鲁迅“中间物”再辨证:进化的中间物

鲁迅“中间物”的话语论述模型主要有三种:历史的中间物、价值的中间物和生命哲学论,但也各有缺点。实际上,鲁迅的中间物使用是有其谱系的,也有繁复的意义指向,我们必须回到其不同文本的原初语境中才能有更准确的判断与逻辑推演。如果非要用一个词汇来概括鲁迅中间物的话,那该是“进化的中间物”。这里的进化显然不是线性演进的机械进化论,它可能推进,也可能退化,又可能多种类型并存;它不只是历史的,又不能窄化为价值判断,偶尔也可能回环,它就是在进化中,既有古,又有今,但也指向未来。

领导者引导与支配解进化的多目标矮猫鼬算法

面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。

基于多目标进化的超限超重货物运输专列路径优化方法

针对超限超重货物运输专列路径优化问题,引入限界改造和桥梁加固要素,以铁路运能损失、运输时间和运输费用的最小化为优化目标,构建铁路超限超重货物运输专列路径优化模型;考虑专列同时运送多件超限超重货物的特点,设计货物综合投影算法,并以Pareto支配关系框架下的NSGA-Ⅱ多目标进化算法为基础,结合基于移动不可行解的自适应惩罚函数的约束处理技术及超限超重货物运输专列开行特征,提出一种基于多目标进化的铁路超限超重货物运输专列路径优化算法。实例分析结果表明:该方法能高效合理地处理路径优化任务中的多个目标;与常用的3种约束多目标算法相比,设计的优化算法能使计算耗时降低0.24%~29.94%、超体积指标值提高4.25%~13.11%,并得到一组收敛性和多样性更好的相对最优方案。该方法克服了传统专列路径优化中单纯依靠经验或从备选方案中择优的弊端,可为铁路超限超重货物运输专列路径决策提供技术支持。

自杀率全球分布:集体主义和5-羟色胺转运体短等位基因协同进化的解释

为解释自杀率的全球分布,本研究基于世界卫生组织等权威机构公开数据,提出并检验了集体主义文化和5-羟色胺转运体短等位基因协同进化的解释模型。分析发现:集体主义文化和抑郁障碍患病率在5-羟色胺转运体短等位基因携带者人口占比与自杀率之间起链式中介作用。集体主义文化和5-羟色胺转运体短等位基因之间存在协同进化的假设获得初步支持,即集体主义文化可能缓冲了携带5-羟色胺转运体短等位基因给个体和群体带来的负面影响,降低了地区抑郁障碍患病率和自杀率。

基于差分进化的塔式太阳能定日镜场布局优化

为提高塔式太阳能的辐射反射效率和发电性能,需要对定日镜场进行布局优化。采用日平均年光学效率的方法,计算分析定日镜年均余弦效率、大气衰减效率、截断效率及最大光学效率,为后续定日镜场的布置及优化提供评价指标。以西班牙Gemasolar塔式电站为例,采用密集campo的布置方法进行镜场初始化,验证了布置方法的高光学效率和高可靠性。采用差分进化算法对镜场进行优化,镜场年均综合效率由56.99%提高至59.03%,提升了3.58%,验证了该方法的有效性。

和声进化的轨迹——从古典到现代音乐语境中的乐理变革

和声是音乐的基本构成要素之一,它在音乐的创作和理解中起着重要作用,对于塑造音乐形象、表达音乐情感、构建音乐结构都有着积极的价值与意义。从古希腊时期到现代,和声理论经历了漫长的发展过程。本文通过对和声进化的历史脉络的梳理,探讨和声在音乐创作和理解中的重要性,以期为音乐创作和表演提供有益的启示。

精英协同进化的蜉蝣算法

蜉蝣算法的种群多样性低、寻优性能差,为此提出基于精英协同进化的蜉蝣算法(ECMA).将雄性蜉蝣种群根据自身种群适应度分为精英种群和普通种群,精英个体进行自我学习以保持种群的多样性,实现高水平的全局搜索;普通个体飞向统一目标进行局部开发,以提高ECMA的收敛速度.根据婚姻市场理论改进雌性蜉蝣的位置更新,提高ECMA的寻优性能;引入新的自适应重力系数平衡全局搜索和局部开发能力,提高ECMA的收敛精度;引入莱维飞行的跳出策略,避免ECMA陷入局部最优.基于20个基准测试函数和CEC2019测试函数进行算法的仿真优化分析,与蜉蝣算法以及其他优秀的群智能算法相比,ECMA在寻优精度、收敛速度和稳定性方面均有较大提升.

