基于群体适应度方差的粒子群优化算法

由于粒子群算法在进化后期存在搜索速度较慢,容易陷入局部最优点以及搜索到解的时间较长且精度不高的缺点,所以对算法进行改进的研究就成为一个必要的课题。通过利用混沌的遍历性和随机性的特点,引入基于Tent映射的混沌理论机制,使算法在进化后期一旦陷入局部最优点就可以跳出局部最优点的位置,并且通过群体适应度方差的计算来判断当前群体的离散程度或聚集程度,进而判断是否需要以一定的概率选择微粒个体去进行混沌更新。几个测试函数的仿真实验结果也表明了该算法在搜索时间上、解的精度上都要远远优于标准的粒子群算法,是一种可行的优化工具,有一定的应用前景。

从爱出发——浅谈高校单亲家庭学生的群体适应

在大学生群体中,单亲家庭子女的比例在不断上升,父母离婚或者其他意外事故等原因导致很多家庭不完整。本文从对大学生群体中的单亲家庭学生的角度,分析在高校中如何做好单亲家庭学生的正确引导以及如何帮助他们度过较为困难的人生阶段,正确处理自身以及家庭的关系。

基于群体适应方差的改进粒子群优化算法

针对传统粒子群优化算法在收敛过程中易陷入局部最优的缺点,提出了群体适应方差的概念来衡量粒子聚集程度以实现对最优粒子进行实时变异调整,从而避免出现局部收敛,即早熟的问题,通过仿真结果分析研究,所提出的改进型算法具有一定优越性,不仅减小了运算时间,还在一定程度上提高了精度和收敛速度,达到了较好的效果,为下一步在信号处理等领域的具体应用奠定了算法研究基础。

PIRLS 2021阅读素养测试群体自适应设计原理、方法及启示

群体自适应设计是国际阅读素养进展研究(PIRLS)在2021年第五轮评估周期中的最大亮点,尤其值得关注。群体自适应设计采用有针对性的题册抽样做法使测试题目的能力分布与测试群体的能力分布相匹配,从而提高测试结果的精确度,减少不应答现象的发生。群体自适应设计与计算机自适应测试互为表里、相辅相成,具有传统纸笔测验无可比拟的优越性。PIRLS 2021阅读素养测试采用纵向自适应设计的做法,根据不同国家和地区学生阅读成就水平的不同,将相同内容、不同难度的阅读材料和测试题目按照一定的比例进行灵活分配,朝着智能化、个性化、适应性的测试方向迈出了坚实的一步。这无论是对大规模学业水平测试,还是对日常过程性教学评价,都有启发意义。

大花序桉群体适应性相关的SSR位点

【目的】检测大花序桉群体与环境适应性相关的基因组位点,为种质资源保护和利用提供分子生物学信息。【方法】利用84个SSR标记(包括29个基因组SSR和55个EST-SSR)分析引种到广西,来源于澳大利亚昆土兰州北部和南部各7个大花序桉群体,通过Mantel检验确定群体间是否存在地理隔离;检测群体间分化系数(Fst)离群值的受选择位点;并基于空间分析法检测与群体气候因子显著相关的等位片段,将显著相关位点的序列与NCBI数据库比对进行功能注释。【结果】大花序桉北部与南部群体间存在地理隔离,基于19个气候因子的聚类分析将北方与南方群体分为独立的组,这表明气候因子亦驱动了群体的分化。共检测到Fst离群值的受选择SSR位点39个(46.4%),其中,LOSITAN软件检测到12个正向选择位点和17个平衡选择位点。5个Fst离群值位点的6个等位片段与1个或多个气候因子显著相关(P<0.001),其等位频率在北部与南部群体间差异明显,其中,Embra6-118 bp与最冷月最低气温(Tmcm)显著相关,位点DNA序列的功能注释为碱性螺旋-环-螺旋(basic helix-loop-helix, bHLH)转录因子bHLH155;Embra20-121 bp与最暖季度降水量(Pwq)显著相关,位点的功能注释为蔗糖转运蛋白(sucrose transporters);EUCeSSR676-168 bp与Tmcm、Pwq、年均气温(Tma)和最暖月最高气温(Tmwm)均显著相关,位点的功能注释为光系统Ⅱ稳定性/组装因子HCF136 (photosystem II stability/assembly factor HCF136);另外两个显著相关位点EUCeSSR298和EUCeSSR1009的功能未知。【结论】大花序桉北部与南部群体的显著分化受长期气候的影响,在第四纪大冰期可能存在北部和南部避难所。与气候因子显著相关的SSR位点在北部和南部群体间的等位频率差异为基于正向选择的气候适应性提供了分子证据。

带局部搜索的动态多群体自适应差分进化算法及函数优化

提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.

