基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型

融合了用户认知和智能评价的交互式遗传算法（Interactive genetic algorithm,IGA）是解决一类定性性能指标优化问题的有效方法,但是,评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力. 基于用户已评价信息,采用合适的机器学习方法,构建用户认知代理模型是解决上述问题的常用方法之一. 但是,现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响,以及模型拟合不确定性对基于适应值的进化操作有效性的影响. 针对上述问题,本文提出基于加权多输出高斯过程（Gaussian process,GP）代理模型的交互式遗传算法. 首先,在区间适应值评价模式下,提取学习样本的噪声特性,以确定相应学习样本对代理模型的影响度权重系数,构建两输出高斯过程代理模型;然后,利用代理模型提供的预测值及预测置信水平,给出一种新的个体适应值估计方法和个体选择方法;基于模型预测信息,实现模型更新管理. 将所提算法分别应用于含噪函数和服装设计问题中,所得结果表明本文算法可更好地拟合和跟踪用户认知,减小对进化搜索的误导,更快找到用户满意解.     

CIMS环境下选煤厂集成设备管理系统的研究

基于选煤厂设备管理需求和ＣＩＭＳ整体结构，文章提出了ＣＩＭＳ环境下选煤厂集成设备管理系统的体系结构，给出了系统实施的技术路线，重构了与之配套的组织体系。通过实施该系统可使生产顺利进行，降低产品的生产成本，从而提高产品在市场上的竞争能力。     

神经网络集成的免疫学习算法

针对神经网络集成中个体独立训练的低效性，提出一种神经网络集成的免疫学习算法NEIL，通过对集成单体神经网络的免疫优化，借助免疫算法的多峰值搜索和并行优化特性，将最终的收敛抗体群分别对应神经网络集成的各个单体，实现集成的同时训练过程，仿真结果表明NEIL算法是有效的，既保持了启发式优化方法的并行性，提高了神经网络集成的学习效率，又可保证单体网络之间相互独立，具有较大的差异度，进一步增强神经网络集成的泛化性能。     

基于动态反馈控制器的网络控制系统的稳定性分析

考虑实际模型的不确定性,针对一类具有不确定线性参数的网络控制系统,给出具有网络诱导时延及不确定线性参数的被控对象模型,设计其动态反馈控制器,建立基于动态反馈控制器的网络控制系统闭环模型.采用Lyapunov方法,给出保证该系统稳定的最大允许时延上界.仿真结果表明系统模型及控制器设计的合理性,所得最大允许时延上界保守性更弱.     

一种新的基于混沌变异解决早熟收敛的遗传算法

给出解决遗传算法早熟收敛问题的统一框架，基于新的混沌变异模型提出一种新的遗传算法。该算法充分利用混沌的初值敏感性和轨道遍历性，克服了已有混沌变异模型存在搜索盲区大的缺点。多峰值函数优化计算结果验证了该算法的可行性和有效性。     

基于搜索空间划分的自主式遗传算法与应用

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.该文给出了基于搜索空间划分的自主式遗传算法.该方法首先利用遗传搜索过程中的历史信息对搜索空间进行划分,以实现在用户未疲劳时避免用户疲劳.当用户疲劳时,由机器代替用户评价进化个体继续进行遗传操作,从而达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果验证了该方法的有效性.     

融合多特征嵌入与注意力机制的中文电子病历命名实体识别

中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短。为有效识别其医疗实体,提出一种融合多特征嵌入与注意力机制的命名实体识别算法,在输入表示层融合字符、单词、字形三个粒度的特征,并在双向长短期记忆网络的隐含层引入注意力机制,使算法在捕获特征时更加关注于医疗实体相关的字符,最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注。面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上,表明其可以更加有效地识别中文电子病历中各类实体。      

密集障碍物环境下基于凸包和微粒群优化的机器人路径规划

密集障碍物环境下, 考虑机器人移动过程中的控制偏差进行路径规划, 尚缺乏有效的方法. 本文的方法是: 首先根据障碍物之间的最小距离和机器人尺寸的大小关系, 确定凸包形成的条件; 然后, 通过选择满足条件的顶点, 形成密集障碍物的凸包; 最后, 基于凸包的关键点和稀疏障碍物的位置, 采用微粒群优化规划机器人路径. 仿真和实验结果验证了所提方法的可行性.     

用于函数优化的自适应类种子保留遗传算法

类种子保留遗传算法可以较好地处理维持进化种群多样性和保留重要个体的矛盾,但尚无有效方法确定其类控制参数.本文提出一种类控制参数随进化进程自适应变化的策略,其思想是:在进化前期类控制参数较大,将进化种群分成数目较少的粗类;随着进化的进行类控制参数自适应减小,将进化种群分成数目较多的细类.另外,个体的自适应变异充分利用了个体当前状态、本类种子和种群最优种子的信息.将该算法应用于5个基准数值函数优化问题,计算结果验证了本文算法在找到多个极值点的前提下有效地减少了计算量、提高了进化效率.     

基于搜索的软件工程研究专题前言

软件工程自1968年提出以来,一直是提高软件开发效率、保障软件质量的有效手段.软件的发展及内涵被归纳为3个空间:平台空间、认知空间和问题空间,相应地,软件工程发展也从传统的模式化转向知识化和智能化.基于搜索的软件工程(search based software engineering,简称SBSE)是传统软件工程和智能计算(intelligent computing)交叉的新兴研究领域,从问题的解空间出发,采用智能计算领域的元启发式搜索优化算法解决软件