人工免疫系统研究进展

对人工免疫系统的工程应用历史及现状进行简要概括．针对目前人工免疫系统研究出现的单纯偏重算法研究等问题,在自然计算背景下考察面向工程的人工免疫系统的主要研究进展,包括免疫计算、免疫启发的软、硬件系统等几个重要分支．基于进展情况,对人工免疫系统未来发展方向及面临问题开展讨论和分析．目的是拓展人工免疫系统研究范围,促使免疫学研究成果受到工程研究的重视和吸收,促进人工免疫系统深入发展．     

自然计算发展趋势研究

文章对自然计算的内涵进行了分类归纳,包括进化计算、生物启发计算、群体智能等,指出了各子类最显著的特点。在此基础上,介绍了自然计算最主要研究领域的发展趋势。讨论并证实了自然计算的有效性、内涵的丰富性及其巨大的发展空间。     

计算学习理论及其应用（1）

为了解决机器学习中的一些基本理论问题,近几年来一个新的研究领域——计算学习理论取得了很大的进展。本文介绍计算学习理论的发展及其成果,分析几种主要的学习模型及其应用。     

遗传算法综述*

遗传算法来源于进化论和群体遗传学，是计算智能的重要组成部分，正受到众多学科的高度重视。本文系统综述了遗传算法的发展历程，理论研究和应用研究，并进行了分析和评价。     

工程免疫计算:基本概念与研究框架

人工免疫系统（artificial immune system，AIS）是目前人工智能领域的研究前沿之一．分析了AIS所要解决的各种工程实际问题的共性特点和聚类特征，将工程领域中的各种AIS应用问题聚类归纳为若干类别的典型工程问题，存此基础上提炼形成了工程免疫计算（engineering immune computing，EIC）的概念．给出了EIC的定义，对其概念内涵进行了阐释，说明了EIC和AIS之间的关系；构建提出了EIC的研究框架，包括基本原理、实现技术、工程应用以及理论分析和实现方法等5个部分，并对这些组成部分进行了详细阐述．从面向问题求解的免疫设计和面向产品演化的免疫设计2个方面对基于EIC的产品设计方法进行了阐述，以产品设计为例，对基于EIC的工程应用展开了进一步说明．结合AIS在工程领域中的应用现状及其存在的问题，展望了EIC的发展方向，着重论述了其在产品设计领域中的应用前景．EIC概念的提出充实和发展了AIS的研究范畴，可为更好地利用AIS解决工程实际中的诸多复杂问题提供有效的方法指导．     

基于计算智能中遗传算法的特点

计算智能是以计算模型、数学模型为基础．以分布并行计算为特征的模拟人的智能求解问题的理论与方法。遗传算法是模拟进化算法中具有普遍影响的算法之一。文章通过对遗传算法基本原理的阐述,对其算法在应用中最关键的串的编码方式、适应函数的确定、遗传算法自身参数设定这三个问题的分析,为遗传算法在网络学习、网络设计、网络分析中的应用进行了总结归纳。     

PAC学习模型研究

计算学习理论为比较两算法的性能提供了形式化的框架,并能确定某概念类的计算复杂度和样本复杂度.而PAC学习模型是计算学习理论的基础,它为研究学习及泛化问题提供了一种基本的概率框架.先介绍了基本的PAC学习模型并对其进行了深入的分析,给出了判断一概念类是否是PAC学习的方法;然后针对基本PAC学习模型的不足进行了相应的扩展;最后介绍了计算学习理论中的一些其它模型.     