新群体规模自适应遗传算法在配网恢复重构中的应用

从群体规模和和遗传算子的角度,提出了新群体规模自适应遗传算法,用以解决配电网恢复重构问题。将群体中个体赋予年龄和寿命来代替选择算子,采用宏观调控法对群体规模易出现快速"膨胀"问题进行改善,并结合配电网开环运行特点,采用基于环路策略的遗传操作来减少不可行解。运用与群体规模自适应的交叉率和变异率,能有效地从全局和局部角度提高算法的效率,使算法快速稳定收敛到全局最优解。通过算例验证了该算法在配电网恢复重构运用中的高效性和稳定性。

自适应子群体米母算法及其在混凝土框架位移性能优化中的应用

结合差分进化(DE)与协方差矩阵自适应进化策略(CMAES),提出了自适应子群体米母算法(SaS-MA);为发挥SaS-MA的全局勘探和局部开发能力,设计了一个由删除机制和建立机制组成的子群体自适应策略;通过一个数值实验,将SaS-MA与DE、L-CMAES、PSO和IP-CMAES等算法进行了对比;最后对一个10层2跨的混凝土框架进行了位移性能优化,并将SaS-MA的优化结果与例题原始文献、目前广泛应用且性能可靠的DE、CMA、PSO和GA等算法的优化结果进行了对比.数值实验结果表明:子群体自适应策略通过动态删除和建立子群体,提高了算法性能;SaS-MA在统计学意义上优于其他4种算法,是一个有效、可靠的全局优化算法.位移性能优化算例结果表明:SaS-MA在混凝土框架位移优化问题上更具有效性;相比于其他4种算法,同等条件下SaS-MA能够得到最好的解,具备良好的寻优能力和收敛性.

最小二乘集结权重与改进TOPSIS法的大学生体质健康群体自适应评估模型

为了有效评估大学生体质健康状况,提出一种基于最小二乘集结权重与改进TOPSIS法的大学生体质健康群体自适应评估模型。考虑到传统评估方法通常基于人工逐项判断合格情况后求其合格率,基于最小二乘集结主客观权重与改进TOPSIS法构建的大学生体质健康群体自适应评估模型,首先在指标筛选的前提下将评估体质健康的身体形态、身体机能、身体素质转化为多属性评估问题,其次基于最小二乘法集结层次分析(AHP)和CRITIC法求解的多属性指标主客观权重,并依据最佳回归多项式判定主客观权重一致性,最后基于改进的TOPSIS法对待评估样本进行评估。实例分析和模型检验表明,基于最小二乘集结权重与改进TOPSIS法的大学生体质健康群体自适应评估模型具有较强的可行性和合理性,为大学生体质健康评估提供了一种科学的方法。

构造具备自适应能力的软件

随着应用场景的变迁和自身复杂性的增长,软件需要具备主动适应环境变化的能力,能够依据环境变化动态调整其行为.软件自适应的实现技术跨越了软件监控、上下文敏感计算、决策和控制理论、软件演化和维护等多个学科分支,如何系统化地构造此类软件,是软件工程领域所面临的巨大挑战.从自适应软件构造与实现这一角度出发,以"感知-决策-执行"软件自适应基本周期为主线,对已有的研究和实践进行综述.给出软件自适应的概念内涵,概述软件自适应活动在感知、决策、执行各环节上的特征分类,阐述面向自适应软件构造、关注程度较高的一系列使能技术,进而在分析典型研究项目现状的基础上,给出自适应软件构造领域的未来主要研究趋势.

