基于CGA和PSO的双种群混合算法

针对粒子群算法(PSO)收敛速度慢、求解精度不高以及易陷入局部最优的缺点,结合云遗传算法(CGA)和粒子群优化算法,提出一种新型的双种群混合算法(CGA-PSO)。将整个种群平均分成2个子群,分别采用云遗传算法和加入自调整惯性权值策略的粒子群优化算法完成进化。通过引入一种新型的信息交流机制:两子群子代间信息交流以及子代与父代间信息交流,共享最优个体,淘汰最劣个体,实现共同进化,适时对粒子群适应度较差的个体进行云变异操作,该操作是基于云模型的随机性和稳定性,利用全局最优位置和最劣位置实现对部分粒子位置的变异过程。对5个经典测试函数进行测试,并与CGA和PSO算法及其优化算法进行比较,结果表明,CGA-PSO算法具有较高的搜索效率、求解精度和较快的收敛速度,鲁棒性也较强。

一类三种群混合扩散模型的持续生存

本文对一类三种群混合扩散模型进行研究,得到了扩散对系统持续生存影响的充分条件,表明即使食饵种群在某些孤立斑块中可能绝灭,也可以通过适当选取扩散率来保证系统持续生存.

具连续时滞的三种群混合模型的周期正解

研究三种群之间既有捕食关系又有竞争关系的混合非自治连续时滞模型 ,通过使用Burton定理和Lya punov函数方法 ,得到了该系统存在唯一。

具三类功能反应且周期系数的三种群混合模型研究

本文讨论了捕食者具 Holling 类功能反应的三种群之间既有捕食关系又有竞争关系的混合模型 。

一个具有年龄阶段结构的流行病-种群混合动力系统的数学分析

研究一个捕食者具有年龄阶段结构的流行病-种群混合动力系统.得到系统的平衡点的存在性,局部稳定性,Hopf分支及其分支出的极限环的轨道稳定性,进一步地,考虑脉冲影响下系统的灭绝性和持久性.最后,用数值模拟说明所得到的结果.

稻田蜘蛛混合种群空间分布的动态研究

稻田蜘蛛混合种群的空间分布在水稻的不同发育期存在差异。其空间分布主要由稻田蜘蛛本身的扩散程度及生殖 ,游猎型和定居型数量的多寡 ,主要目标害虫的数量及其分布 ,栖息环境的变化及其耕作方式和稻田蜘蛛的种群密度及其种间竞争程度决定。

烟青虫／棉铃虫混合种群卵在烟田的空间分布特征研究──Ⅰ混合种群卵在春烟田的空间分布及其密度估测技术

研究表明，烟青虫／棉铃虫混合种群卵在春烟田６～８月份始终呈聚集分布。混合种群卵在烟株上的分布上部明显多于下部，打顶后，约有９５％的卵集中于上部８片叶上。６月份田间调查卵密度时，每块四查１００株，每株仅查上部８片叶即可（Ｄ＝０．１５）。

夏河甘加草原草地蝗虫优势种的确定及混合种群密度高峰值模型研究

通过对夏河甘加草原草地蝗虫种群存在度分析,确定该地区草地蝗虫优势种为狭翅雏蝗、小翅雏蝗、宽须蚁蝗、皱膝蝗(红翅皱膝蝗和鼓翅皱膝蝗)。对气象因子进行了主成分分析,提出了一年高峰值(yn)、产卵期的平均降水(x1)和温度(x2)、本年孵化期平均气温(x3)和降水(x3)为关键因子的非线性模型:yn+1=18.110 6+0.328 3x1+32.229 9/lnx2-182.237 3e-0.8x3+42.173 3x4e-x4)yn来描述混合种群的密度高峰值,且拟合度较高。

麦蚜混合种群发生规律与空间生态位演变

小麦抽穗期以前，麦长管蚜为优势种群，黍缢管蚜只占１／５左右，两种蚜虫的生态位重叠比较大（Ｌ＝２．２１１３～２．４５１４）；抽穗期以后，黍缢管蚜上升为优势种群，麦长管蚜的数量比例逐渐下降，两种蚜虫的生态位重叠较小（Ｌ＝０．１９９９）。造成这种交替变化的原因在于气温的变化。

应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型

针对传统精梳毛纺工艺参数反演模型收敛性和稳定性不理想、反演精度低等问题,以及标准遗传算法(SGA)应用于复杂优化问题时存在早熟收敛等缺点,以BP神经网络为基础,提出一种混合种群遗传人工神经网络(MPG-ANN)反演模型,首先以混合种群遗传算法优化BP神经网络的权值与阈值建立预测模型,在此基础上根据毛纱CV值建立混合种群遗传算法反演模型,用来反演精梳毛纺生产过程工艺参数。以纺纱车间大量现场工艺检测数据为对象进行反演验证,结果表明:MPG-ANN模型反演精度达97%,相比于标准遗传算法人工神经网络(SGA-ANN)模型提高4%,同时反演结果波动幅度相比于SGA-ANN模型降低了6.28%。该方法可为精梳毛纺生产过程质量控制提供有效的理论指导,对纺织企业新产品工艺开发设计的快速决策具有很好的借鉴作用。