活体生物计算模型的研究进展及展望(英文)

活体生物计算模型是基于生物体内各种生化分子以特定的形式互相协作、处理信息的能力而出现的一种新的计算模型．由于其计算组成部件是直接镶嵌在生物活体里面,并且显示具有一定的计算能力,这可以使人们深人研究生物体信息处理能力以及获得对这种能力的有效控制．该文介绍了近几年几类体内生物计算模型,用于求解NP完全问题、基因逻辑电路、分子自动机研究状况,并对未来的发展方向进行了展望．     

PAC学习模型研究

计算学习理论为比较两算法的性能提供了形式化的框架，并能确定某概念类的计算复杂度和样本复杂度。而PAC学习模型是计算学习理论的基础，它为研究学习及泛化问题提供了一种基本的概率框架：先介绍了基本的PVC学习模型并对其进行了深入的分析，给出了判断一概念类是否是PAC学习的方法；然后针对基本PAC学习模型的不足进行了相应的扩展；最后介绍了计算学习理论中的一些其它模型。     

区间分析及其在控制理论中的应用

对区间分析理论及其在控制领域的应用进行了综述．首先简单阐述了区间分析的基本原理，包括区间计算、区间Newton法和区间全局优化方法等；然后对区间方法在参数与状态估计、鲁棒控制、智能理论等方面的应用研究成果进行了归纳和总结；最后分析了区间方法在控制理论应用研究中所面临的主要问题，并展望了未来的研究方向．     

Bio inspired computing – A review of algorithms and scope of applications

With the explosion of data generation, getting optimal solutions to data driven problems is increasingly becoming a challenge, if not impossible. It is increasingly being recognised that applications of intelligent bio-inspired algorithms are necessary for addressing highly complex problems to provide working solutions in time, especially with dynamic problem definitions, fluctuations in constraints, incomplete or imperfect information and limited computation capacity. More and more such intelligent algorithms are thus being explored for solving different complex problems. While some studies are exploring the application of these algorithms in a novel context, other studies are incrementally improving the algorithm itself. However, the fast growth in the domain makes researchers unaware of the progresses across different approaches and hence awareness across algorithms is increasingly reducing, due to which the literature on bio-inspired computing is skewed towards few algorithms only (like neural networks, genetic algorithms, particle swarm and ant colony optimization). To address this concern, we identify the popularly used algorithms within the domain of bio-inspired algorithms and discuss their principles, developments and scope of application. Specifically, we have discussed the neural networks, genetic algorithm, particle swarm, ant colony optimization, artificial bee colony, bacterial foraging, cuckoo search, firefly, leaping frog, bat algorithm, flower pollination and artificial plant optimization algorithm. Further objectives which could be addressed by these twelve algorithms have also be identified and discussed. This review would pave the path for future studies to choose algorithms based on fitment. We have also identified other bio-inspired algorithms, where there are a lot of scope in theory development and applications, due to the absence of significant literature.     

同态加密技术及其在云计算隐私保护中的应用

云计算技术的快速发展使得云服务模式具备了广阔的应用空间,这种模式使用户具备了过往无法比拟的计算能力和存储空间等优势。在云服务模式下用户的隐私安全问题是其推广和应用中面临的首要问题,如何在计算数据的过程中既保证数据的隐私性,又保证其可用性是面临的一大难题,同态加密技术作为解决这一问题的关键手段,是近年来国际国内学界的热点问题。本文介绍了云计算隐私安全和同态加密研究进展、同态加密算法的分类、安全理论基础、全同态加密方案的实现技术以及同态加密技术在云计算隐私保护的应用,重点对各类同态加密方案的优缺点进行了介绍和分析,提出了未来的研究方向。     

Logics for unconventional computing

Abstract

Logics for unconventional computing is an interdisciplinary research area which brings together computer scientists and engineers dealing with unconventional computing (such as biological, bio-inspired, chemical, physical, etc. computing) with logicians dealing with non-classical logical, algebraic, co-algebraic, and topological methods to initiate the development of novel nature-inspired computation paradigms. This paper is a Preface to the special issue devoted to Logics for unconventional computing.     

