一种基于GEP的分类规则挖掘算法

基于一种新的自动程序设计方法基因表达式程序设计（GEP），通过设计适应函数、初始化群体的优化、增加新的遗传算子以及采用演化策略中的（λ+μ）淘汰策略等对原始GEP算法进行有效的改进，设计出一种新的数据挖掘算法。采用UCI机器学习知识库中的数据集对该算法进行了实验，并通过与C4.5及文献[3]的比较，检验了该算法的准确性。     

降质图象恢复问题中局部频率下的正则小波解

对于付里叶变换只能表达图象的全局频率特性，因此，这里考虑利用小波变换的优良性质特别是时－频局部化属性，在小波域空不变模型中设计出局部频率下的小波变换泛函，通过求泛函报道，构造正则化逆算子，并求出局部频率下的正则小波解；为在图象恢复问题中利用正则化方法和小波变换提供理论指导。     

降质图象恢复问题中局部频率下的正则小波解

由于付里叶变换只能表达图象的全局频率特性，因此，这里考虑利用小波变换的优良性质特别是时－频局部化属性，在小波域空不变模型中设计出局部频率下的小波变换泛函，通过求泛函极值，构造正则化逆算子，并求出局部频率下的正则小波解；为在图象恢复问题中利用正则化方法和小波变换提供理论指导。     

一个新的二叉树的轮廓线索树构造算法

本文给出了二叉树的轮廓线索树的一个新的构造算法 .与 Reingdd的算法相比 ,该算法简单、高效、便于分析 ,易于推广到 m-叉树的轮廓线索树的构造算法上     

解约束多目标优化问题的一种鲁棒的进化算法

将约束条件与目标函数融合在一起，对有约束的多目标优化问题(MOP)建立了一种新的偏序关系，引入了约束占优的定义，并证明了在新的偏序关系意义下的Pareto最优集就是满足约束条件的Pareto最优集，从而在对种群中的个体进行评估或排序时，并不需要特别去关心个体是否可行，避免了罚函数选择参数的困难，尝试应用有限Markov链的有关理论证明了此进化算法的收敛性，用较复杂的Benchmark函数进行了大量的数值实验，测试结果表明新算法在解集分布的均匀性、多样性以及快速收敛性均较理想。     

一个约束可满足性问题的演化算法求解

约束可满足性问题是一大类常出现于现实应用中的复杂问题，因其繁多的约束条件而出名。本文针对一个经典的约束可满足性问题——斑马属谁问题．基于演化算法的框架进行求解。我们采用矩阵的表示方式．并设计了相应的杂交和变异算予。实验表明．演化算法能高效地解决该问题。     

基于演化算法实现多目标优化的岛屿迁徙模型

多目标演化算法(MOEA)利用种群策略，尽可能地找出多目标问题的Pareto最优集供决策者选择，为决策者提供了更大的选择余地，与其它传统的方法相比有了很大的改进．但提供大量选择的同时，存在着不能为决策者提供一定的指导性信息，不能反映决策者的偏好，可扩展性差等问题．本文提出了一个新的多目标演化算法(MOEA)计算模型…岛屿迁徙模型，该模型体现了一种全新的多目标演化优化的求解思想，对多目标优化问题的最优解集作了新的定义．数值试验结果表明，岛屿迁徙模型在求解MOP时有效地解决了以上问题，并且存在进一步改进的潜力．     

一种基于正则化方法的准最佳图像复原技术

提出一种基于正则化方法的高效图像复原技术.正则化残量的能量越小,则恢复效果越好,基于此,利用小波变换定性地分析如何选取正则化算子,利用随机理论得到正则化残量的能量期望值,通过最小化这个期望模型确定正则化参数,从而得到正则化图像.定性分析表明,在通常情况下应选取低阻高通的正则化算子.实验结果表明,该恢复技术比传统方法的恢复性能要好,恢复效果接近最佳且性能稳定.     

复杂系统数据挖掘的多尺度混合算法

任何复杂系统都要受到某些基本规律的约束,包括宏观、中观与微观的多层次规律的约束.怎样从一个系统的这些偶然现象(观测数据)中找出它的必然规律,是知识发现(KDD)与数据挖掘(DM)的首要任务,也是研究目标.建立了一个基于演化计算与自然分形相结合的多尺度的动态预测系统.它以微分方程描述系统的宏观行为,以自然分形刻画系统的微观行为.同时,以股票市场数据(君安证券股票数据)和科学观测数据(武汉汛期雨量数据)为例,进行了分析与预测模拟.数值实验表明,该系统的描述(拟合)性能优越,即使是对起伏波动很大的时间序列,也能拟合得很好,预测效果也较好.     

人工免疫系统中免疫细胞的分离演化策略

免疫细胞是人工免疫系统最关键的组件,它在整个生命周期的演变过程将直接决定免疫系统的性能。文章针对免疫细胞的浓度和系统识别效率这两个相互制约的约束条件,分析了免疫细胞在不同阶段的差异,提出了一个免疫细胞的进化策略。论文采用不同的适应方法,控制细胞群体的演化方向。并充分考虑单个细胞的覆盖能力和免疫细胞群体对资源的占用问题,采用多目标优化策略,使免疫系统的有效性得到明显改善。