城市深基坑支护工程中的遗传优化模型研究

文章在研究分析城市深基坑支护工程众多因素的关系和特性的基础上,建立了城市深基坑支护体系的遗传优化数学模型,提出了一种适用的基于遗传算法的两层协同演化模型。该模型为解决多因素优化问题提供了一种新的思路。     

大模型: 基于自然交互的人机协同软件开发与演化工具带来的挑战

以自然语言生成为核心的大模型技术正在人工智能领域掀起热潮,并持续向更多的领域穿透其影响力.以ChatGPT为代表的自然语言生成大模型(以下简称大模型),已经在软件工程的多项活动中展示出其通过自然交互方式给人提供一定程度帮助的能力和潜力,正在发展成为一种基于自然交互的人机协同软件开发与演化工具.从人机协同软件开发与演化的视角,大模型作为一种软件工具呈现出了两大特征:其一是基于自然语言的人机交互,在相当大程度上拓展了人机协同的工作空间、提高了人机协同的效率和灵活性;其二是基于已积累的软件开发和演化知识、针对给定软件开发和演化任务的预测性内容生成,可以对软件开发和演化工作提供一定程度的支持和帮助.然而,由于大模型本质是基于概率与统计原理和训练数据所形成的数学模型,具有不可解释性和内生不确定性,其生成的是缺失可信性判断的预测性内容,而人在软件开发与演化中所需要完成的是具有可信保障的决策性任务,所以大模型作为一种软件工具,在人机协同的软件开发和演化工作环境中给人提供帮助的同时,也带来了诸多的挑战.围绕如何构造对软件开发与演化更有帮助的代码大模型、如何引导大模型生成对软件开发与演化更有帮助的预测性...     

供应链环境中流程协同的CP模型

介绍了协同点CP(coordination Point)模型,该模型分为业务流程层、公共层、协同层,通过定义契约提供各层次活动之间的交互和并行,以保证全部协同流程的正确执行.     

用协同演化并行PSO重构扩展的超二次曲面模型

针对用传统方法难以求解的扩展的超二次曲面三维模型参数拟合问题,提出了用协同演化的并行粒子群优化算法求解的新方法。通过对扩展的超二次曲面三维表示特性的研究,设计和实现了基于岛屿群体模型的并行粒子群优化算法,并用协同演化的思想,将约束非线性优化转化为极小极大问题进行求解。实验结果表明用协同演化的并行粒子群优化算法重构扩展的超二次曲面三维模型,扩大了模型表示能力,建模精确且效率高。     

协同演化算法在基坑支护工程优化设计中的应用

提出一个用于基坑支护工程优化设计的协同演化模型,并给出相应的协同演化算法．利用基坑支护系统各子系统之间既相互独立又相互联系的特点,提供了问题空间与外空间不断演化的协同机制,实现了基坑支护方案和细部结构的协同优化设计．通过一个简化的基坑支护参数优化问题——“锚杆 排桩”支护体系的应用实例,说明文中的模型和算法对于基坑支护工程的优化设计是有效且适用的．     

基于角色的设计模式形式建模及演化

重用设计在改善软件开发过程中的作用越来越受到人们的重视.面向对象的软件设计模式概念的提出为软件设计的重用打开了新的局面.但在设计模式的具体应用中存在实现、文档和组合的问题.给出了一种基于角色的设计模式形式建模方法,将类、类属性、类之间的关系等都看作角色,并用形式建模语言Object-Z形式表示这些角色,可有效地解决设计模式实例化时存在的问题.基于角色的设计模式形式模型在演化时也基于角色进行演化,将模式的演化分为角色层演化和模式层演化,模式层演化是由多个角色层演化组成的.演化后的模型可以通过定理证明器验证与前模型是否保持一致.     

