小生境
- 不同喀斯特小生境下普定杜鵑花土壤酶活性變異特征
典型喀斯特不同小生境下土壤酶活性及其變異特征，為喀斯特地區(qū)植被恢復(fù)提供科學(xué)依據(jù)。【方法】以貴州喀斯特區(qū)（鎮(zhèn)寧縣、晴隆縣、望謨縣）的圓果化香樹(shù)+普定杜鵑花（Rhododendron pudingense）群落為對(duì)象，通過(guò)測(cè)定3種小生境（土面、石溝、石面）中土壤胞內(nèi)酶（脲酶、蔗糖酶、纖維素酶、蛋白酶）和胞外酶［（酸性磷酸酶（AP）、過(guò)氧化物酶（POD）、過(guò)氧化氫酶（CAT）、超氧化物歧化酶（SOD）］活性，分析其在不同小生境中的變異特征及其與環(huán)境因子的相互關(guān)系
南方農(nóng)業(yè)學(xué)報(bào) 2023年2期2023-07-22
- 不同小生境下典型喀斯特森林植物葉片功能性狀特征
，導(dǎo)致喀斯特區(qū)小生境空間分異較大，并且小生境中溫度、水分、光照等生態(tài)因子復(fù)雜多樣，致使其土壤及小氣候環(huán)境高度變異[1-3]。由于特殊的地理構(gòu)造和水熱條件，喀斯特區(qū)植物的生長(zhǎng)發(fā)育通常受到環(huán)境因子的制約，為適應(yīng)復(fù)雜多變的生存環(huán)境，植物自身從生理結(jié)構(gòu)和生化過(guò)程中產(chǎn)生一系列變化，進(jìn)而形成不同的生存策略[4]。同時(shí)，生境高度的異質(zhì)性也是維持該地區(qū)生態(tài)系統(tǒng)物種多樣性的重要因素[5]。植物葉片作為植物的主要功能器官，其功能性狀是植物在適應(yīng)生存環(huán)境時(shí)選擇生態(tài)策略和生存能力
中南林業(yè)科技大學(xué)學(xué)報(bào) 2022年10期2022-12-03
- 一種基于小生境的自適應(yīng)入侵野草優(yōu)化算法*
［9］等領(lǐng)域。小生境思想起源于生物學(xué)概念，最早用于遺傳算法中，顯著提高了遺傳算法的全局收斂能力和收斂速度。小生境思想可以根據(jù)不同的判斷標(biāo)準(zhǔn)，將遺傳算法的種群劃分為若干類(lèi)，能顯著提高算法的種群多樣性。入侵野草優(yōu)化（IWO）算法是一種新型的智能優(yōu)化算法，于2006 年由Mehrabian 等提出［10］。IWO通過(guò)模仿田間雜草的生長(zhǎng)、繁殖、擴(kuò)散和競(jìng)爭(zhēng)的繁衍習(xí)性，模擬了野草強(qiáng)大的殖民統(tǒng)治能力，已經(jīng)被廣泛應(yīng)用于工程優(yōu)化［11～12］、故障診斷［13］和算法混合優(yōu)化
計(jì)算機(jī)與數(shù)字工程 2022年8期2022-09-28
- 喀斯特不同土壤厚度小生境下土壤種子庫(kù)特征
的不同土壤厚度小生境． 研究表明， 喀斯特地區(qū)土壤厚度不僅決定了喀斯特土壤生產(chǎn)力水平及其可持續(xù)能力[13]， 更是喀斯特石漠化治理的重要影響因素[14]． 同時(shí)， 因植被的立地條件各異及生物間的競(jìng)爭(zhēng)、 捕食關(guān)系等， 喀斯特不同土壤厚度小生境對(duì)種子的收集和儲(chǔ)存及種子后續(xù)的萌發(fā)都有著不同的影響[15]， 從而也將影響植被的更新和恢復(fù)進(jìn)程． 目前， 大量研究關(guān)注了喀斯特生態(tài)系統(tǒng)中種子庫(kù)與群落演替關(guān)系[16]、 土壤種子庫(kù)與地上植被的關(guān)系[17]、 不同土地利用類(lèi)
- 喀斯特小生境與植物物種多樣性的關(guān)系
——以貴陽(yáng)花溪公園為例
