一种基于蜜蜂双种群进化的遗传算法

提出了一种基于蜜蜂双种群进化的遗传算法（BDPGA）。算法共有两个种群,一个是通过迭代进行遗传操作得到的,一个是在每代进化过程中随机引入的。每个种群中的最优个体作为蜂王分别以概率与其它个体（雄蜂）进行交配操作。既能增强对种群最优个体所包含信息的开采能力,又能提高算法的勘探能力,从而避免算法过早地收敛。实验结果表明,该算法对于改进和提高遗传算法性能是有效可行的。     

层次泛函网络整体学习算法

文中设计了一类单输人单输出泛函网络与双输人单输出泛函网络作为构造层次泛函网络基本模型,提出了一种层次泛函网络模型,给出了层次泛函网络构造方法和整体学习算法,而层次泛函网络的参数利用解方程组来进行逐层学习．以非线性代数方程组为例,指出人们熟知的一些数学解题方法可以用层次泛函网络来表达,探讨了基于层次泛函网络求解非线性代数方程组学习算法实现的一些技术问题．相对传统方法,层次泛函网络更适合于具有层次结构的应用领域．计算机仿真结果表明,这种层次学习方法具有较快的收敛速度和良好的逼近性能．     

基于进化策略的广义积分计算方法研究

提出了一种基于进化策略算法的广义积分计算新方法,该方法根据被积函数的变量区间任意选取分割点,作为进化策略的初始的群体,通过进化策略算法来优化这些分割点,最终可得到一些最优的分割点,然后再求和,再根据和函数定义适应度函数,在给定的终止条件下,可获的精度较高的积分值.最后,以广义积分(无穷积分),二重广义积分(瑕积分)为例,仿真结果表明,该算法相比传统的一些方法,具有计算精度高,自适应性强等特点.     

基于膜计算的一种新型求解非线性方程组的优化算法

非线性方程组的数值求解问题是一个很重要的课题。大多数的求解算法,例如梯度下降法和牛顿法,其收敛性和性能特征在很大程度上依赖于初始点。对于很多非线性方程组,选择好的初始点是一件非常困难的事情。针对以上这些问题提出一种基于膜计算优化算法,算法首先对搜索的空间分割,每个子空间作为一基本膜,在其中的区域中应用进化策略,并且对于每个膜区域把最好的解传给最外层膜。最外层膜区域采用全局搜索策略粒子群算法寻找最优解。仿真实验结果表明该算法比其他算法收敛速度快、精度高。     

固体润滑技术及其工程应用

叙述了固体润滑技术的发展,介绍了固体润滑的特点及常用固体润滑材料,重点探讨了固体润滑技术在机械传动零部件、机械加工以及特殊工况下的应用.     

表面强化技术的研究及其应用

表面强化处理技术是改善材料表面综合性能的重要方法,具有独特的技术优点,对于提高材料的使用寿命具有重要的意义。介绍了表面强化技术的概念、意义以及分类,分析了常用表面强化技术在各领域中的应用。     

电火花表面强化技术及其应用

电火花表面强化技术是一种具有独特优势的材料表面技术,其在机械零件表面改性和表面修复等方面具有广阔的应用前景。介绍了电火花表面强化技术的基本原理和工艺特点,阐述了电火花表面强化技术的发展概况,分析了该技术在机械零部件修复、模具强化等方面的实际工程应用,指出了该技术今后的研究方向和发展趋势。     

人工鱼群算法在求解非线性方程组中的应用*

针对传统非线性方程组解法对初始值敏感、收敛性差、精度低等问题,提出了一种用于人工鱼群算法求解非线性方程组的进化算法.该算法求解精度高、收敛速度快.数值仿真结果表明,该算法对求解非线性方程组非常有效,既克服了传统方法对初值敏感和收敛性差,又解决了非线性方程组多解的求解难点等问题,为非线性方程组提供了一种进化求解的方法.     

基于粗糙集团的神经网络函数逼近理论

首先给出了神经网络函数在粗糙集意义下的下、上近似函数，从函数逼近的观点出发分析，得出对任一神经网络函数在粗糙集意义下，都可根据学习样本点维数找到两个关联的离散函数来逼近它，并且证明了在粗糙集意义下逼近的过程是可行的。该结论有助于理解粗糙集函数与神经网络函数之间的联系，为今后进一步研究在粗糙集意义下神经网网络函数整体逼近理论及学习算法的描述奠定了基础。     

基于稀疏差异度的聚类方法在信息分类中的应用

针对文本信息聚类中的高属性维稀疏数据聚类问题,采用计算对象间稀疏特征差异度来度量文本对象之间的相关度,结合最小生成树的方法来进行聚类分析,提出一种基于稀疏特征差异度的聚类方法。通过实例表明,该算法对于多关键字匹配的文本信息分类十分有效,并可根据关键字的重要程度进行加权计算,使聚类更加符合实际情况。该算法将在高维稀疏数据挖掘中有着重要应用。