人和人工智能(AI)共同进化

众所周知,2023年人工智能(AI)又一次成了热点。这次的热度超过了AlphaGo的发展,因而我收到了关于此事的很多问题,大体分为两个方面。第一个是chat GPT出来后,中国怎么办?关心者主要是科技管理和产业管理的领导。第二个问题是人工智能的发展引发的普遍担忧——今后人类会不会被人工智能所控制以及我们会不会失业?

国控广东物流:创新不止,与行业共同进化--访国药控股广东物流有限公司总经理梁颖康

高质量发展成为医药行业的必然趋势,技术创新成为企业实现成本可控、高效运营的主要突破口。国控广东物流致力于将科技与传统业务结合,不断提出创新的物流解决方案,一直走在医药物流行业前沿。纵观医药行业仓储物流技术应用,从20多年前开始的信息化、自动化建设,到近年来的智能化升级,从WMS系统、自动仓储系统、自动输送分拣系统的应用,到引入“货到人”拣选系统,再到采用AGV实现黑灯仓库无人化运作,医药企业在物流高效率、省人力方面不断探索。

任务分配与调度的共同进化方法

并行与分布式计算环境中随着独立任务的增多 ,传统进化类单种群的任务分配与调度算法的效率与效力随之大为降低 .该文在分析传统解完整编码单种群进化类算法的基础上 ,基于生物界多物种间共同进化的机制提出了任务分配与调度的合作式共同进化计算模型 ,并探讨了任务分配与调度问题中的子种群合作方式与个体的适应值计算方法 .此外 ,从数学上分析了基于合作式共同进化的任务分配与调度算法的性能 ,指出共同进化调度方法中好的调度方案能以高于传统单种群进化算法的递增指数递增 .仿真分析证实了算法的理论分析结果 。

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法。将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题。以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真。仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性。

基于共同进化算法的多工艺路线决策研究

针对传统单种群进化算法(ConventionalEvolutionaryAlgorithm,CEA)求解CAPP中多工艺路线决策与生产调度集成的不足,提出利用共同进化算法(SymbioticEvolutionaryAlgorithm,SEA)来实现单件小批量生产和面向定单生产的柔性工艺设计和生产调度的集成。并对共同进化中工艺子种群和调度子种群的基因编码、染色体的交叉、变异和共同进化个体的选择做了探讨。最后以算例验证了基于动态资源条件下,共同进化算法能够实现系统的全局优化,表明此算法能够较好地解决CAPP和生产调度的集成。

基于模拟退火和共同进化算法的协同航路规划

针对多飞行器协同作战的协同航路设计问题,提出了一种基于模拟退火和共同进化算法的协同航路规划,建立了基于共同进化计算的航路规划问题模型和相应的适应度函数。算法利用极坐标表示每个飞行器的航路点,缩短了染色体编码长度,提高了优化效率,并将模拟退火的Boltzmann接受机制引入共同进化算法,对共同进化操作后的新解进行判断接受与否。仿真结果表明了该方法的有效性和可行性。

基于共同进化计算模型的基因连锁问题求解

针对传统单种群进化类算法（conventional evolutionary algorithms,简称CEAs）求解基因连锁问题的不足,基于生物界共同进化机制提出求解NK基因连锁问题的合作式共同进化算法（Coevolutionary algorithm,简称CoEA）,探讨其子种群的合作方式与个体适应值的计算方法,并从数学上分析该算法的性能,指出共同进化算法中高于平均适应值模式的递增指数高于传统单种群进化算法.仿真结果证实了理论分析.结果表明,共同进化算法比传统单种群进化算法对求解基因连锁问题的效力和效果更好.

基于共同进化计算的分类规则算法

为提高分类挖掘的准确度,在分析ID3,C4.5和进化算法(EC)的基础上,设计了两个共同进化的种群分别表示选择的属性子集和分类规则子集,提出基于共同进化计算的分类规则算法(CRCEC),并构建CRCEC算法的适应度评价函数.用4个加利福尼亚大学Ir-vine分校的数据集对CRCEC,ID3,C4.5和EC算法进行测试比较,结果表明CRCEC算法分类准确度高,可以得到简洁的、可理解性强的规则.最后给出了CRCEC算法在公路车辆征费分类预测系统中的一个应用实例.

基于共享存储器的共同进化算法

讨论了基于共享存储器的共同进化算法 ,该算法是一种基于粗粒度并行模型的进化算法 ,应用共享存储器方法提高算法的性能 .

