基于郭涛算法的演化神经网络

提出了一种新的演化神经网络算法GTEANN,该算法基于高效的郭涛算法,同时完成在网络结构空间和权值空间的搜索,以实现前馈神经网络的自动化设计。本方法采用的编码方案直观有效,基于该编码表示,神经网络的学习过程是一个复杂的混合整实数非线性规划问题,例如杂交操作包括网络的同构和规整处理。初步实验结果表明该方法收敛,能够达到根据训练样本自动优化设计多层前馈神经网络的目的。     

基于CCEA和改进郭涛算法的函数优化问题求解

在合作式协同演化(CCEA)的基础上,引入了使用高斯变异算子的郭涛算法,设计了一种求解函数优化问题的高效混合演化算法.通过求解复杂高维的函数优化问题的多个实例,并将该算法和CCEA与基本郭涛算法结合的方法--CCGT进行了对比.实验结果表明,新算法是高效的,其结果优于现存文献中的其它模型,但不及CCGT优秀.证明在该算法中引入的高斯变异算子的作用不大.     

基于改进郭涛算法的TSP问题求解

郭涛算法可能是目前求解TSP问题最快的演化算法,其算法的核心在于Inver-over算子的设计,但在城市规模超过80时,该算子寻找全局最优解的能力就会下降。将原Inver-over算子的线性逆转改为环形逆转,改进逆转方式后,被逆转的基因片段可以包括整个染色体,这样能有效地防止解的早熟。同时,在原算法的基础上,引入了映射模块,能使父代中好的基因片段得到遗传,使好的基因片段能让更多的染色体所享有,不会因为父代被替代而让好的基因模式丢失。实验表明：改进后的算法增强了原Inver-over算子对最优解的搜索能力,并且对TSPLIB中大部分实例均可搜索到最优解。     

我的IT“育儿经”

说起IT、数字,感觉都是冷冰冰的技术,和那肉呼呼暖融融的小宝宝似乎很难挂上钩。但是,正是这些看上去没有感情的东东,成了现代妈咪的育儿好帮手。     

利用改进的郭涛算法求解函数优化问题

对郭涛算法做了两点改进一是引入演化策略中的高斯变异算子,二是引入自适应搜索子空间.高斯变异算子对群体作正态分布微调,防止早熟;自适应搜索子空间使得群体在演化至接近全局最优解时能自动缩小搜索范围,从而达到加速收敛的目的.数值试验表明新算法正确高效,求解精度高;指出并更正了文献中的两处错误,所用测试函数全局最小值均刷新了文献中记载的最好结果.     

基于改进郭涛算法的CCEA函数优化问题

郭涛算法在求解函数优化问题方面具有独特的优势,其核心在于多父体杂交。鉴于郭涛算法只有杂交操作而没有变异操作,该文引入高斯正态分布变异算子,提高了对复杂问题的求解效率。分析合作式协同演化算法(CCEA),采用多种群相互作用协同进化的策略求解复杂问题。同时在合作式协同演化模型中引入了郭涛算法,求解复杂高维的函数优化问题。实验结果表明,该模型的效率优于其他模型。     

利用改进的郭涛算法求解函数优化问题

对郭涛算法做了两点改进:一是引入演化策略中的高斯变异算子,二是引入自适应搜索子空间。高斯变异算子对群体作正态分布微调,防止早熟;自适应搜索子空间使得群体在演化至接近全局最优解时能自动缩小搜索范围,从而达到加速收敛的目的。数值试验表明:新算法正确高效,求解精度高;指出并更正了文献中的两处错误,所用测试函数全局最小值均刷新了文献中记载的最好结果。     

时间都去哪儿了

时下最流行的歌曲恐怕非《时间都去哪儿了》莫属。虽是一首老歌,却因马年春晚红遍大江南北。一时间,“时间都去哪儿了”由流行歌演变成了流行语。     

微粒群算法与郭涛算法在数值优化中的比较

对于9个典型的复杂BenchMark测试函数,分别利用PSO算法和GuoA算法进行数值计算比较,大量实验结果表明:GuoA算法更具有通用性和坚韧性,在全局收敛趋势方面较优,但是速度相对较慢;PSO算法的收敛速度很快,而且对于某些极难问题更具有优越性,但成功率相对较低,且容易早熟。     

