算法文化助推中国式现代化论析

进入新时代新征程以来,算法文化的快速兴起在诸多经济社会发展领域的表现“抢眼”,为推进中国式现代化注入了新的强劲动力。算法文化是推进中国式现代化的重要力量,有助于促进行业的高质量发展、增强知识信息的可分享性、提升风险防控水平。需要注意的是,算法文化本身所固有的一些特性,使得其很可能会因为忽视人性关怀和人的全面发展而给中国式现代化带来文化区隔、算法妨碍以及泛娱乐化等潜在风险。为了有效防范和遏制这些潜在风险,应着力从提高关键人员的算法素养、建立健全算法管理制度、构建算法文化合力治理格局等向度,优化算法文化助力中国式现代化的路径。

算法文化参与下的网络政治意识形态建构逻辑

随着智能化、信息化时代的到来,算法逐步介入文化生产要素,开始以算法文化的形式参与网络政治意识形态的建构。在算法运行中权力主导者通过利用人类生活中普遍应用、依赖颇深的算法技术来完成对占据统治地位的网络政治意识形态的价值内涵的转换,并试图穿过虚拟网络空间,影响现实社会中政治意识形态的建构逻辑。在百年未有之大变局发展的关键时刻,关注算法文化参与下的网络政治意识形态建构,提高政治安全防范意识,警惕政治规训与文化入侵,不仅关乎国家未来网络政治安全发展的可持续性问题,更是实现现阶段网络政治意识形态多元建构所必须思考的关键问题。

青年社会心态的矛盾性表达及其引导策略——基于算法文化环境视角的分析

当前,青年社会心态的表达受到算法文化环境的深刻影响。算法文化环境与现实社会环境的复杂交织,使得青年社会心态的表达呈现多重矛盾性特征,即在情绪表达方面,表现为焦灼疑虑与理性平和并存;在话语表达方面,表现为防御性悲观与建设性申明并存;在行为表达方面,表现为群体性孤独与部落性狂欢并存。在算法文化环境下,个体叙事张力的直接推动、意义分享行为的持续强化、多元利益诉求的深层影响是青年社会心态矛盾性表达的动因。面对消极效应,需要从优化青年认知结构、关注青年生活议题、强化算法媒介运营监管等方面协同发力、合理引导。

论算法文化研究的三种向度

算法研究正在从计算机学科视野转向新闻传播学在内的人文社科视野。在计算逻辑主导下,算法改变了社会文化发展的后果,由此出现“算法文化”的概念。该研究领域包括“作为权力的算法”“作为话语的算法”“作为行动者的算法”三种向度。权力向度,算法扮演了文化中介的角色,通过数据和流量规则施加着对人的控制,削弱了文化多样性;话语向度,算法的意义建构问题凸显,各类围绕算法的话语事件与民间知识,生产了差异化的文化想象;行动者向度,算法是具有自主性的技术物,与其他行动者协同完成了算法社会的文化表演。面向未来,算法文化研究需要进一步走出“术语焦虑”,在立足具体文化情境及经验的前提下,诠释算法与人的“构成性纠缠”。

关键词批评视野中的算法文化及其阈限性

随着社交媒体成为人们的主要信息方式,算法应用开始登上历史舞台并扮演着越来越重要的角色。算法由纯粹的技术工具渐渐成为一种传播常态并演化为一种特殊的文化形式,即算法文化。通过借鉴雷蒙·威廉斯的关键词批评理论,考察算法文化产生的条件、算法文化的生成语境与基本意蕴,以及它包含的当代网络社会实践的意义等,可以发现算法文化具有阈限性特征,呈现出算法记忆与遗忘相混杂、算法排序与文化失序相临界、文化的私人化与民粹化相冲突的矛盾、异质、不确定状态。

算法文化视域下的电影产业

电影行业在进一步引荐算法进入生产等过程中,须面对人与非人、文化与计算结合在一起的“社会技术的集合体”对艺术表达的影响。将技术逻辑放到与社会文化相互型构的角度,对涵盖前期策划、中期拍摄和后期制作的电影生产过程予以细致观察,通过分析算法对电影技术和艺术的可供性,思考算法文化视域下电影艺术表达的发展趋向。作为缓解动荡、建立秩序的数学程序,算法能够提高生产效率,但其技术是否能够被委以凝聚社会和追求本真的文化重任,值得持续而审慎的观察。