可信的自治式服务协同模型和应用开发构架

通过自治式服务协同来实现VO的按需动态组建和自主演化,是开发Internet计算环境下组装化、服务化应用软件系统的潜在佳径;但遭遇因自治个体行为难以预测和控制而导致的协同效应"可信"危机。为解决该危机,文中提出了规范调控、策略驱动的自治式服务协同模型NGPD。解决的关键思路在于:通过系统化制定社交结构标准和配套的协同行为规范来约束和调控Ace(自治计算元素)个体的协同行为及其演化,使得理性Aces的协同行为(服务供、需行为),进而群体协同效应变得可控、可预测、从而可信;而提供"宏微"连接模式去支持宏观调控的操作化,并建立策略驱动的Ace行为自主管理机制去实现"宏观调控→微观行为"的映射,则使得宏观调控作用能够施加到Ace个体,以驱动Aces表现出遵守服务契约和协同行为规范的理性,又保持高度自治。随着"可信"危机的解决,服务协同模型NGPD能够突破服务协同的非自治性而导致的局限性,使得服务协同的自主和应变能力具有常规服务协同技术难以达到的强健和智能优势;也给开发规范调控、契约担保的层次式协同自组织模型,以及契约履行情境驱动的协同自适应和自演化模型,奠定了坚实基础;使得基于服务协同的VO具有按需动态自组织和自演化的高性能。     

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。     

基于复杂适应理论的SaaS平台自适应演化技术研究*

针对产业链协同SaaS平台业务功能动态定制的特点,在研究云平台业务功能个性化定制架构的基础上,分析了产业链协同SaaS平台业务功能自适应演化的需求,基于复杂适应系统理论建立了自适应演化模型,提出了基于角色及业务驱动的演化模型执行策略,采用基于遗传算法的演化策略实现主体的最优演化,采用基于.NET的反射机制实现了演化主体的动态配置,设计和实现了基于.NET的反射处理接口,实现了自适应主体在系统运行过程中的动态调用。最后,通过报表主体的动态添加和表单主体在不同企业联盟中的自适应演化,验证了技术的可行性和有效性。     

面向多峰优化问题的双层协同差分进化算法

多峰优化问题是一类存在多个全局最优解的复杂优化问题,不仅要求算法找到尽可能多的最优解,而且要求算法尽可能提高所找到的最优解的精度.演化计算方法是求解这类问题的重要手段.但是传统演化计算方法面临多样性和收敛性两个方面的挑战.针对这两个方面的挑战,提出了一种通过探索层和精炼层协同演化的双层协同差分进化算法.在探索层中,每个个体作为一个分布式搜索单元探索并定位到一个最优解.在协同过程中,探索层引入个体寿命机制,将耗尽寿命且定位到最优解的个体存入一个外部存档,然后重新初始化这些个体以找到更多的最优解.在精炼层中,首先对探索层输送过来的外部存档中的个体进行聚类,然后对每一个类使用经典的全局优化差分进化算法进一步提升所找到的最优解的精度.因此,探索层和精炼层分别针对多样性和收敛性挑战,通过协同演化使得算法不仅能够找到尽可能多的最优解,而且使得找到的最优解的精度尽可能高.使用目前最常用的CEC'2013标准测试集中的所有20个多峰优化问题对所提出算法的性能进行测试,并与13种表现突出的和最新的多峰优化算法进行比较.实验结果显示,所提出的双层协同差分进化算法的整体性能优于所比较的13种多峰优化算法.     

多群多层协同进化算法的约束优化求解及应用*

针对基于可行性规则求解约束优化问题易陷入局部、master-slave协同进化模型同层种群间没有信息交流的情况,提出多群多层协同进化算法(MSMHCO)。算法在信息交流上,同层采用种群单向信息交流,不同层采用顶层指导底层的信息交流;在进化方式上采用后一层在前一层的基础上的进化方式;在搜索方式上融合全局并行搜索、局部串行搜索、混沌映射的遍历性和模拟退火算法的突跳功能。典型函数测试表明,MSMHCO算法和同类算法相比,收敛速度更快,求解精度更高。丁烯烷化过程的约束优化实例也进一步证明了MSMHCO算法的有效性。     

多粒子群协同进化算法

针对遗传算法收敛速度慢且易于陷入局部最优,而微粒群算法存在早熟的现象,提出了一种多粒子群协同进化算法,在多个粒子群协同进化的同时,通过构建基因库,使较劣的粒子根据基因库进行遗传操作,用4个基准函数进行实验表明,算法MPSOE3性能明显优于基本PSO算法,最后对该算法进行了推广,给出了一种基于计算智能的多群协同进化模型。     

Developing multiagent systems for design activity analysis

Engineering design is a complex socio-technical activity characterized by co-evolution of problem and solution. However, the actual design theories are not well-suited to represent and model the complexity of design activity, the co-evolution and its dynamics. Therefore, there is a need to develop design activity reasoning theories and tools, which can theorize and simulate the model of co-evolution and its dynamics. Multiagent systems have the capacity to play an important role in developing and analyzing models and theories of interactivity in socio-technical societies, particularly in design. This paper first addresses a theory for design activity reasoning. Then, it will present a multiagent system, called ADEA (Agents-based DEsign activity Analysis), in order to model, simulate and analyze this theory. The agents of the ADEA platform formalize the necessary design roles, characterizing the design activity as well as the relationship between design parameters in the design space. ADEA’s platform shows that cognitive limitation of role agents has been overcome, considering their relationship with the design space modeled as a network of design parameter agents.     

