基于空间收缩技术的约束多目标进化算法

约束多目标进化算法在求解不可行域较大的优化问题时对不可行域的合理探索不仅有助于种群快速收敛于可行区域内的最优解,还能减少无潜力不可行域对算法性能的影响.因此,提出一种基于空间收缩技术的约束多目标进化算法(CMOEA-SST).首先,提出自适应精英保留策略对PPS算法的Pull阶段初始种群进行改进,增加Pull阶段初始种群的多样性和可行性;其次,在进化过程中采用空间收缩技术逐渐缩小搜索空间,减少无潜力不可行域对算法性能的影响,使算法在兼顾收敛性和多样性的同时提高收敛精度.为验证所提算法性能,将该算法与四个代表性算法C-MOEA/D、ToP、C-TAEA、PPS在LIRCMOP系列测试问题上进行仿真对比.实验结果表明,CMOEA-SST在处理不可行域较大约束优化问题时具有更好的收敛性和多样性.     

基于空间收缩技术的约束多目标进化算法

约束多目标进化算法在求解不可行域较大的优化问题时对不可行域的合理探索不仅有助于种群快速收敛于可行区域内的最优解,还能减少无潜力不可行域对算法性能的影响.因此,提出一种基于空间收缩技术的约束多目标进化算法(CMOEA-SST).首先,提出自适应精英保留策略对PPS算法的Pull阶段初始种群进行改进,增加Pull阶段初始种群的多样性和可行性;其次,在进化过程中采用空间收缩技术逐渐缩小搜索空间,减少无潜力不可行域对算法性能的影响,使算法在兼顾收敛性和多样性的同时提高收敛精度.为验证所提算法性能,将该算法与四个代表性算法C-MOEA/D、ToP、C-TAEA、PPS在LIRCMOP系列测试问题上进行仿真对比.实验结果表明,CMOEA-SST在处理不可行域较大约束优化问题时具有更好的收敛性和多样性.     

长江源区浮游植物群落特征与水环境因子关系研究

为研究长江源头区域河流浮游植物群落结构与水环境因子的关系,于2017年5,8,9月份和2018年5,7,9月份在长江源区进行调查分析,并对浮游植物及水环境因子进行了Pearson相关性分析和典范排序分析。结果表明,共发现浮游植物6门79种,以硅藻门和蓝藻门为主。各采样点浮游植物平均密度71.66×10⁴ ind./L。典范分析表明,温度、化学需氧量、高锰酸盐指数、氨氮、总氮、溶解氧是影响长江源区河流浮游植物群落结构的主要因子。研究成果有助于了解长江源头地区浮游植物群落特征,为三江源生态保护提供数据支撑。     

巴厘岛海龟资源保护对中国物种多样性保护的启示

物种的多样性是维护生态平衡和生态稳定的基本前提。印度尼西亚的巴厘岛上的海龟资源的保护方法为生物多样性的维护提供了有益的启示。我国处于经济发展的快速期,在处理经济快速发展与保护生物多样性之间的冲突过程中,我们面临许多挑战。综合考察国内外生物多样性保护的经验和教训并制定出我国保护生物多样性的措施就显得尤为重要,文章针对目前中国珍稀动物的现状,从避免过度开发、防止环境污染、严控外来物种、加强环保教育等方面提出了可能的解决方案。     

南水北调后密云水库浮游植物多样性及水生态环境评价

本文采用野外生态学方法,于2016—2018年6月和9月对北京密云水库浮游植物多样性及水生态环境进行了研究。结果表明,密云水库浮游植物共检出8门56属108种,浮游植物平均密度为3.66×106ind./L,平均生物量为7.90mg/L,优势种为尖脆杆藻(Fragilaria acus),种类组成、密度和生物量均以绿藻和硅藻为主,蓝藻占比适中,但种类和密度仍较多。蓝藻存在显示有富营养化和水华爆发的可能。除氮磷指标外,其余理化指标均处在国家标准Ⅰ-Ⅱ类,氮磷仍是潜在富营养化因素。总之,南水北调后,密云水库浮游植物群落结构复杂,浮游植物在种类组成和数量上变化明显,多样性和均匀性均较好,但仍预示着潜在的水华和富营养化风险。水质多为中营养状态,水质状况总体良好,但仍存在氮磷含量高和富营养化等问题,水库控制氮磷负荷仍不容忽视。     