共同进化时代的企业核心竞争力策略

企业经营已经进入共同进化时代,构建商业生态系统是这个时代的必然要求。本文通过分析商业生态系统的特点,提出领导良性发展的商业生态系统是企业构建核心竞争力的一个选择。文章最后还指出了领导一个长寿商业生态系统的秘密是领导者必须能持续不断地为系统成员们创造比别人更多的价值。

改变自己 塑造世界:中国与国际体系的共同进化

在“新时代”和“百年未有之大变局”的背景下,中国需要实现与国际体系共同进化。共同进化是行为体和体系积极互动、相互调整和适应,以实现正向回馈、走向共同进步的过程。在此过程中,行为体的体系重要性越高,能动性越强,实现行为体与体系共同进化的可能性就越大。能动性是化解结构困境、实现共同进化的核心机制,主要通过实践产生作用。当前中国在国际体系中的重要性日益彰显,充分发挥能动性,“改变自己,塑造世界”,是实现中国与国际体系共同进化的现实路径。中国在完善国内治理、实现可持续发展的同时,需积极应对国际挑战、承担国际责任,在可持续发展、国际制度改革和全球治理领域做出贡献,促进国际合作和国际体系的进步。

可持续发展: 人与环境的共同进化

分析“发展”何以还要持续及持续发展的条件，认为可持续发展是发展和生存的统一，要实现这个统一，需建立可持续发展的结构，实现人地协同是可持续发展得以实现的保障．

论政府、媒体与公民的“共同进化”

凯文·凯利认为大自然以及人类社会的"活系统"之间存在共同进化的关系,稳步的信息交流将共同进化的参与者焊接成一个单一的系统。本文将凯利源自生物学观察的结论与法国社会学家布尔迪厄的"场域"、德国社会学家哈贝马斯的"公共领域"理论以及欧美媒介理论等联系起来,全面审视政府、媒体与公民三者的关系,尝试阐释这一问题在中国的现状。

GP算法中共同进化自定义函数方法及应用

共同进行自定义函数方法就是许多独立进化的子群函数能够被一个种群的主程序使用。改善和优化能够被定义的子程序函数的结构和数量机制,实验验证比较它们在两个经典的分类任务性能。结果表明,共同进化自定义函数(CoADFs)方法比传统的带有和不带自定义函数(ADFs)的遗传程序设计方法分类效果更好。

互联网与人共同进化——超越《浅薄》的技术观

《浅薄》1出版后,登上了《纽约时报》的畅销书榜,获得普利策奖提名,被译成24种文字出版,这些都和探讨热门技术的社会影响这一选题有关。作者在互联网这个热点话题上,提出了立场鲜明且耸人听闻的观点,引起广泛关注也在情理之中。不过在笔者看来,《浅薄》成功的关键更在于作者的问题意识,它提出了机器正在解构人性的问题,而促成这种问题意识的原因,是作者在技术观上超越了常识性的工具论的技术观，达到了决定论层面的技术观。

数据聚类的共同进化方法

共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。

多目标问题的游戏模型并行共同进化算法

游戏理论的主要成就是进化稳定战略,由MaynardSmith在1982年提出。使用基于游戏模型的共同进化算法寻找ESS作为多目标问题(MOPs)的解,该算法是一种基于粗粒度并行模型的进化算法。首先,研究游戏模型的共同进化方法解决MOPs的有效性。且说明进化游戏如何由共同进化算法来具体实现,证实它是否能达到MOP的最佳均衡点。其次,通过在几个多目标问题上的严格的实验,与其它一些方法比较,评估该方法的性能。

共同进化算法综述

共同进化算法是一种在一般进化算法基础之上提出的新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。本文主要对共同进化算法进行了综述,提出了共同进化遗传算法的算法模型,提出了共同进化算法中有待解决的问题,并为进一步研究共同进化算法提供了方向。

共同进化遗传算法在临床营养决策中的应用

将共同进化遗传算法应用于临床营养决策优化中,采用合作式的共同进化算法,把临床营养决策问题分为两个种群,再结合成一个完整的膳食配方。对结核病营养治疗的仿真表明,该算法可以较大缩短求解时间,并避免早熟现象。

求解0-1背包问题的共同进化遗传算法

The efficacy and efficiency of conventional single-population-based genetic algorithm(SGA)decrease with the size of 0-1 Knapsack-Problem. A coevolutionary genetic algorithm (CGA)for 0-1 Knapsack-Problem is proposed in this paper ,which includes the representation of solution,construction of feasible solution,converting illegal solution into feasible one,and fitness computing,etc. The simulation results show that the optimal/sub-optimal and convergence of CGA are better than that of SGA,and the algorithm is of practical use in engineering.