、石槽、土面等小生境在狹小的空間上常常交錯(cuò)分布在一起，呈現(xiàn)出千變?nèi)f化的組合方式。喀斯特生境具有以下特點(diǎn)：(1)水平空間上的高度異質(zhì)性：水平空間和土壤有效水分的高度時(shí)空異質(zhì)性；(2)垂直剖面上的多層次性：具有地表地下垂直剖面上的“二元三維”多層空間的儲(chǔ)水結(jié)構(gòu)，地表水漏失嚴(yán)重；(3)土壤富含鈣和有機(jī)質(zhì)，但礦質(zhì)養(yǎng)分總量不足。其中小生境的高度異質(zhì)性是喀斯特生境最顯著的特點(diǎn)之一。不同類(lèi)型小生境之間光照強(qiáng)度和土壤含水量差異很大，并且降雨后不同時(shí)間小生境光照強(qiáng)度和土壤含
山地農(nóng)業(yè)生物學(xué)報(bào) 2022年3期2022-05-13
- 小生境粒子群算法在多信號(hào)DOA估計(jì)中的應(yīng)用*
這類(lèi)問(wèn)題，引入小生境機(jī)制是一種有效的解決辦法，它模擬了自然環(huán)境中不同種群占據(jù)不同類(lèi)型資源的生存方式，每個(gè)小生境都代表著解空間中包含一個(gè)局部解的區(qū)域以及該區(qū)域內(nèi)的粒子。這些粒子只會(huì)在所屬小生境內(nèi)尋找最優(yōu)解，這樣有利于保持種群的多樣性來(lái)防止收斂于全局最優(yōu)解，非常適合用來(lái)解決多峰函數(shù)優(yōu)化問(wèn)題。文獻(xiàn)[7-9]在幾種進(jìn)化算法的基礎(chǔ)上，分別提出了基于并行免疫、排擠、隔離策略的小生境技術(shù)，并通過(guò)仿真驗(yàn)證了算法的有效性。文獻(xiàn)[10]分析了PSO的拓?fù)浣Y(jié)構(gòu)并提出多種不同鄰域
電訊技術(shù) 2022年4期2022-04-26
- 喀斯特生態(tài)脆弱區(qū)典型小生境土壤團(tuán)聚體穩(wěn)定性比較研究
下形成許多破碎小生境,已有研究[4—10]將小生境分為：石縫、石溝、石槽、石土面以及土面等。因小生境間環(huán)境因子異質(zhì)性,更增加了喀斯特地區(qū)土壤侵蝕的不確定性。近年來(lái)對(duì)喀斯特小生境土壤關(guān)注度提高,并獲得一定的成果,相關(guān)學(xué)者研究發(fā)現(xiàn)不同小生境土壤pH、含水率、碳素、氮素變化等影響碳酸鹽巖溶蝕成土速率及土壤微生物群落分布[4—5],而采伐跡地中土壤侵蝕深度受小生境類(lèi)型影響[6]。小生境類(lèi)型甚至影響其土壤的成土方式[7]及有機(jī)碳含量[8—10]。但已有研究鮮有涉及對(duì)
生態(tài)學(xué)報(bào) 2022年7期2022-04-25
- 小生境遺傳算法的改進(jìn)及其在橡膠材料參數(shù)反演中的應(yīng)用
了提高當(dāng)前已有小生境遺傳算法的全局尋優(yōu)能力，首先對(duì)于當(dāng)前已有小生境遺傳算法的技術(shù)做了進(jìn)一步的改進(jìn)，設(shè)計(jì)了一種新的對(duì)于交叉概率和變異概率的動(dòng)態(tài)調(diào)整方式;其次，改進(jìn)了排擠小生境對(duì)于處于同一小生境內(nèi)的個(gè)體的排擠操作，充分利用進(jìn)化代數(shù)中的優(yōu)良信息，加快了程序的收斂速度;最后，基于硫化橡膠的單軸拉伸實(shí)驗(yàn)數(shù)據(jù)，選用2階多項(xiàng)式本本構(gòu)模型，并結(jié)合有限元和改進(jìn)后的小生境遺傳算法的反演方法確定了硫化橡膠的材料參數(shù)。相對(duì)于從ABAQUS中通過(guò)Evaluate計(jì)算出來(lái)的材料參數(shù)，
河北工業(yè)大學(xué)學(xué)報(bào) 2022年1期2022-03-09
- 基于小生境中適應(yīng)度共享的改進(jìn)DE算法
