基于并行演化计算的图像特征提取研究

图像特征提取已成为困扰智能化视觉信息处理的瓶颈。为了解决复杂背景下钢板表面缺陷的机器视觉检测问题,缩短视觉系统的开发周期,提高其实用性,在并行计算环境和视频仿真平台的基础上,探索机器视觉可塑性及形成机制,提出了将并行计算、视频仿真、演化计算相互融合解决钢板表面缺陷特征提取问题的方法,实现了演化计算与并行层次处理的特征选择、特征提取方法,为智能化的视觉信息处理开辟新的思路。实验证明,改进方案不仅具有可行性,而且能提高缺陷检测的准确性、实时性。     

基于集群SPMD算法及演化计算并行研究

高性能计算在科学研究领域有着广泛的应用。演化计算因具有计算规模大、种群中个体相关性小等优点，成为并行计算研究的主要对象之一。提出两种并行策略，对顺序GA（Genetic Algorithm）实现并行。首先使用主从模式对多种群协同遗传算法实现并行，在此基础上通过对算法进一步改进，实现了基于对等模式的并行演化计算，从而提高了算法可扩展性。比较了两种并行模式的各自特点，通过SPMD（Single Program MultipleData）算法实现茄基于上海大学“自强2000”高性能计算机上的实例验证，改进算法具有更好的可扩展性，更易于推广到网格环境。     

移动agent计算模式的无线传感器网络性能

无线传感器网络中使用的计算模式分为客户/服务器（Client/Server,C/S）计算模式和移动Agent（Mobile Agent,MA）计算模式。MA模式相比C/S模式具有的优点更适合无线传感器网络。本文通过理论分析和数学建模形式化MA数据处理与两种计算模式的性能指标。通过仿真比较了不同参数对这两种计算模式性能的影响。仿真结果表明,MA计算模式的网络性能受MA路由、MA处理代码大小、感知数据大小等多方面因素影响,在实际应用中需综合考虑以达到时延和能耗的均衡;而且MA模式具有良好的实时性,在一定条件下,其性能好于C/S模式。     

移动Intranet计算模型

现有的Ｉｎｔｒａｎｅｔ计算不能支持移动计算。利用移动代理技术建立了移动Ｉｎｔｒａｎｅｔ计算模型．探讨了在Ｉｎｔｒａｎｅｔ上实现移动代理计算模式的若干问题。     

基于移动代理网格计算的资源管理模型研究

为了研究基于移动代理的网格计算资源管理模型，介绍了网格计算环境和其体系结构应有的特征，并分析了基于其上的应用层模型应有的特征；根据各种不同的资源管理策略，研究了各种策略的优点和不足，并提出了各种改进方法；同时，提出了将移动代理引入网格计算中以解决资源管理、作业调度等问题的思想。     

演化仿真优化的并行实现及其应用

由于仿真对象的复杂性，一些仿真模型很难用有效的解析函数来表达，同时演化算法不要求优化目标具有连续，可导等特点，因此，演化算法用于仿真优化具有很大的优越性，针对仿真优化这一领域提出了演化仿真优化的概念及其形式化语言描述，并给出了演化仿真优化的算法实现框架，演化仿真优化的模型评估需要大量的计算时间，根据仿真优化的特点，提出主／从模式，粗粒度孤岛仿真优化模型及它在PVM，DCOM下的实现，并给出了两个控制器优化设计的实验，仿真试验的结果表明：对于演化仿真优化来说主／从模式的并行度要高于粗粒度孤岛模型，并得出以下结论，对于演化仿真优化来说仿真模型越复杂，主／从模式的性能越好。     

基于熵模型的服务生态系统演化分析方法

随着信息技术以及服务主导思想的发展,信息服务能够跨界融合形成服务生态系统以满足复杂定制化需求。针对服务生态系统演化的复杂性、融合性、动态性等特点,对其演化特征进行统一、准确的度量对于服务生态系统理论的深入研究具有重要意义。基于此提出的熵模型从生态、经济、网络三个角度度量服务生态系统的演化性能,并引入博弈分析以研究系统优化方法。进一步,建立多代理计算实验来模拟服务生态系统的竞合演化过程,为演化分析提供数据支撑。实验结果表明,熵模型具备有效性。熵模型能够度量服务生态系统的隐性驱动因素并为其提供决策支持,为系统的量化分析提供了新的思路。     

基于agent的计算基本框架ABCBA

经历20世纪90年代的持续实践，采用“开放系统”的思想来集成大型的计算机系统已成为技术界不争的事实．为了使得开放系统体现实时性和智能协作性，以移动agent为基础，建立了“公共agent请求代理体系结构(CARBA)”，并以CARBA为核心形成了“基于agent的计算基本框架(ABCBA)”．阐述了CARBA及ABCBA的基本结构、ABCBA领域接口、ABCBA在移动领域中的扩展、ABCBA与OMA及ODP的关系，并给出了实验．结论表明：利用ABCBA来提高开放系统协作性和效率是切实可行的，所形成的ABCBA框架在有线、无线环境中都是适用的．     

基于移动代理的网格计算

网格计算环境具有异构性、分布性、动态性、局域自治性等特点,针对以上特性,利用移动代理技术的网格计算方法,可以提供高效统一的应用接口,实现多编程环境下的协同应用求解,从而有效屏蔽其异构和分布等特性,动态适应其资源的变化。详细说明了基于移动代理的网格计算的体系结构和主要模块的功能,并阐述了移动代理的实现过程。     

