在非线性模型辨识中的应用

模拟生物进化过程,将进化算法与小波网络相结合,提出利用自适应进化方法实现一次对网络的拓扑结构和网络参数全局优化的算法。     

多Agent系统中双边多指标自动协商的ACEA算法

自动协商是多Agent系统中的一个中心议题,它是在Agent间建立一种合作合约,多数情况下这种合约包含多个协商指标,而多指标的协商比单一指标的协商要复杂得多·因此,如何快速、高效地进行Agent间的多指标自动协商是多Agent系统中必须解决的一个问题·给出了一个Agent间多指标协商的模型(MN),并在此基础上提出了双边—多指标协商的一种加速混沌进化算法(ACEA)·ACEA算法首先将混沌机制引入进化计算,然后采用压缩技术对算法进行加速,这样既克服了进化计算过早收敛到局部Nash平衡点的缺点,又解决了多指标协商繁杂的计算和引入混沌后带来的收敛速度慢的问题·理论分析和仿真实验表明,ACEA算法以概率1收敛到全局最优解·     

基于多级搜索区域的协同进化遗传算法*

针对传统多种群协同进化算法仍然存在收敛速度慢、计算复杂性不能随进化过程有效降低等问题,提出了一种基于多级搜索区域的协同进化遗传算法,给出了一种衡量种群进化停滞的标准。通过聚类分析将搜索区域划为三个等级,对于较高等级的区域加强搜索粒度,逐步缩小搜索范围,提高了收敛速度并降低了算法复杂度。实验结果表明,该算法是求解最优化问题的一种有效方法。     

新的进化算法--文化算法

文化算法源于对人类社会多层面进化的模拟,为进化算法提供了一个新的计算框架.和其他进化算法相比,文化算法概念清晰,更能准确地反映社会的进化过程,并在一些领域取得了成功的应用.本文首先讲述了该算法的生物解释,然后介绍了算法的基本原理和不同版本,并给出了一些成功应用的实例,最后给出了本文的结论和进一步的研究方向.     

一种基于多Agent的进化多目标优化算法

将进化多Agent系统引入多目标优化问题求解，通过Agent的局部搜索机制及Agent种群的协同进化机制来寻求Pareto最优解。在设计的进化算法当中借鉴了人工生命系统中的一些基本方法，如能量、小生境和迁移机制等。实例表明通过该进化算法求得Pareto最优解集具有很高的效率。     

基于粒计算的复杂网络协同进化的研究与分析

针对复杂网络数据量大,与知识存在与/或关系及不易管理等特性,探讨和研究了复杂网络与知识网络之间的关系和演化过程.采用粒商空间理论构建了复杂网络与知识网络协同进化模型,提出了基于粒计算的复杂网络协同进化算法,该方法将双库融合机制及变区域策略应用到协同进化中,较好地解决了复杂网络与知识网互相作用、协同演化等问题.通过实验与比较,验证了此方法的有效性和可行性.     

基于免疫原理的进化算法

基于人类免疫系统的机理提出一种进化算法．简述了算法的基本原理与特点，定义了克隆、超变异、选择和记忆4种基本操作算子，给出了算法的主要步骤，并证明了算法能够以概率1收敛到全局最优点．用不同的测试函数进行仿真实验，结果表明该算法是有效的，能以较快的速度完成给定范围的搜索和优化任务．     

A new dynamical evolutionary algorithm based on statistical mechanics

In this paper,a new dynamical evolutionary algorithm(DEA) is presented based on the theory of statistical mechanics.The novelty of this kind of dynamical evolutionary algorithm is that all individuals in a population(called particles in a dynamical system)are running and searching with their population evolving driven by a new selecting mechanism.This mechanism simulates the principle of molecular dynamics,which is easy to design and implement.A basic theoretical analysis for the dynamical evolutionary algorithm is given and as a consequence two stopping criteria of the algorithm are derived from the principle of energy minimization and the law of entropy increasing.In order to verify the effectiveness of the scheme,DEA is applied to sloving some typical numerical function minimization problems which are poorly solved by traditional evolutionary algorithms.The experimental results show that EAT is fast and reliable.     

