Gray编码对族群进化算法性能的改进

族群进化算法（EGEA）利用族群机制进行群体结构调控。在基于二进制编码的群体中,个体间编码的差异性被作为族群聚类的标准。由于自然二进制编码所存在的Hamming悬崖问题易影响族群聚类的准确性,从而降低EGEA的搜索效率,因此提出利用Gray编码连续个体间编码只有一位不同的特点来改进族群聚类的精度。针对典型多维函数的仿真实验表明,基于Gray编码的族群聚类过程可显著提高EGEA的收敛速度和解的精度。     

基于抗体注射的免疫遗传算法

标准遗传算法存在收敛速度慢、过早成熟等缺点。借鉴生物免疫系统中抗体注射免疫的理论,提出了一种基于抗体注射的免疫遗传算法(AIGA)。该算法在保留了标准遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、抗体注射和免疫选择等机制。结合旅行商问题(TSP),给出了示范抗体的提取和注射方法,并给出了算法收敛性的理论证明。最后,用AIGA对100个城市的TSP进行了仿真计算,并将其计算过程与标准遗传算法进行了对比,结果表明该算法能有效地改善遗传算法不成熟收敛的缺陷,使收敛的速度有较大的提高。     

基于并行组合模拟退火算法的过程挖掘

首先给出了过程挖掘问题的形式化描述,然后提出了一种适合过程挖掘的并行组合模拟退火算法。该算法采用因果关系矩阵作为过程模型的编码,与同类算法相比,对适应度函数、交叉和变异算子进行了改进,并利用模拟退火算法的特性提高了算法的收敛速度。仿真实验表明该算法能较有效地处理日志噪声问题。     

一种基于双线性链表结构编码的遗传算法

针对基于以往经典编码方式的遗传算法解决并行机大批量成组调度问题时的弊端,提出了一种基于双线性链表结构编码的遗传算法（DLGA）,并设计了相应的遗传算子。应用于某轮胎厂的硫化工序调度问题,进行了仿真分析。     

基于自适应小生境递阶遗传算法的RBF均衡器

递阶遗传算法(HGA)一次只能确定一个最优个体。采用小生境递阶遗传算法,依据进化信息自适应调整小生境区域,在均衡数据误比特率最低,隐层中心聚类有效性最佳的基础上,可以从多个进化优解中确定出最佳结构的径向基(RBF)神经网络均衡器。仿真结果验证了算法的有效性和稳定性。     

四腿机器人步态参数自动进化研究与实现

采用进化算法和基于自主视觉的适应度评估方法,实现了四腿机器人在RoboCup机器人足球比赛现场的行走步态在线自动进化．我们引入内推法作为交叉方法,利用PC基站进行进化算法计算和流程主控,并采用了一些学习时间缩减策略．实现了进化学习的连续性和可扩展性,使得学习过程可以在4060min内完成,这样就能在比赛现场对ERS-7四足机器人进行行走再学习,提高了行走控制的适应性．算法最终结果使ERS-7型四足机器人的行走速度从27cm/s提升到43cm/s．     

一种基于规范的可信协同系统分析设计框架

针对可信协同系统分析建模与设计问题,提出了RBN-T模型,分析了模型中的可信保障机制及策略.提出了基于RBN-T模型的可信协同系统分析建模过程,以具体的实例说明了RBN-T模型在可信协同系统分析建模与设计上的可用性.RBN-T模型把基于角色的规范管理提升到适合可信协同系统分析建模与设计的层次,从而有利于在协同系统开发的早期阶段就关注可信问题.     

基于细胞因子网络协同进化的Web服务合成方法

借鉴生物神经内分泌免疫系统的协同进化机制,基于细胞因子网络平台提出了Web服务的合成方法.在细胞因子网络调控下的生物实体代理Web服务,构成为一个带有条件的米兰机单元,Web服务的合成可以转换为米兰机进化过程.生物实体通过消息匹配和条件约束形成细胞因子网络,Web服务的合成通过生物实体细胞因子网络支持.在服务协同进化过程中可以动态调整其合成的服务,完成服务的动态自组织合成和管理等工作.仿真结果表明该方法在环境动态变化时具有适应性.     

基于非结构化控制流的进化测试方法

结构性测试中,进化测试是一种高效的自动生成高质量测试用例的技术.然而,当程序中出现非结构化特征时,在面向节点的测试标准下,其效率极其低下甚至不及随机测试生成方法.在考虑循环体内部出现跳转(goto、retum)语句的情况下,提出了一种适应度计算方法.该方法在结合传统进化测试适应度计算的基础上,充分考虑了循环次数对于进化搜索的影响.实验结果表明,本适应度函数可以很好地引导进化搜索,并以较小的代价生成测试用例.     

显卡进化之旅（2）：竞争带来的图形芯片的迅速进步

上期中,我们为大家带来了早期显卡的发展情况——显卡从无到有,从2D到3D,从性能到性能变强,其中的故事也非常的精彩。在经历了早期群雄逐鹿的时代后,显卡市场逐渐呈NVIDIA和ATI两分天下的局面。