改进文化基因算法求解双资源约束柔性作业车间调度问题

针对具有机器和工人的双资源约束柔性作业车间调度问题,以最小化最大完工时间为目标构建调度模型,并设计一种改进文化基因算法对其进行求解。由于该调度问题需要同时考虑工序排序、机器选择及工人选择3个子问题,故采用三层序列编码。考虑传统解码方式存在收敛速度慢、收敛不完全的弊端,设计一种扩展型插入式主动解码方式,以提高算法的收敛速度;针对进化算法易陷入局部最优的缺陷,设计一种基于负载平衡的机器和工人再分配算子,增强算法的全局搜索能力,对种群中的优秀个体采用改进变邻域搜索以提高算法的局部寻优能力。最后,利用仿真算例及航空设备生产实例进行实验,验证所提算法求解双资源约束调度问题的有效性。

改进文化基因算法求解带午休时间的多级别家庭护理路径和调度问题

针对护理员的技能等级以及午休时间等约束,以总运营成本最小为目标建立模型,设计混合初始化策略以及自适应邻域搜索结构改进文化基因算法,并采用田口方法调整算法参数。算例测试结果验证了算法的有效性;对比随机的邻域搜索方式,结果证明自适应邻域搜索提升了算法的收敛性;Friedman及后续检验结果则表明该算法优于遗传算法和禁忌搜索算法。针对午休时长和多级别护理员结构的灵敏度分析则分别证明合适的午休时长对降低成本的作用以及多级别护理员的引入对问题的重要性。

自适应混沌竞争文化算法及在车间调度中的应用

针对传统文化算法初始种群多样性低、收敛效率低、易陷入局部最优解等问题,本工作对其进行优化设计,提出了一种自适应混沌竞争文化算法。该算法由上层信念空间和下层种群空间组成,种群空间为优化主体,信念空间控制种群空间的优化。首先,通过混沌立方映射产生初始种群,该方法提高了初始种群的遍历性、均匀性;其次,在种群空间引入将种群分为优势群体和劣势群体的双种群竞争机制,且不同群体采用不同进化方式,提高了算法的收敛效率;最后,将本工作提出的自适应变异方式引入双种群,避免了算法后期易陷入局部最优解的困惑。函数优化结果突出了该算法的高效性,将该算法应用于流水车间调度问题求解最小化最大完工时间优化目标,仿真结果显示,该算法在收敛速度、精度方面都有较大提升,验证了该算法的优越性。

基于文化算法的高校研究生群体立德树人优化教育研究

目的为落实党的二十大报告中提出的“立德树人”根本任务,培养德智体美劳全面发展的优秀人才群体,探索研究生管理的优化路径。方法运用文化算法建立研究生立德树人教育模式的算法框架,构建一种双重继承和双层进化机制,求解研究生“立德树人”培养的组合优化问题。结果以江苏省研究生的数据进行模型测试,得出研究生立德树人教育的最优行为策略是四个行为维度上的均衡选择,以实现研究生种群的全面发展。结论目前应从文化进化方面进一步完善我国研究生立德树人教育的管理体系和机制,通过双层进化机制来立德树人,建立具有自然进化和文化进化的系统化培养体系,以促进研究生全面进化发展。

基于文化基因算法求解动态武器目标分配

针对动态武器目标分配(dynamic weapon target assignment,DWTA)问题,提出一种基于进化算法和局部搜索算法的文化基因算法(memetic algorithm,MA)。以最大化目标毁伤为目标,建立考虑能力约束、策略约束、资源约束、拦截可行性约束条件下的DWTA模型;引入虚拟排列进行编码以满足拦截可行性要求,设计将排列转化为实际分配方案的构造方法,给出算法运行过程中对随机事件的处理方法。通过与遗传算法(genetic algorithm,GA)、MA-GLS(memetic algorithm global local search)求解不同测试实例的对比仿真,结果表明,MA算法具有寻优速度快、优化能力强、稳定性好的优点。

