应用型本科计算机专业实践教学体系的构建与实施

分析应用型本科计算机专业实践教学体系及其实施过程中存在的不足,提出构建培养应用型人才的"基本操作"、"硬件应用"、"算法分析与程序设计"、"系统综合开发"四种专业能力的实践教学体系,并介绍了具体途径、方法及实施效果。     

有导向交叉算子的研究

为了更有效地处理建筑块,提出有导向的交叉算子。首先反复运行快速演化算法找到多个局部最优解,然后识别这些局部最优解中的重要基因位,将其标识为潜在的建筑块,然后应用有导向的交叉算子,组合父代中的建筑块。基于4阶欺骗问题验证了新算法的可行性。     

一种基于分解和协同的高维多目标进化算法

现实中高维多目标优化问题普遍存在，而且其巨大的目标空间使得经典的多目标进化算法面临严峻挑战，提出一种基于分解和协同策略的高维多目标进化算法MaOEA/DCE.该算法利用混合水平正交实验设计方法产生接近于指定规模且均匀分布于聚合系数空间的权重向量，提高种群的分布性；其次，算法将差分进化算子和自适应SBX算子进行协同进化以产生高质量的子代个体，改善算法的收敛性.该算法与另外五种高性能的多目标进化算法在基准测试函数集DTLZ{1，2，4，5}上进行IGD⁺性能指标实验，结果表明MaOEA/DCE在收敛性、多样性和稳定性方面总体具有显著的性能优势.     

快速倒序算子的研究

为了有效地处理建筑块,Bagley最先提出了应用倒序算子来对定义建筑块的基因进行适应性聚集。但是Bagley和Frantz的研究都表明,倒序算子太慢,作用不明显。针对TSP问题,郭涛提出一个"带导向的"倒序算子,取得了很好的效果。为了设计更快速的倒序算子,提出结合粒子群优化的方法改进郭涛算法,更好地利用当前最优解指导倒序,同时对个体施加倒序运算后立即评估,如有改进马上保存,从而巩固所获取的建筑块,不至于因为后面的错误而导致前功尽弃。实验结果证明了新算法的可行性。     

交叉算子与免疫算子的作用比较

通过应用免疫原理设计免疫算子对交叉结果进行修复，将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”，可以有效抑制优化过程中的退化现象。该文以旅行商问题为例，通过设置不同的交叉概率和免疫概率，对免疫遗传算法中交叉算子和免疫算子的作用进行研究。实验结果表明，交叉算子的作用在于保证候选解的多样性和建设性（将局部近似最优解组合成全局近似最优解）；而免疫算子的作用则是对候选解进行局部优化，二者的结合体现了搜索过程中勘探与开采的统一。     

基于稠密连接记忆神经网络的文本推理

由于传统的端到端记忆神经网络模型特征表示能力不足、无法很好地表示各个记忆之间的联系,导致其在数据集bAbI中的位置推理和路径查找问题正确率不高,针对此问题,提出了一种结合稠密连接和多层感知机的记忆神经网络。该模型利用稠密连接与全连接层获取关系特征,增强了模型的特征表示能力。利用bAbI数据集对模型进行推理正确率的评估,实验结果表明,与传统的记忆神经网络以及端到端记忆神经网络相比,该模型能有效提升文本推理的正确率。     

基于有导向变异算子求解多维背包问题

多维背包问题(MKP)是经典的NP难的组合优化问题。引入有导向变异算子的进化算法GM-EA(Guided Mutation EA)来求解该问题,通过结合粒子群优化的方法改进郭涛算法,更好地利用种群中的全局信息,取得较好的效果。实验结果表明GM-EA是求解MKP有效的算法。     

求解多目标优化问题的自适应粒子群算法

提出了一种基于自适应惯性权重的多目标粒子群优化算法AWMOPSO,采用新的适应值分配机制,在搜索过程中根据粒子的适应值对粒子进行分类,动态调整粒子的惯性权重以控制粒子的开发和探索能力。用外部精英集保存非支配解,并通过拥挤距离维持解的多样性。引入精英迁移和局部扰动策略,提高收敛的速度和精度。典型的测试函数的计算结果表明了算法能够快速逼近Pareto最优前沿,是求解多目标优化问题的有效方法。     

基于CBR-GA的建筑块重组*

为了解决遗传算法（GA）中好的建筑块被破坏的问题,提出基于CBRGA的建筑块重组方法。首先反复运行简单的遗传算法找到多个局部最优解,并选择多个不同的局部最优解构建案例库;然后应用差异化学习方法产生新案例,有效解决了GA中随机交叉对建筑块破坏的问题;最后通过4阶欺骗问题验证了新算法的可行性。