关于认知演化计算分支领域的研究简报(II)

科学地认知演化计算分支领域对演化计算的研究与发展具有重要的意义.对演化计算分支领域发展的主线、特点和内在规律进行了回顾与总结,从科学哲学的角度阐述了如何对演化计算分支领域进行科学认知,并概要介绍了演化计算方法论研究的主要进展,讨论了演化计算方法论研究进展对计算机科学与技术学科未来发展可能产生的影响.     

粒度计算研究综述

粒度计算GrC（Granular Computing）是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究.它是词计算理论、粗糙集理论、商空间理论、区间计算等的超集,也是软计算科学的一个分支,已成为模糊的、不完整的、不精确的及海量的信息处理的重要工具和人工智能研究领域的热点之一.本文综述了粒度计算的发展动机、研究现状及发展趋势,着重介绍了粒度计算的主要理论模型与方法及其在不同领域的应用,对存在的问题进行了分析,并提出了进一步研究的方向.     

基于LDA模型的研究领域热点及趋势分析

随着研究的不断深入以及信息传播手段的进步,与某个研究领域相关的科学文献越来越多,也越来越容易得到,然而要阅读和分析这些数以千计的文献,仅凭人力已经难于实现对该领域研究重点、研究热点以及趋势进行全面系统地分析.鉴于此,提出一种基于LDA模型对某研究领域在一定时期内的热点及趋势进行自动识别的方法.该方法利用Gibbs抽样计算模型参数,获取领域热点主题以及热点词语,通过按时间后离散的主题演化方法分析热点主题在时间轴上的强度演化.以中文信息处理领域为例,通过对《中文信息学报》2001—2010十年间发表的学术论文进行分析,自动获取中文信息处理领域十年内的研究热点以及热点主题在时间轴上的演化趋势.实验结果初步证明了该方法的有效性.     

演化计算和遗传算法的研究现状

讨论了演化计算、遗传算法的发展、特点,并论述了演化计算的主要分支遗传算法的基本过程、优点、应用领域及研究方向。     

深度学习认知计算综述

随着大数据和智能时代的到来,机器学习的研究重心已开始从感知领域转移到认知计算（Cognitive computing,CC）领域,如何提升对大规模数据的认知能力已成为智能科学与技术的一大研究热点,最近的深度学习有望开启大数据认知计算领域的研究新热潮.本文总结了近年来大数据环境下基于深度学习的认知计算研究进展,分别从深度学习数据表示、认知模型、深度学习并行计算及其应用等方面进行了前沿概况、比较和分析,对面向大数据的深度学习认知计算的挑战和发展趋势进行了总结、思考与展望.     

网络时代人工智能研究与发展

50多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远.当今网络时代,人工智能科学要在学科交叉研究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物理学、网络科学、计算机科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络智能.对这3个重要方向进行了阐述,并提出了具体建议.     

文化计算方法与应用综述

文化计算是把计算及相关技术应用到文化领域,探索其中的发展规律、揭示其中的内在联系或对其进行可视分析与展示.因此,文化计算对于文化的本质挖掘和传承发扬都具有重大意义.论文对文化计算做了简单概述.首先,从文化基因的内涵解析入手,以文化组学为理论,对文化计算的演化脉络和其发展历程进行总结;介绍了一些有相似思想的文章进行文化计算理论的延展,并对文化计算的方法进行比较.其后重点阐述了文化计算的研究内容,包括作为信息基本模式的文化基因、核心研究对象文化量化以及可视分析的大数据应用方法,分析各研究内容是如何对文化进行量化计算、科学分析的.最后应用案例介绍了文化计算的应用,并对文化计算进行了总结与展望.     

图像复杂度研究综述

图像相关复杂度的研究领域很广泛,除了计算机科学领域,还延伸到医学、认知心理学等研究领域。在以上应用领域,与图像相关的复杂度的定义有很多,包括图像复杂度、视觉复杂度、场景复杂度,其中图像复杂度又可以进一步细分为颜色复杂度、纹理复杂度和形状复杂度。文中对以上这些复杂度的应用、定义和计算方法进行了归纳总结,并依据组成论中相关复杂度的定义,提出了一种研究图像复杂度的思路,即从图像组成元素的角度来研究图像复杂度。这种图像复杂度的定义只与图像本身所包含的元素、内容有关系,与图像处理任务和算法无关。同时,这种图像复杂度的定义符合一般意义下人对图像复杂性的感受和理解。图像元素可以分为颜色、形状、纹理三大类,它们又可以进一步用一些特征来表示。根据组成论,文中给出了定义这3种特征的广义集的方法。后续研究将进一步给出图像复杂度的计算算法,并通过与人工实验的相关性分析来验证计算结果是否与人的感受相一致。     

基于话题三层结构模型的话题演化分析算法

在话题追踪研究领域,话题随着时间不断发展变化。目前的话题追踪方法无法对话题的发展演化进行全局的把握。针对该问题,提出基于相似度计算的话题演化分析方法。该方法采用时间片划分的思想,通过子话题间的相似度计算得到话题演化的具体过程及细节。实验结果表明,该方法能有效地反映话题的演化历程。     