許峰摘 要：將小生境技術(shù)和適應(yīng)度共享思想引入DE算法中，用于改進(jìn)種群替代中子代選擇的優(yōu)化問(wèn)題，具體做法是：首先根據(jù)DE算法中的變異、交叉及選擇操作得到子代種群，其次將這些子代種群通過(guò)小生境技術(shù)劃分為若干個(gè)小種群，并在每個(gè)小種群中利用適應(yīng)度共享方法選擇或剔除個(gè)體，最后將得到的子代和原父代合并作為下輪算法的父代種群。通過(guò)測(cè)試函數(shù)對(duì)改進(jìn)算法進(jìn)行了數(shù)值試驗(yàn)與性能測(cè)試，并與其他算法進(jìn)行了比較。結(jié)果顯示，改進(jìn)算法可在一定程度上提高最優(yōu)解的分布性。關(guān)鍵詞：多目標(biāo)優(yōu)化;D
赤峰學(xué)院學(xué)報(bào)·自然科學(xué)版 2021年2期2021-07-06
- 小生境粒子群優(yōu)化在多模態(tài)優(yōu)化問(wèn)題上的研究
術(shù)一般被稱(chēng)為“小生境”方法。小生境方法可以以串行（sequential）或并行（parallel）的方式整合到標(biāo)準(zhǔn)的基于搜索的優(yōu)化算法中，從而定位多個(gè)全局最優(yōu)解。串行方式隨著時(shí)間的推移逐步找到最優(yōu)解，而并行方式聚焦于促進(jìn)和維持一個(gè)群體中多個(gè)穩(wěn)定子群體的形成。近期，將小生境技術(shù)應(yīng)用于元啟發(fā)式（meta-heuristic）算法，如粒子群優(yōu)化（Particle Swarm Optimization）[1]、差分進(jìn)化（Differen?tial Evolutio
現(xiàn)代計(jì)算機(jī) 2021年12期2021-07-03
- 考慮運(yùn)輸時(shí)間的多目標(biāo)柔性作業(yè)車(chē)間調(diào)度研究
]提出了一種將小生境技術(shù)和PSO相結(jié)合求解多目標(biāo)FJSP的優(yōu)化方法，基于小生境技術(shù)計(jì)算粒子的刪除概率對(duì)非支配解的外部存檔進(jìn)行更新.Li[9]提出了一種求解多模態(tài)優(yōu)化的小生境粒子群算法，在該算法中加入平衡因子，使得小生境劃分更均勻.工件移動(dòng)是柔性制造動(dòng)態(tài)性的最直接體現(xiàn)，考慮工件運(yùn)輸時(shí)間的FJSP更貼切實(shí)際生產(chǎn)[10].趙寧[11]建立了考慮運(yùn)輸時(shí)間的關(guān)鍵鏈優(yōu)化方式，將運(yùn)輸時(shí)間集成到經(jīng)典FJSP的析取圖模型中，結(jié)合鄰域搜索算法實(shí)現(xiàn)快速尋優(yōu)，獲得FJSP在考慮運(yùn)
小型微型計(jì)算機(jī)系統(tǒng) 2021年5期2021-05-10
- 基于小生境聚類(lèi)的改進(jìn)MOEA-D 算法*
化算法中引入了小生境方法；2018年，Monalisa[8]在一種多目標(biāo)進(jìn)化算法中引入了聚類(lèi)思想。在MOEA-D-AWA 中并沒(méi)有考慮優(yōu)化種群替換方法，本文提出在MOEA-D-AWA 基礎(chǔ)上引入小生境與聚類(lèi)思想來(lái)優(yōu)化種群替換，以達(dá)改進(jìn)算法分布性的目的。利用標(biāo)準(zhǔn)測(cè)評(píng)函數(shù)對(duì)改進(jìn)算法進(jìn)行了性能測(cè)試，并與相關(guān)算法進(jìn)行了比較。1 MOEA-D 算法MOEA-D 算法主要用于解決MaOP，其思路是將多目標(biāo)優(yōu)化問(wèn)題分解成若干個(gè)單目標(biāo)子問(wèn)題，然后利用多目標(biāo)進(jìn)化算法處理這些