一种基于改进差分进化的K-Means聚类算法研究

为改进传统K-Means聚类算法中因随机选取初始聚类中心而导致聚类结果不稳定且效率低的缺点,提出一种基于改进差分进化的K-Means聚类算法(AGDE-KM)。首先,设计自适应操作算子来提升算法前期的全局搜索能力和后期的收敛速度;其次,设计多变异策略并引入权重系数,在算法的不同进化阶段发挥不同变异策略的优势,平衡算法的全局和局部搜索能力,加快算法的收敛速度;最后,提出一种基于当前种群最佳个体的高斯扰动交叉操作,为个体提供更优进化方向的同时保持种群在“维”上的多样性,避免算法陷入局部最优。将算法停止执行时输出的最优解作为初始聚类中心替代传统K-Means随机选取的聚类中心。将提出算法在UCI公共数据库中的Vowel、Iris、Glass数据集和合成数据集Jcdx上进行对比实验,误差平方和(SSE)相对于传统K-Means分别减小5.65%、19.59%、13.31%、6.1%,聚类时间分别减少83.03%、81.33%、77.47%、92.63%。实验结果表明,提出的改进算法具有更快的收敛速度和更好的寻优能力,显著提升了聚类的效果、效率和稳定性。

改进差分进化的光伏最大功率点跟踪

针对现有差分进化算法在局部遮阴情况下跟踪速度慢的问题,提出一种新的改进差分进化算法的光伏发电系统最大功率点跟踪控制策略。首先,引入三角突变策略,并将其嵌入传统差分进化算法的交叉公式当中,避免因迭代前后输出相同的占空比造成重复采样功率的情况。其次,引入自适应比例因子策略,以加强个体的收敛性。最后,通过奖励惩罚机制平衡所提算法的全局开发和局部探索能力。仿真结果表明,与对比文献的差分进化算法相比,改进算法在跟踪速度、稳定性方面具有显著的优势。

基于动态熵进化的异构蚁群优化

针对蚁群算法在求解旅行商问题(Traveling Salesman Problem,TSP)时收敛速度慢、求解精度低等问题,文中提出了一种基于动态熵进化的异构蚁群优化算法。该算法中,由蚁群系统(Ant Colony System,ACS)和最大最小蚂蚁系统(Max-Min Ant System,MMAS)构成异构双种群,实现种群间优势互补。文中提出动态熵进化策略,通过信息熵来动态控制种群间的交流频率,并将两个种群各自最优解的公共路径的信息素进行融合,以调节低熵种群最优路径上的信息素分布,进而有效保留两个种群的历史搜索信息以及加快算法收敛。将低熵种群最优解的非公共路径进行伪初始化,以扩大其在较优解附近的搜索范围,提高解的精度,从而实现两个种群的协同进化。仿真实验结果表明,所提算法在求解大规模旅行商问题时能有效平衡算法多样性与收敛性之间的关系。

基于竞争式协同进化的混合变量粒子群优化算法

现实工业生产应用中存在大量的混合变量优化问题,这类问题的决策变量既包含连续变量,又包含离散变量。由于决策变量为混合类型,导致问题的决策空间变得不规则,采用已有的方法很难进行有效求解。引入协同进化策略,提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitive coevolution based PSO,CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态,从而自适应地调整粒子的搜索方向,避免陷入局部最优,平衡了种群的收敛性和多样性;引入基于竞争式协同进化的学习对象生成机制,在检测到粒子进化停滞时为每个粒子生成新的学习对象,从而推动粒子的进一步搜索,提高了种群的多样性;采用基于竞争学习的预测策略为粒子选择合适的学习对象,充分利用了新旧学习对象的学习潜力,保证了算法的收敛速度。实验结果表明:相比其他主流的混合变量优化算法,CCPSO可以获得更优的结果。

模糊环境下基于遗传差分协同进化的多阶段投资组合模型

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题。同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值–下半方差模型(V-M)和可能性均值–熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性。

基于样本势和噪声进化的不平衡数据过采样方法

在处理不平衡数据分类问题中,过采样方法是一种有效的策略。现有方法大多采用K近邻(KNN)技术选取采样种子样本,但KNN参数值的改变会导致多数过采样方法表现出明显的不适定性。径向基过采样(RBO)方法能解决这个问题,但在采样后易出现大量噪声。基于此,提出一种基于样本势和噪声进化的不平衡数据过采样方法,进一步对采样后的数据集迭代进化。首先,使用RBO方法通过计算样本势合成少数类样本,并改善原始数据的不平衡;其次,使用自然近邻(NaN)作为错误检测技术检测过采样后数据集中存在的疑似噪声样本;最后,利用改进的差分进化(DE)方法对检测出的疑似噪声样本迭代进化。相较于传统过采样方法,所提方法能更充分挖掘数据集中的重要边界信息,从而为分类器提供更多辅助以改善其分类性能。在22个基准数据集上,与7种经典采样方法(结合3种不同分类器)进行了大量对比实验。实验结果表明,所提方法具有更高的F1值和G-mean值,并且在噪声处理方面也优于带有后置过滤器的采样方法,可以更有效地解决不平衡数据分类问题。此外,统计分析也表明它的弗里德曼排名更高。

