复杂动力学模型参数优化问题的协同进化算法

复杂反应动力学建模中,系统参数的优化是需要解决的关键问题之一.该类优化问题具有多参数、非线性以及参数相关性强等特点.协同进化算法将多种群之间的协同作用以及种群内部的独立进化相结合,适合于求解该类问题.将改进的协同进化算法应用到化工氧化反应建模过程的系统参数优化问题中,避免了解决该类问题的传统优化算法中易陷入局部极值以及初值依赖性强的缺点,运用理论证明了该算法的有效性.测试结果表明,协同进化算法对于求解该类复杂参数优化问题是有效的.     

数据聚类的共同进化方法

共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。     

基于一种改进的自适应遗传算法估算环已烷自催化氧化反应动力学参数

A modified genetic algorithm of multiple selection strategies, crossover strategies and adaptive operator is constructed, and it is used to estimate the kinetic parameters in autocatalytic oxidation of cyclohexane. The influences of selection strategy, crossover strategy and mutation strategy on algorithm performance are discussed. This algorithm with a specially designed adaptive operator avoids the problem of local optimum usually associated with using standard genetic algorithm and simplex method. The kinetic parameters obtained from the modified genetic algorithm are credible and the calculation results using these parameters agree well with experimental data. Furthermore, a new kinetic model of cyclohexane autocatalytic oxidation is established and the kinetic parameters are estimated by using the modified genetic algorithm.     

高职《数据结构》课程教学改革与探索

高职类《数据结构》课程要求学生具有较好的数学基础、抽象思维能力和程序设计能力,是计算机软件技术专业的一门重要课程。《数据结构》课程教学中存在的主要问题导致学生学习效率低下,必须在教学方法及教学手段方面进行改革和改进。