用态势模型预测基因表达式编程的进化难度

在基因表达式编程(gene expression programming,简称GEP)中,由于不同问题得到的适应度-距离相关系数(fitness-distance correlation,简称FDC)值很相近,所以难以用FDC预测GEP求解不同问题的进化难度.为了解决该问题,提出了态势模型及其区间密度指标来预测GEP的进化难度.主要工作包括:(1)提出了GEP染色体之间的距离和态势模型的新概念;(2)提出了态势模型中的区间密度指标;(3)从动力学角度证明了态势模型是对GEP原搜索空间的一种映射,并且该映射保持了种群在原搜索空间中移动的动力学性质;(4)分析了用态势模型区间密度预测GEP进化难度的合理性;(5)用实验验证了区间密度能够准确预测GEP求解问题的进化难度.     

基于极大极小距离密度的多目标微分进化算法

微分进化(differential evolution)是一种新的简单而有效的直接全局优化算法,并在许多领域得到了成功应用.提出了基于极大极小距离密度的多目标微分进化算法.新算法定义了极大极小距离密度,给出了基于极大极小距离密度的Pareto候选解集的维护方法,保证了非劣解集的多样性.并根据个体间的Pareto.支配关系和极大极小距离密度改进了微分进化的选择操作,保证了算法的收敛性,实现了利用微分进化算法求解多目标优化问题.通过对5个ZDT测试函数、两个高维测试函数的实验及与其他多目标进化算法的对比和分析,验证了新算法的可行性和有效性.     

基于有环因子图的密度进化理论分析

密度进化理论是分析低密度校验码的迭代译码性能的有效工具。本文在对密度进化理论进行研究的基础上,探讨了基于有环因子图的密度进化方法。首先讨论了有环因子图中环存在的情况,得到了环存在的概率表达式。然后研究了迭代译码算法中误码率的进化情况,在加入环存在对译码的影响因素后得到了迭代译码中误码率的进化表达式。在对该式讨论中,获得了有环情况下密度进化对信道奈件的要求,即译码门限。本文的研究表明,在考虑因子图中存在环的情况下进行密度进化分析时,其获得的译码门限要低于不考虑环存在的情况。     

非对称信道下离散密度进化及LDPC码设计

为了设计非对称信道下的低密度奇偶校验(low-density parity-check, LDPC)码并分析其性能,本文提出了可实现的基于偏移最小和译码的非对称离散密度进化方法.首先采用组合数学、差分方法和二项式定理等工具推导了低复杂度的非对称信道离散密度进化的迭代公式;应用该迭代公式,进一步对采用偏移最小和译码的LDPC码编码进行优化设计,得到了在非对称信道下不同量化范围和步长的LDPC码的最佳度分布及其性能;最后获得了在高精度量化下的最佳偏移值.结果表明在非对称信道下,改进的基于偏移最小和译码的非对称密度进化方法复杂度比原方法呈指数级降低;当码率固定,规则码变量节点度越小其性能越好,最佳偏移值越小.对非规则LDPC码,使用差分进化算法找到了最佳度分布与偏移值.码率固定时,最大变量节点度越大,非规则码性能越好.     

基于免疫克隆算法的多目标聚类方法

在分析k均值聚类和免疫进化聚类不足的基础上,提出一种基于Parzen密度估计的多目标免疫克隆聚类方法.该算法针对多目标免疫克隆算法中克隆规模难以确定的问题,根据密度聚类的思想,引入核密度估计,根据密度和进化代数确定各抗体的克隆规模,使用混沌变异增加抗体多样性.最后通过TOPSIS(technique for orderpreference by similarity to an ideal solution)方法进行抗体选择.人工以及UCI(universal chess interface)数据集上的仿真实验表明,该方法可以有效地提高算法速度,得到较好的聚类结果.     