融合差分进化的网页暗链集成分类检测方法

“暗链”也称黑链,是一种在网站中不易被搜索引擎察觉的链接,其通过隐蔽植入高权重的网站外链扰乱搜索引擎排名,破坏网络环境。它和友情链接有着相似之处,虽然可以有效并快速提高网站的PR值,但是在网站中存在一定的风险性。针对目前网页暗链检测方法中特征集合存在冗余和维数灾难的状况,提出一种基于融合差分进化算法的集成分类器的机器学习网页暗链检测方法。对提取到的初始特征集合首先进行过滤式特征选择,其次通过主成分分析法对特征进行二次提取,最后对决策树、随机森林、AdaBoost以及支持向量机四种分类器利用差分进化方法进行投票集成。实验结果表明,上述方法具有较高的准确度和可靠性,正确识别率达99.8442368%,可为搜索引擎检测暗链行为提供有力的实践支撑。

基于差分进化的热疗阵列天线能量聚焦优化

针对目前用于微波热疗中阵列天线存在的能量优化问题,提出了一种基于差分进化的能量聚焦优化算法(BP-DE)。通过使用BP神经网络结合差分进化算法优化阵列天线中每个阵元的振幅和相位来实现目标点位置的总能量最大化。为了验证算法的有效性与准确性,在多物理场仿真软件COMSOLMultiphysics中使用一个17阵元适形微波热疗阵列天线进行热场仿真验证。实验验证了该差分进化算法通过优化阵列天线馈源从而在目标点位置处精确聚焦能量的能力。同时为了验证所提出的BP-DE算法的优越性,与传统差分进化热疗结果进行对比,结果显示该BP-DE算法聚焦结果准确性平均高于传统差分进化算法23%。

一种基于杂交进化的灰狼优化算法

灰狼优化算法(Grey Wolf Optimizer,GWO)是一种新型优化算法,常用于各种优化问题求解。然而,GWO算法在求解某些问题时,存在求解精度低、收敛慢和易陷入局部最优等缺陷。为解决这些问题,本研究将差分进化算法(Differential Evolution,DE)的杂交和优选操作引入GWO算法的初始化和迭代计算过程中,设计了一种基于杂交进化的灰狼优化算法。通过实验对算法性能进行评估,结果表明,该改进算法在计算精度、收敛速度和稳定性等方面具有显著优势。

伪对立学习与差分进化的改进鲸鱼优化算法及图像分割应用

针对多阈值图像分割计算代价高、分割精度差的不足,提出伪对立学习与差分进化的改进鲸鱼优化最大熵多阈值图像分割算法。为了提升传统鲸鱼算法的寻优精度和收敛速率,引入伪对立学习和混沌Tent映射进行种群初始化,提升种群多样性和初始解质量,扩大精英个体对种群进化的引领作用;引入差分进化增强种群全局搜索能力,避免迭代后期陷入局部最优,进而实现改进算法OLDWOA。以最大熵函数评估适应度,利用OLDWOA对图像分割多阈值组合寻优,确定最优阈值。利用经典图像做图像分割实验,在计算效率、峰值信噪比、结构相似度和特征相似度指标上对比,证实该方法分割精度和分割效率优于同类算法。

一种双种群协同进化的混合NSGA-II与MOPSO多目标算法

多目标非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)是一种经典的多目标进化算法,具有鲁棒性强和搜索性能高的优点,多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)是新型的进化算法,具有收敛速度快、精度高和搜索效率高的优点。为了充分发挥这2种算法的优势,本文提出一种结合NSGA-II和MOPSO的双种群协同进化多目标优化算法。将算法应用于5个标准测试函数优化问题进行对比试验,试验结果表明,本文算法得到的最优解集更接近真实帕累托(Pareto)前沿,收敛性、均匀性和分布性更好,综合性能更强。

核心素养下深度融合信息技术的初中生物学教学——以“生物进化的原因”为例

以“生物进化的原因”为例,在初中生物学课堂中深度融合各种信息技术手段,改进传统教学方式中存在的一些问题。主要融合运用了动画软件自制动画视频,创设趣味情境;运用mBlock编程软件自编教学游戏,突破实验教学难点;运用WPS办公软件生成实验数据图表,制作概念图,直观高效分析实验结果,构建概念模型,高效提升初中生物学教学水平。

基于差分进化的FSK信号频率检测仿真

针对通信信号检测中FSK信号频率的快速检测问题,提出一种基于多次差分进化搜索FSK信号的快速频率检测方法。该方法将信号的幅度谱作为差分进化的初始目标函数,通过多次差分进化搜索目标函数的最大值,并更新目标函数,获得最优极值坐标向量;针对最优极值坐标向量所对应的目标函数值向量,提出定义其差分比值,来确定有效的峰状谱线位置,最终完成FSK信号的频率检测。仿真实验验证了其有效性和可行性。