基于差异演化算法和郭涛算法的文化算法

针对数值优化问题,对差异演化算法进行改进,获得多子差异演化算法。将多子差异演化算法和基于自适应搜索子空间的郭涛算法融合到文化算法的框架中,提出一种新的文化算法。实验结果表明,与多子差异演化算法、差异演化算法和基于自适应搜索子空间的郭涛算法相比,该算法收敛速度快,不易陷入局部最优,所得解的质量更好。     

一种结合粒子群优化理论改进的郭涛算法及其应用

郭涛算法是目前求解TSP(traveling salesman problem)问题最为高效的进化算法之一。算法中提出一种求解TSP旅行商问题的高效Inver-over算子,该算子使基因序列以一定概率进行自适应的序列倒置,同时具有遗传算法中的变异算子以及杂交算子的特性。对Inver-over算子进行改进,使粒子编码得到更加充分的序列倒置;并引入粒子群优化算法的思想以加快算法收敛速度,提高了郭涛算法求解效率。将改进后的郭涛算法应用于钢卷自动优化组合堆垛问题,实验验证了改进郭涛算法的有效性。     

编者语

粒粒皆辛苦,这个由儿时开始大人们就开始在耳边唠叨着的大道理,当时也许并没有什么太大的感触。权当一阵耳边的风掠过而已,因为,那是在烂漫纯真、无忧无虑的童年中……     

别忘了，牵起孩子的手

先给大家讲一个故事，一个发生在我身上的、真实的故事。     

当代家庭教育误区评析

家庭教育对于儿童的成长至关重要。但是当前，我国的家庭教育存在着诸多问题和困境，包括重视程度不足、教育观念不正确、教养方式不当、教育行为失范等。本文针对这些问题进行分析并提出了相应的对策。     

“刷新”自己

一天，督促八岁的女儿去书房练琴，我则在客厅坐下来看电视，然而，好半天后，依然不见琴音从书房飘出来，我去察看时，发现女儿正捧着漫画书看得窃喜个不停，我生气地说：“待会弹给我听，若弹不好，看我怎么收拾你!”女儿抬起头，看了我一眼，居然有些轻蔑地说：“切，你又不懂谱子，我弹错了你能纠正吗？”     

小心电脑宽带害了您的孩子

不懂电脑，就会跟不上时代，不安宽带，上网就不如别人快乐。现在的孩子不是龙就是以凤，做父母的，自然恨不得自己的孩子跑在同龄人的最前面，买来电脑，安上宽带，然而，有不少父母，以为自己尽了父母的责任了，或者，是自己太忙了，没过多久，对孩子如何使用电脑，如何使用宽带，就不怎么关心了。     

改进的混合粒子群算法

从研究分析粒子群算法和郭涛算法的特点出发,提出一种综合两算法优点的混合算法。新算法改变了粒子的更新方式,以子空间搜索和串行搜索相结合的多点并行搜索,扩大了算法的搜索范围,减少了粒子对初值的依赖,增强了算法跳出局部最优的能力;通过后代较优个体变异产生子群,提高了算法局部寻优能力;实验证明,该算法正确高效。     

当代家庭教育观念误区浅析

良好的家庭教育对子女形成健康的个性品质、健全的人格、合理的素质结构 ,促进其健康的成长并顺利的成才 ,起着举足轻重的作用。家庭教育应避免陈旧的观念误区 ,应适应时代发展的需要 ,为子女的健康成长发挥应有的作用     

家庭要重视对孩子的道德培养

家庭是社会的细胞，是对孩子实施教育的特殊阵地。因为孩子涉世太浅，家庭教育对他们的成长具有奠基作用。随着社会的发展，物质、文化水平的提高，家庭独生子女的比例加大，孩子的长辈们应该运用科学的教育方式，对孩子精心培育，用社会公德和中华民族的传统美德进行规范，正确引导，使其沿着正确的方向茁壮成长。如果听之任之，     

熊猫多媒体中心，让老爸老妈也能玩高清

按计划,本期仍然由错哉同学为大家继续介绍如何在HTPC上打造家庭多媒体中心（连载三）,不过,考虑到他还要同时为大家进行DDR3-1333内存横评（《平价来袭,5款DDR3内存条激情碰撞》）,工作量很大,所以这次的连载就由我（精力旺盛兄）暂为代劳了a新手上路,请多关照!当然,首先要问清楚这期连载该做什么,“GameEx、Mediaportal、《熊猫媒体中心》吧,这些多媒体中心软件都很有特色,你选一个做吧!”错哉同学交待道。