多模态优化问题的邻域低密度个体差分进化算法

针对多模态优化问题(MultiModal Optimization Problems, MMOPs)的求解,提出了一种基于邻域低密度个体的差分进化算法.该算法在每一代,首先使用密度峰值聚类的方法求得每一个个体的密度,然后,将当前个体邻域范围内密度更低的个体作为变异算子的基向量,随着种群的进化,算法将会自动从探索阶段转化为收敛阶段,进而平衡算法的探索与收敛能力.将提出的算法应用于CEC2013多模态基准测试函数并进行仿真实验,结果表明本文算法在评价指标峰值比和稳定性上与其它基于差分进化的多模态优化算法相比具有明显的优势,并随着测试函数的维度与复杂性的增大,优势就更加明显,其性能优于许多现有的基于差分进化的多模态优化算法.     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组成.PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析.NDM通过引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平衡,以保...     

结合示例学习的移动机器人免疫进化规划研究

针对变化和部分未知环境下的移动机器人导航,将示例学习和生命科学中的免疫原理、进化算法相结合,将过去进化过程中的经验(性能好的个体)通过示例表达,提出了一种结合示例学习的移动机器人免疫进化路径规划算法。该算法将示例中的路径片段通过进化机制与免疫操作等其他进化操作所产生的新路径片段相互高效地组合,能够快速地进化出全局(次)最优可行路径。借助仿真实验和一些理论分析,分析了示例学习如何有效地利用过去的经验来解决部分未知和变化环境下的路径规划问题,分析了所构造的免疫算子对算法的影响。     

基于置信传播算法的低密度校验码量化译码设计

介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译码性能 ;似然比消息的适当对数量化可等价于对数似然比消息的均匀量化 ;对数似然比消息易于实现相对信道输入± 1的无偏对称量化 ,并有效利用消息的统计特性 .由非均匀量化在大消息区域分配的量化电平可以有效地促进算法收敛 .仿真结果表明 ,低阶非均匀量化优于均匀量化     

可快速编码的非规则LDPC码度分布优化

可快速编码的LDPC码校验矩阵的结构特殊,所以在其度分布优化时无法使用一般的优化方法。针对两种可快速编码的非规则LDPC码,提出了带有特定约束的差分进化度分布优化方法。首先分析了扩展非规则重复累积码构造法和循环置换矩阵构造法两种可快速编码LDPC码的构造方法,提出了两种LDPC码度分布序列设计的特定约束,然后阐述了非规则LDPC码的密度进化原理,分析了AWGN信道下密度进化的高斯近似,接着结合差分进化方法,将度分布的特定约束转化为度分布序列各分量的相关性描述以便利用差分进化实现度分布优化,最后给出了优化的度分布序列。仿真结果表明,优化的度分布序列优于先前文献的优化结果。     

Numberings optimal for learning

This paper extends previous studies on learnability in non-acceptable numberings by considering the question: for which criteria which numberings are optimal, that is, for which numberings it holds that one can learn every learnable class using the given numbering as hypothesis space. Furthermore an effective version of optimality is studied as well. It is shown that the effectively optimal numberings for finite learning are just the acceptable numberings. In contrast to this, there are non-acceptable numberings which are optimal for finite learning and effectively optimal for explanatory, vacillatory and behaviourally correct learning. The numberings effectively optimal for explanatory learning are the K-acceptable numberings. A similar characterization is obtained for the numberings which are effectively optimal for vacillatory learning. Furthermore, it is studied which numberings are optimal for one and not for another criterion: among the criteria of finite, explanatory, vacillatory and behaviourally correct learning all separations can be obtained; however every numbering which is optimal for explanatory learning is also optimal for consistent learning.     

一种基于显微多光谱宫颈细胞图像自动分割方法

介绍了一种基于多光谱宫颈显微图像自动分割方法。细胞涂片每一个局部区域经过显微镜放大后再通过电调谐光器件分别取出不同光谱波段的图像，经过CCD送入计算机后得到该视场分析所需的多光谱图像。从所获得的多光谱图像中选择一定的波段图像对数变换相除、多阈值分割和形态学操作，最后获得宫颈细胞的胞浆和胞核覆盖层。本文首次将多光谱分析应用到宫颈显微图像分割中，具有分割准确、分割速度快、能够去除胞浆重叠和受外界干扰少的特点。     

