遗传算法中自适应方法的比较和分析

分析了前人提出的具有代表性的自适应遗传算法,使用23个测试函数对SGA和3种AGA进行实验比较,讨论并总结出各种AGA的优劣所在,为新研究理念的提出提供基础,也为工业应用提供一个参考标准。实验结果表明,基于聚类分析的AGA在算法性能上较其它自适应遗传算法更优,具有很高的实用价值和发展前景。

教学与科研相结合——研究型大学本科教育的使命

本科教学和科研是当前研究型大学发展的两翼。文章旨在消除过去对本科教学和科研相互独立、顾此失彼的认识误区,说明二者是可以相互结合相互促进的;描述将科学研究引入本科教学中的方法和优势,并以重点实验室参与本科生科研实践作为示范实例,说明研究型大学在本科教学中如何做到教学与科研两翼齐飞。

自适应小世界粒子群优化算法

提出一种基于小世界网络的自适应拓扑结构。每个粒子都与它的近邻粒子进行交互,其有一定概率通过小世界重置与远方的粒子进行沟通;为粒子群体的每个维度分配一个特定的小世界网络,不同维能够学习不同邻居的历史信息;粒子的邻域大小与小世界重置的概率将在种群收敛状态的基础上进行自适应调整。利用标准函数集对该算法进行测试,测试结果表明,通过该机制,粒子群体具有更好的搜索多样性,能够平衡全局探索与局部开发。

本科生参与国际学术会议的作用与经验谈

人才教育国际化是世界经济一体化发展的客观需求,也是当前研究型大学的核心使命。推进本科生走出国门、参与国际学术会议是实现人才教育国际化的最重要措施之一。目前,这项措施在我国各大高校仍处于起步试验阶段。文章描述本科生参与国际学术会议的作用和优势,并介绍本科生在参会过程中的注意事项,旨在对推动本科生参与国际学术会议这一事业在我国的普及和发展作出贡献。

计算智能最新进展

《国家中长期科学与技术发展规划刚要》对智能化提出了重大的需求。计算智能算法作为一种实现智能化的方法，在国内外受到了广泛的关注。特别是针对物联网、云计算和大数据等环境下日渐复杂的最优化问题而开展的算法设计以及算法应用研究迅速发展。本文对计算智能算法在自适应控制、并行与分布式处理、普适优化空间拓展、动态不确定性优化和多目标优化等算法设计方面，以及计算智能算法应用方面的最新进展进行介绍。

用遗传算法优化航班规划问题

运用遗传算法解决了飞机调度问题中的航班规划问题。通过对求解变量,即各机型在航线上的航次的整数编码,实现了求解目标在遗传算法中的表达。并且通过利用基于惩罚方式的有效修补策略对染色体的实用性进行修补,减少非法解的出现,使得求解结果符合实际情况。最后通过了广州白云国际机场与其它城市间的航线航班的规划实例,验证了所采用的算法是正确、有效的,具有很强的可扩展性和实用性。

成本受限条件下的社交网络影响最大化方法

社交网络的影响力最大化是网络分析领域的关键问题,在广告宣传、舆情控制等场景有着诸多应用。该问题指在一个社交图中选取一组源节点,使得所选取的节点集合能够在某种传播模型中形成最大的影响力。由于节点选取问题是典型的NP-hard问题,在大型网络中会遭遇组合爆炸。近些年来,国内外学者一般采用启发式算法求得问题的近似解。然而,现有工作鲜有考虑到节点选取的成本,所得到的解无法满足实际应用中的预算条件。针对此问题,首先考虑节点选取的成本约束,并对成本受限条件下的社交网络影响最大化问题进行数学建模;其次为节约源节点的冗余覆盖成本,使用快速贪婪模块度最大化算法对网络进行社区聚类;然后根据社区聚类结果在蚂蚁游走过程中引入跨社区游走因子,以增强蚂蚁在网络上的全局游走能力;最后,在蚁群系统中设计了新的启发式信息和信息素形式,并将评估函数设计为罚函数的形式以控制节点的选取成本,提出了基于社区发现的蚁群系统算法(Community Detection-based Ant Colony System,CDACS)。在真实数据集上的实验结果表明,CDACS算法比未加入跨社区因子的蚁群算法取得的覆盖率平均提高了15%左右,运行时间平均减少了约20%。在覆盖效果上相比其他现有的影响力最大化算法都取得了显著的改进。此外,CDACS在不同数据集上所产生的解均满足不同的成本限制,体现了CDACS算法在成本控制上的可靠性。