一种自适应指导的文化粒子群算法

针对文化粒子群算法中影响函数对群体空间的全局变异操作,易导致粒子群算法结构失效及不易收敛的缺点,将群体适应度方差引入到群体空间,提出一种自适应指导的文化粒子群算法。算法通过计算群体适应度方差判断群体空间状态,当算法陷入局部最优时,自适应地利用影响函数对群体空间进行变异更新,从而有效发挥了文化粒子群算法"双演化双促进"机制。将该算法与基本粒子群算法(PSO)、文化粒子群算法(CPSO)和自适应变异粒子群算法(AMPSO)进行比较,实验结果证明该算法不仅具有较好的全局收敛性,算法收敛速度和稳定性也都有显著提高。

TIMSS 2023数学测评:“特点”“框架内容”与“启示”

TIMSS是IEA组织的测评参与国与地区学生数学与科学学业成就趋势的一项重要国际比较项目.分析TIMSS 2023数学测评,发现其“变”与“不变”:在测评方式上,采取全数字化测评;在测评设计上,引入群体适应性测试设计;在测评基调上,更加重视问题解决的情境及过程;在测评维度上,仍综合考查内容和认知两个维度,稳中微调.这对中国中小学数学学业质量监测乃至教学实践都具有一定的启示:在借鉴国际共识,凸显时代诉求的理念下,丰富测评方式和测评内涵,迈向多模态信息化方向;关注问题情境和解决过程,落实学生发展核心素养;立足课程模型和知识技能,关注学生高阶思维发展.

青少年心理适应性量表（APAS）的编制及其初步常模

我们编制的青少年心理适应性量表（ＡｄｏｌｅｓｃｅｎｃｅＰｓｙｃｈｏｌｏｇｉｃａｌＡｄａｐｔａｂｉｌｉｔｙＳｃａｌｅ，ＡＰＡＳ）经在８８３名中小学生和ｌｌ６８名大学生中测试，证明其具有较好的信度和效度；因素分析证明，本量表包括４个分量表：身体与体育竞赛适应分量表，陌生情境与学习情境适应分量表，考试焦虑情境分量表和群体活动适应分量表。本量表适合在９－２ｌ岁的青少年中使用，它的稳定性较强，项目较少，简便易行；男青少年的量表得分比女青少年得分高１．０４％，这种差异具有非常明显的统计意义。

一种改进惯性权重的粒子群优化算法

针对粒子群算法易陷入局部最优解的问题,提出一种改进惯性权重的粒子群优化算法(CWPSO)。首先引入Sigmoid函数构造自适应的惯性权重策略;然后引入线性递减的惯性权重策略;最后通过群体适应度方差将自适应惯性权重策略和线性递减惯性权重策略动态结合,构造综合惯性权重策略,以提高算法全局搜索和局部搜索的能力。实验结果表明,CWPSO算法的寻优性能相较于对比算法有明显提升。

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性。

一种利用动态搜索策略的混合蛙跳算法

从混合蛙跳算法的寻优原理出发,研究了其寻优机制.针对标准算法中存在的初始种群不均匀、迭代后期收敛速度慢,易陷入局部最优的缺陷,提出了一种改进的混合蛙跳算法.采用随机化均匀设计方法产生初始种群;引入影响因子,动态地改变子群当前最差值对其进化行为的影响;根据群体适应度方差判断种群是否陷入局部最优,并通过对当前全局最优值微扰,使算法跳出局部最优.实验结果表明,改进算法有更高的收敛精度和更好的收敛结果.

变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。

新型混合粒子群优化算法

针对粒子群算法易陷入局部极值、精度低等缺点,提出了一种基于模拟退火与混沌思想的新型粒子群优化算法(SA-CPSO).在该算法的初始阶段,对粒子位置进行混沌初始化,并引入模拟退火算法对每个粒子的适应度进行评价;在该算法运行过程中根据群体适应度方差对粒子群进行混沌更新;最后通过对几种经典函数的测试计算,结果表明,相对于标准粒子群算法,该新型混合算法提高了局部搜索能力和搜索精度,并有效避免了早熟现象的产生.

基于文化进化的群搜索优化算法

群搜索算法(Group Search Optimizer,GSO)是一种新的群智能优化算法,适宜于解决多极值高维度优化问题,但其在优化的后期由于种群多样性不够,容易陷入局部最优。对GSO算法进行了改进,将文化算法的模型运用到GSO算法中,并引入群体适应度方差的概念来判断是否进行影响函数操作以提高收敛效率。将该算法与遗传算法(GA)、粒子群算法(PSO)和基本的GSO算法进行优化测试函数的对比实验,并将其运用于丁烷化工业过程中效益最大化问题的研究,所得结果均验证了改进算法的有效性。