基于轮廓结构元素和阈值分割的形态学去噪

在话题追踪研究领域,话题随着时间不断发展变化。目前的话题追踪方法无法对话题的发展演化进行全局的把握。针对该问题,提出基于相似度计算的话题演化分析方法。该方法采用时间片划分的思想,通过子话题间的相似度计算得到话题演化的具体过程及细节。实验结果表明,该方法能有效地反映话题的演化历程。     

A design for DNA computation of the OneMax problem

 Elements of evolutionary computation and molecular biology are combined to design a DNA evolutionary computation. The traditional test problem for evolutionary computation, OneMax problem is addressed. The key feature is the physical separation of DNA strands consistent with OneMax “fitness.”     

基于移动agent技术的演化计算模型

传统演化计算存在着个体行为被动和处理过程集中式的缺陷，而移动Agent具有自治性、社会性、响应性、自发性、环境适应性和移动性。把移动agent技术应用到演化计算上能够克服传统演化计算的部分缺陷，并能达到优势互补，因此文章提出了基于移动agent技术的演化计算模型MABEC(mobile-agent—based evolutionary computation)，并在IBM公司的Aglet平台上加以实现。     

进化规划算法的时间复杂度分析

进化规划算法是求解连续优化问题的一类进化算法,是进化计算的一个重要分支.在进化规划算法的理论研究上,已有学者证明了其收敛性.然而,进化规划算法的时间复杂度分析是进化计算领域一大难题,目前相关的研究成果很少.基于吸收态Markov过程模型,以期望收敛时间作为研究进化规划算法时间复杂度的指标,提出了进化规划算法期望收敛时间的估算方法,并以此作为算法时间复杂度分析的理论依据.最后分析了Gauss变异进化规划算法的期望收敛时间,作为提出理论的应用举例.     

Parameter control in evolutionary algorithms

The issue of controlling values of various parameters of an evolutionary algorithm is one of the most important and promising areas of research in evolutionary computation: it has a potential of adjusting the algorithm to the problem while solving the problem. In the paper we: 1) revise the terminology, which is unclear and confusing, thereby providing a classification of such control mechanisms, and 2) survey various forms of control which have been studied by the evolutionary computation community in recent years. Our classification covers the major forms of parameter control in evolutionary computation and suggests some directions for further research     

分层交互式进化计算及其应用

针对目前交互式进化计算存在的局部搜索能力不强、效宰低下等问题，将分层的思想引入交互式进化计算，提出了分层交互式进化计算．给出了算法实施的关键问题，分析了算法的效宰．将其应用于服装设计，通过算例验证了算法的有效性．     

Evolutionary Computation in Structural Design

The paper provides the results of preliminary research on the application of evolutionary computation to integrated structural design in which a complex design support tool automatically conducts both conceptual and detailed design. In the paper, a brief overview of the state of the art in evolutionary computation and its applications to structural design is provided. Next, Inventor 2000 is described, a unique research and structural design tool developed by the authors at George Mason University that combines an evolutionary computation component with a system for wind forces analysis, and a system for the analysis, design and optimisation of steel structures. The paper also presents the results of four structural design experiments conducted with Inventor 2000. The objective of experiments was to investigate various forms of evolutionary computation as applied to structure design. Finally, the paper provides the initial research conclusions and recommendations for further research.     

Recent Advances in Evolutionary Computation

Evolutionary computation has experienced a tremendous growth in the last decade in both theoretical analyses and industrial applications. Its scope has evolved beyond its original meaning of ＂biological evolution＂ toward a wide variety of nature inspired computational algorithms and techniques, including evolutionary, neural, ecological, social and economical computation, etc, in a unified framework. Many research topics in evolutionary computation nowadays are not necessarily ＂evolutionary＂. This paper provides an overview of some recent advances in evolutionary computation that have been made in CERCIA at the University of Birmingham, UK. It covers a wide range of topics in optimization, learning and design using evolutionary approaches and techniques, and theoretical results in the computational time complexity of evolutionary algorithms. Some issues related to future development of evolutionary computation are also discussed.     

量子进化算法在生产调度中的应用综述

量子进化算法是量子计算和进化计算相融合的产物,具有种群多样性好、全局搜索能力强、收敛速度快等优点。综述了量子进化算法在Job-Shop调度、Flow-Shop调度、车辆路径规划、项目调度等生产调度领域中的应用现状,讨论了面向生产调度的量子进化算法的编码转换方式和进化策略以及存在的问题,并指明了其进一步的研究方向。     

Genetic Programming and Autoconstructive Evolution with the Push Programming Language

Push is a programming language designed for the expression of evolving programs within an evolutionary computation system. This article describes Push and illustrates some of the opportunities that it presents for evolutionary computation. Two evolutionary computation systems, PushGP and Pushpop, are described in detail. PushGP is a genetic programming system that evolves Push programs to solve computational problems. Pushpop, an autoconstructive evolution system, also evolves Push programs but does so while simultaneously evolving its own evolutionary mechanisms.