科技創(chuàng)新與應(yīng)用 2021年4期2021-01-24
- 顛覆性技術(shù)創(chuàng)新的空間保護(hù)機(jī)制研究
“死亡之谷”。小生境理論的提出能為新興技術(shù)培育與躍遷過(guò)程中所遭遇的“死亡之谷”，提供了科學(xué)的理論解釋和嶄新的分析視角，現(xiàn)已被視為全球創(chuàng)新、轉(zhuǎn)型管理的重要研究領(lǐng)域?！?span id="syggg00" class="hl">小生境”(niche)的概念最早由美國(guó)生物學(xué)家Grinnel 在1917 年首次運(yùn)用，之后被很多學(xué)者關(guān)注和研究(Grinnell，1917；Elton，1927；Hutchinson，1957；Whittaker，1973；Geels，2002)。小生境被看成是“創(chuàng)新出現(xiàn)并走向成熟的地方”，其基
技術(shù)經(jīng)濟(jì)與管理研究 2020年11期2020-11-26
- 滇東南喀斯特小生境土壤水分差異性及其影響因素
質(zhì)地貌的影響，小生境發(fā)育類(lèi)型多樣，有石面、石坑、石溝、土面等小生境，使得地表出露的巖石和土壤分布具有非均勻性。同時(shí)，小生境因水分、熱量等環(huán)境因子的不同使得小生境土壤水分具有差異性[8-9]，這為生態(tài)系統(tǒng)的恢復(fù)和重建增加了難度。對(duì)喀斯特土壤水分的研究發(fā)現(xiàn)：不同植被群落的土壤水分有季節(jié)和空間差異，地形和微地貌、植被類(lèi)型是其分布差異的主要影響因素[10-12]，對(duì)微地貌的研究發(fā)現(xiàn)石溝的土壤水分狀況優(yōu)于土面[13-14]。滇東喀斯特地區(qū)石漠化分布集中、程度深，自北
浙江農(nóng)林大學(xué)學(xué)報(bào) 2020年3期2020-06-29
- 基于小生境魚(yú)群算法的有限元模型修正多解問(wèn)題研究*
出了一種改進(jìn)的小生境魚(yú)群算法，將傳統(tǒng)的人工魚(yú)群算法(artificial fish swarm algorithm，AFSA)融合小生境技術(shù)[9]與反向?qū)W習(xí)策略[10]，并在算法運(yùn)行后期采用模擬退火算法進(jìn)行局部細(xì)化尋優(yōu)，克服了傳統(tǒng)AFSA算法在尋找函數(shù)峰值時(shí)難以同時(shí)找到多個(gè)峰值、對(duì)初值敏感、尋優(yōu)結(jié)果精度不高的弊端[11]。通過(guò)數(shù)值仿真分析，驗(yàn)證了小生境魚(yú)群算法的可行性；接著將該算法應(yīng)用在一座縮尺斜拉橋模型的修正上。1 有限元模型修正的多解問(wèn)題傳統(tǒng)的有限元模
- 基于改進(jìn)花朵授粉算法的防空部署優(yōu)化研究
問(wèn)題，為此提出小生境混沌花朵授粉算法。為增加算法搜索的廣度，使用小生境技術(shù)保持種群的多樣性，提升了算法的全局優(yōu)化能力;引入邏輯自映射函數(shù)產(chǎn)生的混沌序列對(duì)精英個(gè)體進(jìn)行局部?jī)?yōu)化，增強(qiáng)算法的搜索精度和收斂速度;將改進(jìn)算法應(yīng)用至火力單元優(yōu)化部署模型中，仿真結(jié)果驗(yàn)證了改進(jìn)算法比花朵授粉算法和其他基礎(chǔ)優(yōu)化算法能更合理高效地分配火力單元，實(shí)現(xiàn)武器作戰(zhàn)效能最大化。關(guān)鍵詞： 優(yōu)化部署;花朵授粉算法;小生境;混沌優(yōu)化中圖分類(lèi)號(hào)：E956? ? ? ? ? ? ? ? ? ?
