文化进化的meme理论及其难题

meme概念来自英国著名生物学家道金斯。道金斯把meme看做是文化进化的基本单元。meme概念提出后得到了学术界一些学者的赞同,在他们的努力下,20世纪末逐步形成了用meme解释文化进化的新领域。meme理论把文化进化看做是文化复制因子--meme遗传、变异和选择的结果。但是meme存在的合法性及其进化的机制受到了许多学者的质疑,meme理论还面临着许多尚未解决的难题,现有的科学证据并不能确定meme的存在,同样也不能确定meme储存和传递的机制。

无线网络中具有MEC的多UAV飞行轨迹优化

搭载有移动边缘计算(MEC)设备的无人机(UAV)群可辅助无线网络,因此,考虑一个UAV集群的系统模型,其中UAVs从基地出发通过无线信息传输(WIT)系统为用户提供通信服务,完成任务之后UAVs返回基地。针对该系统,着重探讨UAV巡航轨迹与通信延迟的关系,以及UAV的最佳巡航速度。将UAV集群通信延迟的优化分为任务节点的分组、访问排序和飞行轨迹的转折点求解共3个子问题,构建相关的数学建模。提出一种基于模因算法(MA)框架的元启发式算法,通过大量的仿真实验验证了所提算法的优越性。

一种面向不确定数据流的模体发现算法

借鉴生物信息学中序列模式发现思想,提出了基于MEME(multiple expectation-maximization for motif elicitation)的不确定数据流模体发现算法。该算法根据不确定数据流的特点,设计了不确定滑动窗口的简化计算方法,改进了SAX(symbolic aggregate approximation)的符号化策略,用防空反导情报传感器网络中的一组不确定数据流验证了其可行性,通过植入不同数目模体的方法测试了其准确性,并在元组存在概率为1的条件下与已有算法进行比较,验证其有效性。

一种面向多属性不确定数据流的模体发现算法

该文针对多属性不确定数据流的频繁模式发现问题,借鉴生物信息学中的模体发现思想,提出了一种基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多属性不确定数据流模体发现算法。该算法根据不确定数据流的特点,设计了基于混合型模型的不确定滑动窗口更新计算方法,改进了SAX(Symbolic Aggregate appro Ximation)的符号化策略,提出了不同滑动窗口下多属性模体的相似性分析方法。在实验当中,用防空反导情报传感器网络中的一组不确定数据流验证了其功能,通过植入不同数目的模体测试了其发现准确率,并在元组有效概率设置为1的条件下与已有算法进行了比较,结果表明:该算法可以较准确地发现多属性不确定数据流中的频繁模式。

进化策略自主选择的改进混洗蛙跳算法

针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,本文提出一种基于进化策略自主选择的混洗蛙跳算法。算法中最差个体根据不同知识来源采取4种进化策略,每次迭代通过计算每种进化策略的立即价值、未来价值和综合奖励来决定最差个体的进化方式,并通过个体进化策略概率变异算法来提升寻优速度和避免陷入局部最优解。利用10个Benchmark函数对本文算法与8种进化算法进行性能比较。实验表明:所提的算法能较好地平衡全局探索能力和局部挖掘能力,可以用较少的迭代次数获取较优结果,具有很好的收敛速度和精度。

一种关于蛋白质模体的自动识别算法

随着生物信息学的发展,模体识别已经成为一种能够从生物序列中提取有用生物信息的方法。文中介绍了有关模体的一些概念,讨论了模体识别算法(MEME)的基础,即EM(expectationmaximization)算法,由于MEME算法是建立在EM算法的基础上的,所以又由此引出了MEME算法,并对MEME算法的一些基本问题比如时间复杂度、算法性能等进行了详细讨论,对算法的局限性和有待改进的地方作了说明。实践证明,MEME是一个较好的模体识别算法,它能够识别出蛋白质或者DNA序列中单个或多个模体,具有很大的灵活性。

基于群智感知的高效三维场景数据收集

随着智慧城市的发展,城市中的三维场景理解系统越来越受到学者们的关注。然而,构建该系统必不可少的环节就是收集三维场景数据,如何实现高效的数据收集,成为人们研究的热点。本文利用群智感知机制给收集数据的志愿者规划路径,提出基于遗传算法的多邻域任务搜索方案。该方案能够利用遗传算法实现快速任务分配方法,并能够交换邻域之间的任务,从而实现快速的任务分配和3D数据收集。通过大量试验验证,该方法比同类算法性能更优。

基于基因拟子协同进化算法的水电优化调度研究

设计了一种基因拟子协同进化算法(GMCA),并应用于水电优化调度问题。基于基因拟子协同进化理论,定义了算法中的拟子和文化的概念,设计了算法步骤,设计了发展、感染、复兴、消亡四个文化进化算子和判断文化衰老的方法,建立了算法求解水电优化调度问题的方法和流程,通过仿真验证了算法的有效性。与遗传算法(GA)、混合遗传算法(HGA)、粒子群算法(PSO)等相比较,基因拟子协同进化算法显得更为有效。这为水电优化调度等问题提供了新的求解技术。

面向PI集装箱的组合适配装箱算法

针对PI(Physical Internet)集装箱与货物的适配问题,考虑PI集装箱标准化、模块化、可扩展的特性以及货物装箱的体积、方向、完全支撑等约束,通过PI集装箱模块化重组,构建与货物适配的组合式PI集装箱,目标是PI集装箱的空间利用率最大化.结合PI集装箱组合适配装箱问题的特性,设计一种组合适配装箱算法,包含货物分类、货物装箱、箱体组合等三个步骤.在货物装箱步骤中,嵌套调用基于粒子群算法的改进模因算法求解货物装箱顺序和位置,该算法引入多种群变异策略以提高算法前期搜索质量,引入路径重连技术和扰动操作防止算法陷入局部最优.在多批量少货类和少批量多货类两种实验场景下进行求解,并通过算法对比验证了改进模因算法的有效性.