基于移动代理在网格计算中的结构模型研究

网格计算环境下的资源管理、作业调度和分配、负载平衡等问题成为网格计算发展的障碍。本文介绍了网格计算的体系结构和运用网格计算环境进行作业计算、资源管理、负载平衡等方法存在的问题,详细论述了在网格计算环境下引入移动代理技术对于解决网格计算问题的作用和优点。然后分别对网格计算中的移动Agent结构、资源管理模式、作业分配与调度方法、负载平衡等方面进行了研究。     

基于遗传算法与思维进化计算的一种广义进化模型

本文在遗传算法(Genetic Algorithm，简记GA)与思维进化计算(Mind Evolutionary Computation，简记MEC)的基础上，提出了一种广义进化模型(Generalized Evolutionary Model，简记GEM)、该模型用微演化与宏演化两个过程，分别模拟人类的思维学习方式与自然进化，并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来，从完全意义上模仿了人类的进化．该模型既能有效的克服遗传算法的本质缺陷，又能拓展思维进化计算的理论基础及应用范围．数值优化的仿真结果证明了该模型的有效性。     

基于演化计算的异常轨迹并行检测算法

异常轨迹检测是轨迹数据挖掘研究领域的一个重要研究内容,基于演化计算的异常轨迹检测算法(Top-k evolving trajectory outlier detection, TOP-EYE)是一种有效的异常轨迹检测算法。不同于其他算法采用的轨迹距离计算方法,TOP-EYE算法 从轨迹的方向和密度角度出发,采用演化计算的方式检测异常。为了提高TOP-EYE算法对海量轨迹数据集异常检测的效率,本文在其基础上提出了基于MapReduce的异常轨迹检测并行算法(Parallel detecting abnormal trajectory based on TOP-EYE, PDAT-TOP ),利用MapReduce并行计算的优势提高了异常轨迹检测的效率。将算法PDA T-TOP在Hadoop平台上加以实现,实验结果表明,算法PDAT-TOP能够有效地检测异常轨迹,并且具有较高的可扩展性和加速比。     

基于融合进化计算的网格任务调度算法

在网格计算中,任务调度是一个重要的组成部分。针对网格环境异构、分布等特点,该文结合遗传算法与蚂蚁算法的优点,在双层进化结构基础上,提出了一种基于融合进化计算的网格任务调度算法。模拟实验结果表明：在网格环境下,调度算法具有明显的优势。     

思维进化计算的描述与研究成果综述

思维进化计算（Mind Evolutionary Computation，MEC）是孙承意于1998年提出的一种新的进化计算方法。它模仿人类思维申趋同、异化两种思维模式交互作用，推动思维进步的遏程。MEC多方面的性能优越，造是由于采用“趋同”和“异化”操作代替GA的选择、交叉和变异算子以及MEC与GA不同的运行机制：记忆机制、定向机制和探测与开采功能之间的协调机制。本文给出MEC迄今为止最完整的描述。由于篇幅所限，本文仅简单介绍MEC的主要研究成果。     

基于进化计算的DHMM训练方法

隐马尔柯夫模型（HMM)的传统训练方法－Beum-Welch算法只能得到 一个局部最优模型，从而影响最终的识别率。对于CHMM，分段K平均方法来取得一个初始值可以解决这一问题，但对DHMM却改进不大。而基于全局搜索的进化计算的一个重要特点便是可以得到次优解乃至全局最优解。本文把进化计算引入到DHMM的训练中去，提出了一种改进的进化训练贪污，实验结果表明，这种训练方法初具了全局搜索和快速收敛的特点， 得到的模型优于传统方法和直接用进化计算所得的模型，提高了系统的识别率。     

进化计算简要综述

介绍进化计算的起源与发展历史、进化计算的特点与分类、进化计算有关研究与应用现状、进化计算有关软件与国际信息交流等方面的基本情况。     

基于进化计算的神经网络设计与实现

基于进化算法可有产解决神经网络设计和实现中存在的一些问题,使网络具有更优的性能。在此对基于进化计算的神经网络设计和实现的研究内容及进展情况进行综述,讲座了网络实现的关键问题,包括网络权重的进化训练,网络结构进化设计,学习规则进化选取以及进化操作算子设计等,并分析了相关的研究和发展方向。     

基于进化计算的兴趣建模

为实现对个体的兴趣建模,提出基于进化计算的建模(Evolutionary Computation Based Modeling,ECBM)方法。该方法采用定性和定量相结合的方式对个体的兴趣系统进行建模,首先通过定性分析构建个体的兴趣模型框架,然后通过进化计算(Evolutionary Computation)方法对模型参数自动进化。实验结果表明,ECBM能够通过数据驱动模式优化模型参数,并利用更新信息进化模型,使其不断逼近真实系统。     

结合进化计算的神经认知机

福岛邦彦的神经认知机（Neocognitron）能用于有变形或位移的模式识别。然而,在原始神经认知机中许多参数及训练模式都是凭经验设定。该文旨在系统地剖析神经认知机的工作机制并有效地将进化计算结合进来以提高其性能。首先,通过分析神经认知机的学习机制指出原始神经认知机忽略了训练模式间的相关性分析;然后,结合协作进化为神经认知机搜索合理的参数和训练模式。实验结果表明了该文方法的有效性。在为参和训练模式是由进行计算获得而非人为设定的,所以这种改进型神经认知机有更广阔的应用领域。     

基于混合思维进化计算的网格资源分配算法

分布式、异构的网格环境中独立计算任务的有效调度是一个关键问题。由于在这样的环境中找到一个最优的调度是一个NP难问题,通常运用各种启发式算法来找到近似最优解。本文将思维进化计算和禁忌搜索算法结合起来,充分发挥各自的优势,并用实验证明了运用混合思维进化计算进行网格资源分配的有效性。