計(jì)算技術(shù)與自動(dòng)化 2019年3期2019-11-05
- 大型土壤動(dòng)物功能類(lèi)群對(duì)小生境環(huán)境因子的響應(yīng)
探討七星巖景區(qū)小生境大型土壤動(dòng)物功能類(lèi)群對(duì)環(huán)境因子變化的響應(yīng)，對(duì)七星巖景區(qū)小生境（土面、石槽、石溝）的大型土壤動(dòng)物功能類(lèi)群進(jìn)行研究。結(jié)果表明，七星巖景區(qū)小生境共捕獲大型土壤動(dòng)物435只，分別隸屬于4門(mén)8綱15類(lèi);植食性、枯食性土壤動(dòng)物共占總捕獲數(shù)的79%，是七星巖景區(qū)小生境的主要功能類(lèi)群。石溝大型土壤動(dòng)物的密度顯著高于其他2個(gè)小生境（P關(guān)鍵詞：小生境;大型土壤動(dòng)物;功能類(lèi)群;環(huán)境因子;響應(yīng)中圖分類(lèi)號(hào)： S154.1? 文獻(xiàn)標(biāo)志碼： A? 文章編號(hào)：1002
江蘇農(nóng)業(yè)科學(xué) 2019年3期2019-08-10
- 基于改進(jìn)粒子群模糊神經(jīng)網(wǎng)絡(luò)的信用評(píng)估
群算法——混沌小生境粒子群算法，來(lái)改善上述缺陷。首先基于混沌運(yùn)動(dòng)的遍歷性特點(diǎn)，在算法初始化時(shí)采用混沌迭代產(chǎn)生粒子的初始位置和速度以提高種群的多樣性；然后借鑒遺傳算法中的常用的小生境技術(shù)來(lái)改進(jìn)粒子群算法在進(jìn)化過(guò)程中的多樣性，提高算法的全局尋優(yōu)性能和收斂速度。通過(guò)這種改進(jìn)算法對(duì)模型參數(shù)進(jìn)行優(yōu)化，構(gòu)建了混沌小生境粒子群模糊神經(jīng)網(wǎng)絡(luò)模型，并運(yùn)用該模型對(duì)我國(guó)上市公司信用風(fēng)險(xiǎn)狀況進(jìn)行評(píng)估預(yù)測(cè)。1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本文所采用的模型為四層網(wǎng)絡(luò)模型結(jié)構(gòu)，具體結(jié)構(gòu)如圖1所示，
統(tǒng)計(jì)與決策 2019年5期2019-03-28
- 茂蘭喀斯特森林小生境類(lèi)型對(duì)土壤微生物群落組成的影響
、石洞、石溝等小生境中,使得喀斯特地區(qū)原本有限的土壤資源顯得彌足珍貴[8]。近年來(lái),針對(duì)喀斯特地區(qū)小生境分布的特點(diǎn),學(xué)者們主要圍繞小生境土壤理化性質(zhì)、類(lèi)別、以及代表性取樣方法等進(jìn)行系統(tǒng)研究,結(jié)果表明喀斯特地區(qū)小生境土壤理化性質(zhì)存在極強(qiáng)地空間異質(zhì)性[9-13]。土壤微生物對(duì)環(huán)境變化敏感度高,小生境土壤空間異質(zhì)性以及水熱狀況的差異,勢(shì)必對(duì)土壤微生物群落結(jié)構(gòu)產(chǎn)生較大影響。然而,目前針對(duì)喀斯特地區(qū)不同小生境類(lèi)型是如何影響土壤微生物群落結(jié)構(gòu)及其穩(wěn)定性的研究,鮮有報(bào)道
生態(tài)學(xué)報(bào) 2019年3期2019-03-22
- 不同喀斯特小生境中小蓬竹的遺傳多樣性
