基于优育子群迁徙策略的多模态遗传算法研究

通过分析小生境遗传算法（NGA）的不足，提出了用于优化计算时多模态遗传算法的完全收敛性问题．结合传统梯度进化技术，设计了基于优育子群迁徙策略的遗传算法（MBGA），并分析了其运行机理和完全收敛特性．采用新算法与NGA进行了对比仿真实验，不仅验证了所提算法的完全收敛性结论，同时验证了其求解多模态问题的有效性、完全收敛能力及其收敛的稳定性。     

基于优育子群迁徙策略的多模态遗传算法研究

通过分析小生境遗传算法(NGA)的不足,提出了用于优化计算时多模态遗传算法的完全收敛性问题.结合传统梯度进化技术,设计了基于优育子群迁徙策略的遗传算法(MBGA),并分析了其运行机理和完全收敛特性.采用新算法与NGA进行了对比仿真实验,不仅验证了所提算法的完全收敛性结论,同时验证了其求解多模态问题的有效性、完全收敛能力及其收敛的稳定性.     

公益广告手势的多模态隐喻研究

手势是公益广告的重要模态形式之一,对隐喻的动态构建发挥着重要的作用。基于多模态隐喻理论,结合公益广告的语类特点,手势在多模态隐喻意义建构过程中有三种运作机制,即手势直接激活源域、手势通过转喻间接激活源域或目标域以及手势同时激活源域和目标域。公益广告中,目标域可以不呈现或者通过转喻间接呈现;手势既可以直接构建单模态隐喻,也可协同图像、语言(言语、文字)、声音等模态构建多模态隐喻;手势传达广告创作者的注意焦点。     

旅游类课程多模态双语教学模式研究

旅游类双语课程如何提高教学的有效性,不断提升国际化人才的培养质量,是教学中急需解决的一个热点问题。文章尝试将多模态教学模式与双语教学相融合,以Y旅游学院"领队实务"双语课程为例,将多模态教学方法贯穿在整个双语教学中。以多模态与双语教学的关系、多模态对英语思维习惯的改变、多模态对课程群的影响作为主要的研究问题,通过访谈收集了相关文本数据,进行了内容分析与归纳,发现充分调用多模态教学可逐渐培养学生的英语思维习惯;创建多模态课程可以提高双语教学的有效性;巧妙使用多模态教学设计可融合旅游类课程群知识,最终构建旅游类课程多模态双语教学模式图。     

一种高维多模态优化的量子粒子群优化算法

为求解实际工程中的高维多模态优化问题,提出了基于动态邻域的多策略进化的量子粒子群优化算法(QPSO).针对QPSO算法存在的粒子"早熟"问题,首先定义了一种动态邻域选择机制以保持种群的"活跃性";然后结合动态邻域机制,定义了三个不同策略的局部吸引子更新方程以保持种群进化的"多样性".为了防止算法的进化方向不发散,对收敛到全局最优解的局部吸引子更新策略赋予了较大权重;最后为了拓展最优解空间引入了狼群优化算法中的综合评价方法.通过对不同类型的高维多模态基准测试函数的仿真实验结果表明:相比于其余四种优化算法,本文提出的优化算法在收敛精度和稳定性方面具有明显优势,并且随着测试维度的增加,这种优势更加凸显,展现出了较好的解决高维多模态优化问题的性能.文中引入的综合评价方法在所有的测试函数中均具有较高的生效次数,综合评价生效意味着为下一次的进化找到一个更加有利的进化方向,这样能够减少算法找到最优解的次数,也能进一步提升算法的收敛精度.     

大学英语写作多模态教学模式实证研究

多模态教学是一种新型的教学模式,它打破了传统教学模式以教师讲授为主的单一线性模式,主张利用多种教学手段来调动学生的多种感官,是一种全面的立体化的教学方法。本文通过实证研究证明了多模态应用到英语写作教学实践中可以有效提高学生写作水平,培养学生多元读写能力。     

多模态公理化系统的可分离性研究

多模态逻辑包含两种或两种以上模态算子,且算子间不可归约。多模态公理化系统的可分离性是指已知任意多模态公理化系统及其语言中的任意算子O,能否得到与O相关的子公理化系统？或者,具有何种性质的多模态逻辑系统可以看作是多个（单）模态逻辑系统的叠加？通过考察多模态公理化系统及其子系统的性质,表明不包含交互作用的多模态公理化系统是可分离的。     

一种基于多模态模型的随机子空间分类集成算法

分类是当前机器学习的重要研究内容之一,已取得了一定的进展.现有的文本分类方法大多基于VSM模型,而VSM未能有效地利用隐含在文本中的结构信息.同时,VSM下的样本空间常常是高维的,单一的降维策略可能会丢失有用信息.为改进现有算法的不足,提出了一种基于多模态模型的随机子空间分类集成算法MMRFSEn,有效地利用文本中的结构信息（单词分布位置的均值和标准差）,且各基分类器是由随机选择的子空间构建而成.实验结果表明,该方法是有效可行的.     

