求解六峰值驼背函数优化问题的热力学演化算法

作为计算智能关键技术的演化计算,因其在对复杂和非线性问题的求解中表现出良好的适应性、并行性、鲁棒性等众多优点,受到众多领域专家学者的广泛关注.在综合国内外演化计算研究现状的基础上,基于热力学中的自由能极小化原理,设计了一个全新的热力学演化算法,并通过对于六峰值驼背函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,试验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优.     

一种基于同步树替换文法的统计机器翻译模型

提出一种基于同步树替换文法的机器翻译模型.相对于基于短语的模型,此模型可以对远距离结构性调序和非连续短语翻译进行建模;相对于基于同步上下文无关文法模型,此模型可以对任何层次上的树节点调序进行建模.因此,该模型可以为处理语言结构间的异构对应问题提供有效的解决途径. 在两组风格差异较大的数据集上进行的实验均验证了基于同步树替换文法的模型相对于基于短语模型和基于同步上下文无关文法模型的稳定优势.     

一种改进的动力学演化算法

动力学演化算法(DEA)是一种新颖的基于统计机制理论的演化计算技术.DEA通过驱动所有的个体运动和演化,可以有效地保持种群的多样性,但是在解决一些困难的函数优化问题时,DEA收敛速度慢并且易收敛于局部最优解.提出了一种改进的带有多父体杂交和差分变异算子的动力学演化算法(IDEA),有效地加快了DEA的收敛速度并且可以轻易逃离次优解.通过解决典型的数值函数优化问题来证实算法的有效性,实验结果表明,改进的动力学演化算法具有更高的收敛速度和收敛精度.     

一种基于多代理的演化多目标优化算法

为解决多目标优化中求帕列托最优解集的问题,引入多代理演化的思想.在演化的机制上,每个目标赋予单个代理人,这些代理人拥有各自的演化群体.以各自的单个目标作为演化过程中的评价函数,并且以它们各自选择出的优良解群体的分布作为概率分布,通过代理人的通信将这些概率分布合成,作为产生出下一代解的依据.在一些测试问题上,很少的演化代数内,将解群体收敛到帕列托最优解集.该方法在求解多目标优化问题帕列托最优解集上具有较高的效率.     

一种求解Shubert函数优化问题的演化算法

综合国内外演化计算研究现状,基于热力学中的自由能极小化原理, 设计了一个全新的热力学演化算法,并通过对于Shubert函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。     

缺陷需求分析与管理模型

需求管理是软件过程改进的重要活动,需求缺陷管理是需求管理的重要组成部分,其目的在于检测、分析、解决和预防需求缺陷.从社会因素和技术因素两大方面分析了需求工程阶段缺陷产生的原因,对缺陷进行了分类.建立了需求(模型)缺陷列表、缺陷需求分析模型和基于需求缺陷管理的需求过程模型.指出需求缺陷列表所反映的需求分析过程的数量特征,能够为评估需求工程师能力、准确和全面地定义需求成熟度、研究需求演化波及效应、研究需求模型复杂度和需求缺陷分布规律提供必要数据和有益启示.     

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.     

基于系统动力学的环境污染演化博弈问题研究

用系统动力学建立环境污染管理问题中政府管理部门与生产排污企业之间的一个混合战略演化博弈模型.仿真结果表明:非对称结构的2*2混合策略演化博弈模型不存在演化均衡.从监管部门的角度出发,改变博弈支付矩阵在演化博弈过程始终保持不变的情况,在博弈支付矩阵中考虑动态惩罚策略.结果表明,本策略的演化博弈模型存在演化稳定均衡,即Nash均衡.系统动力学为演化博弈理论的验证和应用提供一个政策仿真实验平台.     

基于惩罚函数的演化测试优化方法研究

演化测试是一种有效的测试用例自动生成技术。它将测试用例的生成的过程转化为一个利用遗传算法进行数值优化的问题,可以自动生成高质量的测试用例。目前,演化测试技术已经在许多测试领域被广泛地研究。研究发现,演化测试过程中无效解和局部最优解的存在扰乱了演化正常进行,降低了演化测试的性能。针对演化测试中存在的问题,提出基于惩罚函数的适应值函数F（x）,对无效解和局部最优解进行惩罚,有助于演化过程中根据适应值选择更合适的个体进行遗传操作,提高演化测试的性能。实验结果表明,F（x）有效降低了无效解和局部最优解的适应值,提高了演化测试的性能。     

基于网格的一种新的动态演化算法

近年来,越来越多的演化计算研究者对动态优化问题产生了很大的兴趣,并产生了很多解决动态优化问题的方法。提出一种新的动态演化算法,与传统的演化算法有所不同,它是建立在划分网格基础上的,故而称它为网格优化算法。通过测试典型的动态优化问题,并与经典的SOS算法进行比较,证明了算法的有效性。