Gause竞争型协同进化算法在FNN中的应用

自从60年代J.霍兰提出遗传算法以来,模拟进化算法得到了很大的发展和应用。协同进化算法是针对遗传算法的不足提出,还处于研究初步阶段。该文在竞争型协同进化的基础上,借鉴生态学中物种竞争模型,提出了基于Gause竞争方程的竞争型协同进化算法,并将该算法应用于模糊神经系统的辨识问题上。实验证明,该算法比标准遗传算法、典型竞争型协同进化算法和BP学习算法具有更好的全局收敛性和更快的收敛速度,在一定程度上解决了标准遗传算法的不足。     

融合协同进化人工鱼群算法和SVM的雾霾预测方法

针对日益严重的雾霾污染问题,提出融合协同进化人工鱼群算法和支持向量机的雾霾预测方法.首先,运用佳点集构造均匀分布的种群,并引入自适应视野范围策略、自适应步长策略、种群间协同策略,提出协同进化人工鱼群算法.然后,使用协同进化人工鱼群算法,优化支持向量机的主要参数.最后,构建基于支持向量机的雾霾预测模型,预测雾霾天气.在10个测试函数上的实验证明协同进化人工鱼群算法的性能,在6个UCI数据集上的实验验证预测模型的稳定性和有效性.     

基于生态种群竞争模型的协同进化

遗传算法基于适应度的进化模式没有考虑进化的外部环境和进化成分之间的关系,这是协同进化研究的内容.借鉴生态学对个体生存环境和种群竞争的认识,构造了一种基于生态种群竞争模型的新的协同进化模式.模拟实验表明,采用该模式的改进遗传算法在改善未成熟收敛和收敛速度两方面具有良好的性能.     

Fostering participation and co-evolution in sentient multimedia systems

User diversity and co-evolution of users and systems are two important phenomena usually observed in the design and use of IT artifacts. In recent years, End-User Development (EUD) has been proposed to take into account these phenomena, by providing mechanisms that support people, who are not software professionals, to modify, adapt, and even create IT artifacts according to their specific evolving needs. This is particularly true in the case of sentient multimedia systems, in which the system is called on to interact with multiple sensors and multiple human actors. However, to motivate and sustain these people, a culture of participation is necessary, as well as proper metadesign activities that may promote and maintain it. To this aim, this article first proposes a model for describing interaction and co-evolution in sentient multimedia systems enhanced by EUD features. Then it presents four main roles involved in interaction and co-evolution, including that of maieuta designer, as the “social counterpart” of the metadesigner. Finally, it describes how the maieuta designer is in charge of carrying out all those activities that are necessary to cultivate a culture of participation, by means of proper ways that are briefly introduced in the article.     

基于协进化和CPN的多智能体系统建模

多智能体系统体系结构及协作机制是多智能体理论研究的核心与热点问题,作为一种新兴的研究方法,基于协进化机制的多智能体协作具有广阔的研究前景。但已有的协进化模型过于简单,缺乏灵活性和更强的应用能力。CPN是多智能体系统建模的最好的工具之一,因此将其应用于协进化机制的多智能体系统的建模很有意义。     

项目组合交互风险的网络聚类及协同演化研究

将交互关系纳入项目组合风险研究框架,分析项目组合交互风险网络复杂性及其演化规律。从交互关系分类入手,将项目组合表征为由多个子系统相互作用构成的交互耦合网络,并提出了基于直觉模糊生态聚类算法的项目组合交互风险网络聚类识别模型;基于扩展的Lotka-Volterra方程建立项目组合交互风险协同演化模型,对比研究具有竞争、共生和偏利偏害效应的项目组合交互风险演化规律。研究表明,项目组合风险效率最大化及系统稳定性的关键在于项目组合交互关系及其强度,同时合理控制组合配置比例。