推荐算法与流媒体影视的算法文化

流媒体影视平台上的推荐算法使传统影视类型被分解、重组,"微类型"得以形成。影视内容所包含的公共话语需要通过数据和算法才能折射出来,这体现为"热播""排行"等算法。推荐算法重新界定了"受众",大众传媒时代基于解释范式的受众认识论被算法时代基于行为范式的受众认识论所取代,基于人口学对受众的分类,其社会学理论基础,已被完全摒弃。所有这一切,都体现出数学原则对美学原则、数理逻辑对影视文化的接管与改造,这正是算法文化的鲜明体现。

一种基于混沌搜索的文化算法及其应用

针对文化算法求解函数优化问题存在过早收敛、不稳定等缺陷,基于文化算法框架、嵌入混沌搜索优化,提出了一种混沌文化算法。该算法模型由基于混沌的群体空间和存储知识的信念空间组成,利用标准知识和形势知识分别引导混沌搜索和混沌扰动,有效克服了文化算法过早收敛、混沌搜索优化对初值敏感、搜索效率低等缺陷。实例表明,该方法具有较强的全局搜索能力,在搜索效率、精度和稳定性上有显著表现,并能有效处理高维函数优化问题。

文化粒子群优化算法

为了提高粒子群优化(PSO)算法的计算精度和计算效率,避免"早熟",给出了文化粒子群优化算法.该算法模型将PSO纳入文化算法框架,组成基于PSO的主群体空间和知识空间,两空间具有各自群体并独立并行演化.下层主群体空间定期贡献精英个体给上层知识空间,上层知识空间经演化后,定期贡献精英个体给下层主群体空间,于是形成"双演化双促进"机制,从而实现增加PSO的群体多样性.在以卫星舱和印刷电路板布局设计为背景的算例中进行了数值验证,结果表明对于该算例,该方法的计算精度和计算效率比遗传算法、PSO算法高.

求解约束优化问题的文化算法研究

文化算法的主要思想是明确地从进化种群中获得求解问题的知识(即信念)并用于指导搜索过程.本文提出了一种基于多层信念空间的文化算法,该算法通过对多层信念空间的择优选用将提取的知识用于提高进化计算性能来解决约束优化问题.应用实例表明该算法具有较好的结果和较少的计算量.

混沌差分文化算法及其仿真应用研究

针对差分进化算法(DE)全局寻优能力差,无法有效的求解工程中复杂的高维非线性优化问题等缺点,提出一种混沌差分文化算法(CDECA)。该算法模型将DE嵌入文化算法的框架作为主群体空间的进化过程,同时,引入具有较强局部搜索性能的混沌搜索来进行信念空间的进化,并通过设计一组联系操作实现文化算法模型中两个空间的互相影响互相促进,提高算法的寻优效率。几个典型测试函数的测试结果表明CDECA的搜索能力优于DE,将其应用于某大型水库的优化调度,也取得满意的效果。

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性和不易求解的特点,在粒子群算法(PSO)的进化机制中引入文化算法(CA),利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法(PSO-CA)。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的"早熟"现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。

自适应混合变异文化算法

只采用单一变异算子的进化规划算法在解决优化问题时,不能兼顾全局探索和局部搜索能力.本文提出柯西+混沌变异和柯西+高斯变异两类混合变异策略,采用文化算法的双层进化机制,提取进化过程中的隐含知识,并根据知识自适应调整两种变异算子的作用时机和作用比例,给出了自适应混合变异文化算法.针对标准测试函数的仿真结果表明,该算法具有更稳定的全局收敛性能及较快的收敛速度.

文化算法研究综述

文化算法模拟文化进化过程,在实现个体进化的种群空间基础上,构建信度空间,用于对进化过程中有效隐含信息的挖掘和利用。该双层进化机制为进化计算中的知识引导提供了通用框架,已证明能有效提高算法性能,并被成功用于解决诸多实际复杂优化问题。文章介绍了文化算法基本原理,从提取知识类型角度详细阐述了算法研究进展,总结了其在不同领域的应用,并展望了算法未来可能的研究方向。