实数编码量子共生演算法及其在云任务调度中的应用

针对共生演算法收敛慢和易陷入局部最优的问题,结合量子遗传算法理论,提出一种实数编码的量子共生演算法(real-coded quantum symbiotic organisms search,RQSOS)。首先依据三角模糊数提出差异度概念,并依此构造一个以自变量向量的分量和一对概率幅为等位基因的三倍染色体,使一条染色体携带更多信息并增强解的多样性;然后提出一种基于阿基米德螺旋线的探索学习模式,加强对解空间的探索精度;最后使用共生演算法更新差异度值并依据差异度值对种群进行学习和变异操作,促使整个种群快速向最优方向进化且减小了陷入局部最优的概率。利用数值优化问题和云任务调度问题对算法进行验证,仿真结果表明,RQSOS算法在收敛速度和寻优能力上均有明显提升,是一种可行有效的算法。     

平衡序列图的结构

考察了平衡序列图的结构,给出了平衡标号与序列标号的关系,提出了用二部划分确定平衡标号的方法,得到了平衡标号特征与导出边标号最小值的关系式,给出非平衡的序列树。     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。     

基于并行协同进化的属性约简

提出一种求属性集合最小约简的新方法，即基于并行协同进化的属性约简方法．该方法将并行遗传算法和协同进化算法相结合，能有效地处理具有大量属性的信息系统．对各类实验数据的测试表明，该方法得到的属性约简量与基于属性重要性的约简方法相似，在某些情况下求得最小约简的可能性要高于属性重要性方法．     

A Hybrid Symbiotic Evolution–Neuro Fuzzy Strategy for Permeability Estimation of the Reservoir

A key parameter for reservoir characterization is permeability distribution. Most well log data and core permeability values are corrupted by noise (such as uncertain depth-matching, core testing conditions, and thin beddings). In this work, the authors first used wavelet as a new powerful tool for de-noising data points and then they investigated how the integration of back propagation with group based symbiotic evolution improves the reliability and prediction capability of neuro-fuzzy systems for predicting permeability of real reservoir data.     

基于共生特性的G.729A基音调制信息隐藏的检测

提出了一种G.729A自适应码本分组基音调制信息隐藏的检测算法.对语音码流的分析发现,通过基音预测进行信息隐藏将改变相邻语音帧中基音周期估计值的共生特性.通过量化这种共生特性,并经过PCA(Principal Component Analysis,主成分分析)降维获得对隐写检测敏感的特征向量.最后基于特征向量和SVM (Support Vector Machine,支持向量机)构建隐写检测器.对不同语音样本数据集的检测表明,当语音长度在2s及以上时,检测正确率均超过96%.此检测算法是一种有效的压缩域信息隐藏检测方法.     

青藏高原自然保护地与乡村社区共生模式研究——以孟达国家级自然保护区为例

通过对青藏高原自然保护地建设问题的分析,认为保护地与乡村社区二者关系的研究是保护地建设的关键。根据对保护地与乡村社区关系的回顾,认为从空间营造的角度探讨保护地与乡村社区共生模式是解决青藏高原保护地建设的重要途径之一。以孟达国家级自然保护区为例,分析保护区与乡村社区共生关系的形成、演变机制,提出保护区与乡村社区共生界面——小流域是问题研究的重点。分析共生界面的特征,提出3种尺度的营造策略——小流域景观规划、乡村聚落重构与绿色建筑营造。流域尺度强调上游河源区的生态保护,中游河谷的生态保育和下游河口区的生态修复;聚落尺度提出将社区作为景观资源与旅游设施的重构策略;院落尺度利用绿色建筑技术营造新型民居,实现重构聚落的核心内容和小流域景观规划的重点环节,回应保护区资源环境保护与社区发展之间的矛盾关系,促进保护区与社区共生模式的形成。     

关于济阳坳陷浅层气藏与稠油油藏联合勘探的思考

济阳坳陷历经50多年的勘探开发,发现了众多的浅层气藏和稠油油藏,明确二者的分布及成因关系对下步勘探具有指导意义。通过对浅层气藏与稠油油藏的空间分布和地球化学特征进行研究,发现二者在空间分布上存在伴生现象,即在稠油油藏的上方或上倾方向常发育浅层气藏,而在浅层气藏的下伏或下倾方向往往发育稠油油藏;在成因上具有共生关系,浅层气藏主要为油溶释放气和原油降解气,而油藏中的油气由于生物降解及天然气脱出等原因形成稠油。根据研究成果提出了浅层气藏与稠油油藏联合勘探的设想,即由已知浅层气藏寻找未知稠油油藏,由已知稠油油藏寻找未知浅层气藏,或者根据地震亮点寻找浅层气藏,进而寻找稠油油藏。     

基于ASOS-ELM的湿式球磨机负荷软测量方法

针对湿式球磨机在磨矿过程中内部负荷靠专家经验难以准确预测的问题,提出一种基于改进的共生生物搜索(ameliorated symbiotic organisms search,简称ASOS)-极限学习机(extreme learning machine,简称ELM)的磨机负荷软测量方法。首先,利用ELM算法建立磨机负荷软测量模型,运用ASOS算法优化软测量模型的隐含层参数;其次,以筒体振动与振声信号的特征信息构建磨机负荷特征向量,并将其作为软测量模型的输入,将磨机负荷参数作为输出;最后,通过磨矿负荷检测实验和对比分析表明,磨机负荷软测量模型的负荷参数预测准确率较高,泛化能力较强,为磨机磨矿效率的提高及控制优化提供了有益的指导。     

Efficient reinforcement learning through dynamic symbiotic evolution for TSK-type fuzzy controller design

In this paper, efficient reinforcement learning through dynamic-form symbiotic evolution (DSE) is proposed for solving nonlinear control problems. Compared with traditional symbiotic evolution, DSE uses the sequential search-based dynamic evolution (SSDE) method to generate an initial population and to determine dynamic mutation points. Therefore, better chromosomes will be initially generated while better mutation points will be determined for performing dynamic mutation. The proposed DSE design method was applied to different control systems, including the cart-pole balancing system and the water bath temperature control system, and control problems were simulated on these systems. The proposed DSE method was verified to be efficient and superior for solving these control problems and from comparisons with some traditional genetic algorithms.