基于边界的二次曲面重建与分类

针对线框模型中二次曲面的重建,在面片边界回路确定的基础上提出了通过曲面片边界上9个点约束构建曲面方程的方法。先从回路中提取二次曲面片边界上顺次连接的3条曲线,并在这3条曲线上各取3点,形成9个对二次曲面方程系数的线性约束,再添加一个附加系数比例约束,确定二次曲面方程的全部10个系数。对退化二次曲面点约束缩减的情况,通过增加退化约束来补偿以求得精确解,同时也给出了一个求近似解的简化方案。最后对二次曲面的分类进行了讨论。实验结果表明该方法准确且高效。     

二维剪切排样的束搜索启发式算法

针对约束二维矩形剪切排样问题,提出了一种基于束搜索的三阶段剪切排样算法。其切割过程包括三个阶段：板材剪切成段,段剪切成条带,条带切割成准确尺寸毛坯。采用动态规划确定段的价值,复杂度低的拼接递推不同长度子板的初始价值和板材的初始可行解,束搜索优化板材的排样方式。束搜索的节点用矩形对表示,分别是段组合而成的局部方式和未填充的剩余子板。以局部方式价值与剩余子板的初始价值之和作为节点的估计值。按估计值选择精英节点继续分支,其他节点直接删除不再回溯。实验结果表明该算法可缩短三阶段同质排样的计算时间,且所获得的余料大,利于余料的回收管理和再利用。     

集合代数是经典命题演算形式系统的语义解释

经典命题演算形式系统(CPC)中的公式只是一些形式符号,其意义是由具体的解释给出的.逻辑代数和集合代数都是布尔代数,都是CPC的解释.集合代数是CPC的集合语义,其中对联结词的解释就是集合运算;对形式公式的解释就是集合函数;对逻辑蕴涵.逻辑等价的解释就是集合包含和集合相等=.标准概率逻辑是在标准概率空间上建立的逻辑体系,命题表示随机事件,随机事件是集合,概率空间中的事件域是集合代数,概率逻辑就是CPC集合语义的实际应用.CPC完全适用于概率命题演算.     

音乐领域本体的建立和分析

音乐是一门重要的社会学科，具有丰富的领域知识，这些知识是计算机音乐应用系统所需要的专业知识。本文基于本体论方法形式化地探讨音乐领域本体的建立和分析，具体介绍了本体的建立方法、本体元素的描述、本体的一致性分析等方面内容。我们给出两个判断类间关系一致性的算法并分析其性质，还探讨了基于公理的知识的一致性。     

冷轧薄板设定计算模型与仿真研究

研究冷轧薄板计算机系统的设定计算模型和计算方法,采集了大量实际生产数据,研究了这些模式对各个钢种的最优稳态轧制数据,基于上述结果,优化设定计算模型的参数,控制实际计算精度。并设计了重要模型的计算仿真程序,通过仿真找出现有模型的优缺点,为以后设定计算的最优化提供理论基础。现场实验表明,仿真系统实验结果应用到实际生产中使产品厚度精度得到很大提高。     

结构损伤振动检测策略分析与应用研究

介绍了基于振动方法在线结构损伤监测和无损检测技术,归纳了在线结构损伤检测技术的研究目标和基本要求.回顾了基于振动技术的结构损伤检测研究现状,并以一个空心蜂窝板的裂纹损伤检测为例,提出了一种改进的研究策略.最后,对基于振动方法的结构损伤检测技术提出了应当进一步研究的若干专题.     

分布式协同虚拟实验室的设计与实现

讨论了可用于网络研究和学习的分布式协同虚拟实验室技术,提出了该技术的HLA/Java 3D构建方案.将实验系统定义为一个联邦,实验目标由联邦成员协同完成.联邦成员由4个线程组成,其中Applet线程和远程更新线程负责虚拟实验室图形渲染,联邦成员主线程和RTI回调线程实现协同控制.该系统完成了该4个线程的设计,并用队列和阻塞实例实现了线程之间的协调,解决了RTI重入问题.实验结果表明该方案是可行的.