高分辨率数值计算研究

高分辨率计算是高置信度计算中一个极其重要而复杂的研究问题。相对传统的数值计算,高分辨率计算对计算机系统和应用程序(物理建模、参数、计算方法和算法等)提出了很高的要求。并行计算机的发展为大规模科学计算,特别是数值计算分辨率的提高提供了条件。同时,数值计算分辨率的提高也对计算机的计算能力、计算方法、物理建模和参数等提出了新的、更高的要求。本文以一个二维流体力学程序计算平面爆轰问题为例,研究在计算分辨率提高时初始起爆区域、时间步长、网格构造、人为粘性、计算机模拟误差、计算量增长等方面出现的问题,提出了相应的解决办法,提高了计算的精确度。     

大数据智能:从数据拟合最优解到博弈对抗均衡解

数据驱动的机器学习（特别是深度学习）在自然语言处理、计算机视觉分析和语音识别等领域取得了巨大进展,是人工智能研究的热点。但是传统机器学习是通过各种优化算法拟合训练数据集上的最优模型,即在模型上的平均损失最小,而在现实生活的很多问题（如商业竞拍、资源分配等）中,人工智能算法学习的目标应该是是均衡解,即在动态情况下也有较好效果。这就需要将博弈的思想应用于大数据智能。通过蒙特卡洛树搜索和强化学习等方法,可以将博弈与人工智能相结合,寻求博弈对抗模型的均衡解。从数据拟合的最优解到博弈对抗的均衡解能让大数据智能有更广阔的应用空间。     

基于双层Stackelberg博弈的MEC计算卸载方案

多接入边缘计算(multi-access edge computing, MEC)中的计算卸载问题已经成为当前研究的热点之一.目前的计算卸载方案仅考虑云、边、端结构中的计算卸载问题,而未考虑到其公、私有云的属性.提出了一种新的计算卸载方案,所提方案考虑了边缘计算中公有云与私有云之间的关系,将公有云作为了私有云资源的补充,可以缓解由于私有云资源局限性带来的算力不足问题;并通过建立双层Stackelberg博弈来解决计算卸载问题.对公有云、私有云以及用户的策略和收益进行了分析,求出了各参与人的最优策略,证明了双层博弈的纳什均衡解的存在性及唯一性.仿真结果和分析也验证了基于双层Stackelberg博弈的计算卸载方案的可行性,且相较基于单层Stackelberg博弈的卸载方案更高效,更适合可扩展的边缘计算的环境.     

The use of computational intelligence in intrusion detection systems: A review

Intrusion detection based upon computational intelligence is currently attracting considerable interest from the research community. Characteristics of computational intelligence (CI) systems, such as adaptation, fault tolerance, high computational speed and error resilience in the face of noisy information, fit the requirements of building a good intrusion detection model. Here we want to provide an overview of the research progress in applying CI methods to the problem of intrusion detection. The scope of this review will encompass core methods of CI, including artificial neural networks, fuzzy systems, evolutionary computation, artificial immune systems, swarm intelligence, and soft computing. The research contributions in each field are systematically summarized and compared, allowing us to clearly define existing research challenges, and to highlight promising new research directions. The findings of this review should provide useful insights into the current IDS literature and be a good source for anyone who is interested in the application of CI approaches to IDSs or related fields.     

自然计算的仿真研究

针对近年来新兴的计算分支的挑战，如DNA计算、量子计算、免疫计算和进化计算等，提出自然计算的框架、编码、控制策略。以及从自然计算映射到计算机仿真的广义映射模型，来探究新兴计算分支的共同机理及其在自然界中的源泉。借助MATLAB仿真工具对其进行的仿真实验表明，自然计算有优于传统计算的特性，为计算学和计算机科学的发展以及自然计算的仿真开拓了广阔前景和无限生机。     

车辆边缘计算环境下任务卸载研究综述

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.     

免疫机器人的仿生计算与控制

传统的移动机器人研究一般假设环境是安全的，为了增强机器人在危险、变化的环境中适应无人作业的能力，提高机器人对外界干扰、攻击和破坏的抵抗力、容错力和免疫力，提出了危险环境的自体／异体建模方法和免疫机器人的仿生计算模型与控制方法．模仿生物免疫系统，构建机器人的免疫计算模型和免疫控制结构，实现类似于生物免疫系统的自体／异体检测、辨别、学习和修复及鲁棒性、免疫性等功能．免疫机器人技术用来检测、识别和预报危险、变化的环境，检测并修复机器人的正常状态，实现恶劣环境中机器人仿生控制，具有重要的理论创新意义、明显的技术创新价值和可观的应用前景．