烟青虫／棉铃虫混合种群卵在烟田的空间分布特征研究──Ⅱ混合种群卵在麦茬烟和留种烟田的空间分布及其密度估测技术

研究表明，烟青虫／棉铃虫混合种群卵在麦茬烟田和留种烟田６～７月间均呈聚集分布。麦茬烟田，打顶前（６月）有５９．５２％的卵分布于蕾（尖）上，３５．５４％的卵分布于１～８片叶上；打顶后（８月）约有９５％的卵分布于１～８片叶上。留种烟田，６月、７月份分别有８８．７１％和９４．４４％的卵分布于蕾花上。两级抽样表明，田间调查６月份麦茬烟卵密度时（Ｄ＝０．０１），每块四查９０株，每株仅调查蕾（尖）至第６叶上的卵即可。

棉田蜘蛛混合种群空间格局分析及应用

1996年5月上旬至下旬,在山西运城地区临猗县,选择高水肥及中水肥棉田进行蜘蛛混合种群空间格局的调查分析。用经典频次法分析,大部分样本符合负二项分布,少数样本有多解和无解现象。9种聚集指标结果均符合聚集分布型,聚类分析结果表明,9种指标可按其性质分成3类。Iwao M~＃-m模型为M~＃=3.5151+1.4765 m,改进的M~＃-M模型为M~＃=2.6423+1.9587 m-0.0246 m^2,Taylor的幂法则式为S^2=22.089M^(2.6466),其结果均为聚集分布。应用以上分析结果,建立棉田蜘蛛混合种群调查的简化抽样方案。用零样出现的百分率来估计百株蜘蛛数量的指数回归式为:P_O=(0.6011/(0.6011+m)^(0.6011);用有蜘蛛的株率来估计百株蛛量,则用以下指数回归式:Y=256.52^(1.5345)。

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题:1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.

苜蓿草地地表蜘蛛混合种群动态的模糊聚类分析

为苜蓿草地蜘蛛的保护利用提供依据,采用陷阱法对贵州南部苜蓿草地地表蜘蛛混合种群进行了系统调查,利用平均密度(M)、聚块性指标(M*/M)及有虫陷阱率(F)等参数作为指标对蜘蛛混合种群动态进行模糊聚类分析。结果表明:苜蓿草地蜘蛛混合种群划分为高密度高聚集期、低密度中等聚集期、高密度中等聚集扩散期、种群消退期等4种动态类型。

苇状羊茅草地蜘蛛混合种群空间分布及动态

[目的]了解苇状羊茅草地蜘蛛混合种群的空间分布及动态。[方法]采用陷阱法系统调查,运用5种聚集度指标、Taylor的幂法则以及Iwao的M*-x的回归关系综合分析。[结果]蜘蛛混合种群空间分布在苇状羊茅草地上以聚集分布为主,但在时序上存在交替现象。[结论]该研究为进一步在草地害虫的综合治理中充分发挥蜘蛛的自然控制力提供了理论依据;但仅就草地蜘蛛混合种群的空间分布动态作了初步调查,苇状羊茅草地上害虫的种类与分布对草地蜘蛛混合种群空间分布的影响有待进一步研究。

枇杷园蜘蛛混合种群空间分布型的动态分析

枇杷园蜘蛛混合种群的空间分布型在不同季节存在差异,其空间分布型主要由枇杷园蜘蛛本身的生殖水平、游猎型和定居型数量的多寡,主要目标害虫的数量及分布,气候环境的变化及其越冬生态习性,枇杷园蜘蛛的种群密度及其种间竞争程度决定。

非Lipschitz条件下Levy过程驱动的混合种群方程的近似解

研究Levy过程扰动的混合种群方程的Euler近似解,在非Lipschitz条件下证明Euler近似解L2意义下收敛于解析解,从而推广已有的某些结果.

七星瓢虫对麦蚜混合种群的捕食功能反应

在实验室条件下进行了七星瓢虫对麦蚜混合种群的捕食功能反应研究。结果表明 ,饥饿与不饥饿均不能改变七星瓢虫对麦蚜的捕食功能反应型 ,其功能反应方程分别为 N a=1.6 7N t/ (1+1.6 7× 0 .0 1379N t)和 N a=1.2 5 N t/ (1+1.2 5× 0 .0 16 0 6 N t) ;随着猎物密度的增加 ,天敌的寻找效应降低 ;而且天敌的干扰作用明显 ,用 Hasstl方程可较好的拟合。