利用價(jià)值極高。小生境(microhabitats)：又稱(chēng)小棲息地，為特定環(huán)境條件生物的某種生境，小生境越專(zhuān)一，物種就越容易受到棲息地環(huán)境變化的影響。本研究選取生長(zhǎng)在土面、石溝、石縫、石槽及石洞等5種不同喀斯特小生境中的小蓬竹隨機(jī)采樣。隨機(jī)擴(kuò)增多態(tài)性DNA標(biāo)記(Random amplification polymorphic DNA，RAPD)：是Williams和Welsh幾乎在同一時(shí)期研究得出的通過(guò)隨機(jī)引物擴(kuò)增來(lái)找多態(tài)DNA片斷為標(biāo)記的遺傳多樣性研究法[
植物研究 2019年1期2019-02-14
- 貴州喀斯特山區(qū)花椒林小生境的土壤質(zhì)量特征
地形構(gòu)成了多種小生境［2］，形成了喀斯特生境的高度異質(zhì)性［3］。土壤養(yǎng)分含量是評(píng)價(jià)土壤質(zhì)量的重要指標(biāo)，為植物生長(zhǎng)發(fā)育提供營(yíng)養(yǎng)來(lái)源［4－5］，土壤養(yǎng)分水平與植株生長(zhǎng)狀況密切相關(guān)。研究區(qū)已經(jīng)有近40年的花椒(Zanthoxylum bungeamun)大規(guī)模栽培歷史，面臨土壤退化、產(chǎn)量下降、品質(zhì)降低等一系列問(wèn)題，亟需采取多種措施對(duì)花椒人工林生態(tài)系統(tǒng)進(jìn)行綜合調(diào)控?！厩叭搜芯窟M(jìn)展】已有研究表明，不同小生境表層土壤質(zhì)量表現(xiàn)出較大差異，以石溝和石坑小生境較高，石槽和石
西南農(nóng)業(yè)學(xué)報(bào) 2018年11期2018-12-11
- 基于小生境人工蜂群算法的字符邊緣圖像提取
更高精度.2 小生境技術(shù)及小生境人工蜂群算法小生境是指在生物學(xué)的特定環(huán)境中由一種生物群體組成的群體組織. 在自然界中, 常見(jiàn)一些習(xí)性或特征等相似的物種聚集并生活在一起組成群體, 并逐漸形成一種物種及其特定的生存空間. 小生境技術(shù)通常被應(yīng)用于處理多模函數(shù)優(yōu)化問(wèn)題中. 多模優(yōu)化問(wèn)題是搜索問(wèn)題的全局最優(yōu)解及局部最優(yōu)解[11]. 小生境技術(shù)能控制群體優(yōu)化方向, 并形成多個(gè)物種, 即使算法最終收斂到多個(gè)不同的解空間, 從而避免了算法過(guò)早收斂于局部最優(yōu)空間, 可增強(qiáng)算
吉林大學(xué)學(xué)報(bào)（理學(xué)版） 2018年6期2018-11-28
- 不同小生境下樟子松和油松生長(zhǎng)狀況的研究
定的影響，掌握小生境與樟子松和油松生長(zhǎng)規(guī)律之間的關(guān)系對(duì)林業(yè)生產(chǎn)具有重要的意義。在這樣的背景下，本文對(duì)樟子松和油松的生長(zhǎng)狀況和小生境對(duì)其生長(zhǎng)規(guī)律的影響等相關(guān)課題進(jìn)行研究。此次研究從闡述小生境的概念著手，對(duì)樟子松和油松在不同小生境下的生長(zhǎng)狀況進(jìn)行探討。本文研究的主要目的是明確小生境對(duì)樟子松和油松生長(zhǎng)的重要性，進(jìn)而提升林業(yè)對(duì)小生境的重視程度，以此來(lái)推動(dòng)林業(yè)的持續(xù)性發(fā)展?！娟P(guān)鍵詞】：小生境；樟子松和油松；生長(zhǎng)規(guī)律【前言】：樟子松和油松不僅具有綠化的功能，而且還可以
中國(guó)綠色畫(huà)報(bào) 2018年2期2018-08-07
- 針對(duì)選址問(wèn)題的一種遺傳算法改進(jìn)探究*