东北地区植物花色类别与传粉者之间的相关性

花色一直被认为是吸引传粉者的诱物之一,是开花植物与传粉者长期相互选择的结果。作者统计了东北地区虫媒植物共计1 142种,同时利用出版物和网络资料提供的照片并比对标准色谱,确定这些虫媒植物花的颜色和色谱范围。发现在东北地区,单色系花中白色花所占比例最大,超过35%,黄色系和红色系次之,各占20%多一点,橙色花最少,仅占2%,其余为混合色系花,即一朵花或一个花序上的花有两种以上颜色。针对色谱分类结果以及东北地区常见的传粉昆虫的相关资料,讨论了花的颜色与传粉者之间的相关性。     

基因表达式编程中动态适应的远缘繁殖策略

传统基因表达式编程采用静态适应度函数,影响了后期进化速度和整体质量。提出了远缘繁殖策略和动态适应度函数策略,远亲繁殖并及时变换评估个体的标准,增加多样性并有利于选择优质个体;实验表明,将远缘繁殖和动态适应度函数策略结合,有效地改善了传统GEP的性能,进化代数平均下降达10%,平均最高适应度值提高7%~14%,最高适应度提高达7%以上,进化的成功率提高达30%以上。     

快速跳出局部最优的VPS-GEP算法

传统GEP(Gene Expression Programm ing)算法存在局部收敛方面的缺陷,为了解决这一问题,提出了可以使进化快速跳出局部最优的VPS-GEP(Various Popu lation Strategy GEP)算法,证明了在概率意义上GEP平均每代进化所耗时间与群体规模成正比,用两个标准测试函数和一个标准测试数据集测试了VPS-GEP算法的函数挖掘能力和效率。实验表明,VPS-GEP算法可以减少进化停滞代数55%以上。     

浮游生物生物学评价在乐昌峡水质监测中的应用

浮游生物是水生食物链的基础,在水生生态系统中占有重要地位,许多浮游生物对环境变化反应很敏感,可作为水质的指示生物。该文以乐昌峡水利枢纽水库中浮游生物的香农—威纳多样性指数[1]和群落均匀度指数评价库区水体营养状况,该方法区别于常规水质监测模式,从另一个方面反映了水体水质,可为乐昌峡水环境保护工作提供依据,对提高枢纽水资源管理水平,保障枢纽的安全、高效运行具有重要意义。     

具备反向学习和局部学习能力的粒子群算法

为解决粒子群优化（Particle Swarm Optimization,PSO）算法中存在的种群多样性和收敛性之间的矛盾,该文提出了一种具备反向学习和局部学习能力的粒子群优化算法（Reverse-learning and Local-learning PSO,RLPSO）。该算法保留了初始种群中满足排异距离要求的多个较差粒子以及每个粒子的历史最差位置。当检测到算法陷入局部最优时,利用这些较差粒子的位置信息指导部分粒子以较快飞行速度进行反向学习,将其迅速牵引出局部最优区域。反向学习过程可改善粒子种群的多样性,保证了算法的全局探测能力;同时,利用较优粒子间的差分结果指导最优粒子进行局部学习与搜索,该过程可与粒子群的飞行过程并行执行,且局部学习的缩放因子可随进化过程动态调节。局部学习可提高算法的求解精度,保证算法的迅速收敛。实验结果表明,RLPSO 算法同其他 PSO 算法相比,在高维函数优化中具有收敛速度快、求解精度高的特点。