基于多模态注意力机制的图像理解描述新方法

针对现有的图像理解描述方法存在描述句子不丰富、不准确、模型结构复杂、难以训练等问题,该文提出了一种端到端的基于多模态注意力机制(M-AT)的图像理解描述新方法。该方法首先通过关键词图像特征提取模型(K-IFE)提取更优的空间特征和关键词特征,并利用关键词注意力机制模型(K-AT)关注重要描述词语、空间注意机制模型(S-AT)关注图像更重要的区域并简化模型结构,且K-AT和S-AT两种注意力机制可以相互矫正,最终生成更加准确、丰富的图像描述语句。在MSCOCO数据集的实验结果表明该方法是有效的,部分评价指标有2%左右的提升。     

多模态大学英语视听说教学行动研究

针对高职院校大学英语视听说教学中学生学习兴趣不足,听说能力较差等实际问题,以多模态外语教学理论为指导,历时一学期的教学行动研究。根据多模态外语教学的特点和教学设计应遵循的原则,结合学生的实际要求,在行动研究过程中优化多模态外语教学设计。在提升学生听力理解及语言综合运用能力的同时,培养学生的自主学习、合作学习、探究性学习能力。     

一维大地电磁测深的遗传算法反演

一维ＭＴ反演通常采用局部线性化方法，因为该问题的高度不唯一性，需要有好的初始模型，否则容易陷入局部最优解．本文采用遗传算法对一维ＭＴ曲线进行反演．并用“小生境”ＧＡ方法反演复杂地电模型．结果证明比局部线性化方法有一定改进，是一种可供选择的一维ＭＴ反演方法．     

Elitism-based immune genetic algorithm and its application to optimization of complex multi-modal functions

A novel immune genetic algorithm with the elitist selection and elitist crossover was proposed, which is called the immune genetic algorithm with the elitism （IGAE）. In IGAE, the new methods for computing antibody similarity, expected reproduction probability, and clonal selection probability were given. IGAE has three features. The first is that the similarities of two antibodies in structure and quality are all defined in the form of percentage, which helps to describe the similarity of two antibodies more accurately and to reduce the computational burden effectively. The second is that with the elitist selection and elitist crossover strategy IGAE is able to find the globally optimal solution of a given problem. The third is that the formula of expected reproduction probability of antibody can be adjusted through a parameter r, which helps to balance the population diversity and the convergence speed of IGAE so that IGAE can find the globally optimal solution of a given problem more rapidly. Two different complex multi-modal functions were selected to test the validity of IGAE. The experimental results show that IGAE can find the globally maximum/minimum values of the two functions rapidly. The experimental results also confirm that IGAE is of better performance in convergence speed, solution variation behavior, and computational efficiency compared with the canonical genetic algorithm with the elitism and the immune genetic algorithm with the information entropy and elitism.     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.     

基于遗传算法的BP网络优化研究

提出了一种改进的自适应遗传算法(IAGA)，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．仿真实验表明，该算法优于BP算法和标准遗传算法(BGA)，网络训练质量和效率都有很大提高．     

遗传算法及其发展现状

对遗传算法的应用、算法设计和理论分析等方面的发展现状进行了综述和评论 ,介绍了几种遗传算法的收敛模型 ,指出了遗传算法理论研究中一些有待解决的问题 .     

基于均分法的小生境遗传算法

为了避免遗传算法种群中个体过早陷入局部最小,在以往随机初始种群的基础上提出一种均分法,使得初始种群随机平均地分为若干个子种群,形成小生境,这样既维持了种群的多样性,也使得种群中的个体不会过早出现早熟现象,更提高了算法的收敛速度.同时采用了自适应技术控制交叉和变异的概率,使得算法能更快速地找到最优解.仿真结果表明,与传统的遗传算法优化RBF网络相比较,新算法的迭代次数更少,精度更高,大大提高了收敛速度.     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优.所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求.通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定.该算法还可以推广用于圆柱轴线为基准的其它形位误差评定.     

基于信息熵的自适应遗传算法

现有自适应遗传算法陷入局部极小点后很难跳出，本文提出一种改进算法，用信息熵来估计系统分散度，使变异率随系统的分散度而变化。试验结果验证了该方法不仅速度快，而且几乎不陷入局部极小点。