MicroGP—An Evolutionary Assembly Program Generator

This paper describes μGP, an evolutionary approach for generating assembly programs tuned for a specific microprocessor. The approach is based on three clearly separated blocks: an evolutionary core, an instruction library and an external evaluator. The evolutionary core conducts adaptive population-based search. The instruction library is used to map individuals to valid assembly language programs. The external evaluator simulates the assembly program, providing the necessary feedback to the evolutionary core. μGP has some distinctive features that allow its use in specific contexts. This paper focuses on one such context: test program generation for design validation of microprocessors. Reported results show μGP being used to validate a complex 5-stage pipelined microprocessor. Its induced test programs outperform an exhaustive functional test and an instruction randomizer, showing that engineers are able to automatically obtain high-quality test programs.     

基于进化博弈的P2P网络中信任计算的动力学分析*

运用动力学原理,基于进化博弈理论,对信任计算的动力学方程进行了求解分析,并运用复制动态原理分析了节点之间信任关系的演化趋势,进一步揭示了信任计算的演化动力学规律。仿真实验表明,进化是网络节点信任合作的动力源泉。     

A Universal Accepting Hybrid Network of Evolutionary Processors

We propose a construction of an accepting hybrid network of evolutionary processors (AHNEP) which behaves as a universal device in the class of all these devices. We first construct a Turing machine which can simulate any AHNEP and then an AHNEP which simulates the Turing machine. We think that this approach can be applied to other bio-inspired computing models which are computationally complete.     

Perception granular computing in visual haze-free task

In the past decade, granular computing (GrC) has been an active topic of research in machine learning and computer vision. However, the granularity division is itself an open and complex problem. Deep learning, at the same time, has been proposed by Geoffrey Hinton, which simulates the hierarchical structure of human brain, processes data from lower level to higher level and gradually composes more and more semantic concepts. The information similarity, proximity and functionality constitute the key points in the original insight of granular computing proposed by Zadeh. Many GrC researches are based on the equivalence relation or the more general tolerance relation, either of which can be described by some distance functions. The information similarity and proximity depended on the samples distribution can be easily described by the fuzzy logic. From this point of view, GrC can be considered as a set of fuzzy logical formulas, which is geometrically defined as a layered framework in a multi-scale granular system. The necessity of such kind multi-scale layered granular system can be supported by the columnar organization of the neocortex. So the granular system proposed in this paper can be viewed as a new explanation of deep learning that simulates the hierarchical structure of human brain. In view of this, a novel learning approach, which combines fuzzy logical designing with machine learning, is proposed in this paper to construct a GrC system to explore a novel direction for deep learning. Unlike those previous works on the theoretical framework of GrC, our granular system is abstracted from brain science and information science, so it can be used to guide the research of image processing and pattern recognition. Finally, we take the task of haze-free as an example to demonstrate that our multi-scale GrC has high ability to increase the texture information entropy and improve the effect of haze-removing.     

演化密码与DES的演化研究

安全密码的设计是十分复杂、困难的．密码的高安全性和密码设计自动化是人们长期追求的目标．该文将密码学与演化计算结合起来，借鉴生物进化的思想，提出演化密码的概念和用演化计算设计密码的方法，以DES密码为例，实际获得了成功，演化设计得到一批比DES原S盒好的S盒．而且以这种渐强的S盒为基础构成了演化DES密码系统．这些研究工作无论是对密码学还是对演化计算都是十分有意义的．     

基于DNA序列的计算技术

DNA计算是由生物学和计算机科学相互结合形成的交叉学科,该文将对此学科的发展进行介绍。首先介绍如何借助于处理DNA序列的方法来解决卖货郎问题,并以此表明DNA计算的可行性;再对DNA的切片重组系统和图灵机系统进行比较,以此说明用切片重组系统来实现图灵机功能的可行性,最后简单介绍待解决的问题.