上，提出了結(jié)合小生境技術(shù)和多樣性測(cè)度的遺傳算法改進(jìn)方向。2 算法概述及改進(jìn)2.1 算法概述標(biāo)準(zhǔn)遺傳算法解決選址問(wèn)題的流程如下：(1)將所選地址的坐標(biāo)序列按一定規(guī)則編碼，編碼序列形成單個(gè)個(gè)體。常見(jiàn)的編碼方式有二進(jìn)制編碼、實(shí)數(shù)編碼、大字符集編碼等[10,11]。(2)以流程(1)中的編碼方式重復(fù)編碼，隨機(jī)地生成若干個(gè)體，這些個(gè)體的集合成為初始種群。(3)反解群體中的個(gè)體編碼，得到群體每個(gè)個(gè)體的坐標(biāo)，并計(jì)算以個(gè)體坐標(biāo)為自變量時(shí)，整體優(yōu)化函數(shù)的值，這個(gè)值即為該個(gè)體
計(jì)算機(jī)工程與科學(xué) 2018年4期2018-05-08
- 改進(jìn)小生境蝙蝠算法在無(wú)功優(yōu)化中的應(yīng)用
0082）改進(jìn)小生境蝙蝠算法在無(wú)功優(yōu)化中的應(yīng)用羅荇子，汪 沨，譚陽(yáng)紅，胡君楷，王 睿（湖南大學(xué)電氣與信息工程學(xué)院，長(zhǎng)沙 410082）為了克服基本蝙蝠算法后期收斂速度慢、易陷入局部最優(yōu)的缺點(diǎn)，在原始算法中引入小生境技術(shù)并進(jìn)行改進(jìn)。在改進(jìn)算法中，將小生境半徑設(shè)置為自適應(yīng)變化的動(dòng)態(tài)函數(shù)；在單個(gè)小生境群體中采用信息共享機(jī)制，對(duì)相似蝙蝠數(shù)量的過(guò)度增長(zhǎng)進(jìn)行抑制；采用優(yōu)質(zhì)蝙蝠鄰域搜索及存儲(chǔ)策略對(duì)每一代每個(gè)小生境群體的優(yōu)質(zhì)蝙蝠進(jìn)行儲(chǔ)存。對(duì)某21節(jié)點(diǎn)系統(tǒng)進(jìn)行了無(wú)功優(yōu)化，并
- 中度石漠化植被恢復(fù)自然障礙因子分析
究地點(diǎn)，以不同小生境及生境因子作為研究對(duì)象，通過(guò)對(duì)多個(gè)生境因子進(jìn)行多元相關(guān)分析及利用偏最小二乘回歸進(jìn)行重要性分析，綜合探討中度石漠化植被恢復(fù)的自然障礙因子。結(jié)果表明：不同小生境中的各障礙因子及作用機(jī)理不同，影響植被恢復(fù)的障礙因子在不同的小生境中的主導(dǎo)程度不同。植物群落的物種多樣性與土壤容量呈極顯著相關(guān)，與土壤水分、有機(jī)質(zhì)及氮、磷素含量表現(xiàn)為顯著相關(guān)，植株的高度主要與土壤容量、土壤水分、有機(jī)質(zhì)含量、氮素含量呈極顯著相關(guān)。植被恢復(fù)的主要自然障礙因子為土壤容量、
江蘇農(nóng)業(yè)科學(xué) 2017年16期2017-10-27
- 改進(jìn)的小生境混合遺傳算法在函數(shù)優(yōu)化上的應(yīng)用*
應(yīng)用技術(shù)改進(jìn)的小生境混合遺傳算法在函數(shù)優(yōu)化上的應(yīng)用*王 聰1， 柯滬琦2， 胡燕海1(1.寧波大學(xué) 機(jī)械工程與力學(xué)學(xué)院，浙江 寧波 315211；2.寧波戴維醫(yī)療器械股份有限公司，浙江 寧波 315712)為了提高經(jīng)典小生境遺傳算法的收斂性能，加強(qiáng)局部尋優(yōu)能力，設(shè)計(jì)了一種新的小生境混合遺傳算法。通過(guò)判斷算法的在線性能指標(biāo)Xe(s)，將模擬退火算法巧妙地融入算法的后期，并針對(duì)小生境遺傳算法的特點(diǎn)選用格雷碼編碼，同時(shí)設(shè)計(jì)了自適應(yīng)的遺傳交叉算子。用一個(gè)Shube
傳感器與微系統(tǒng) 2017年5期2017-05-10
- 家文化的認(rèn)同與海外華人的生存和適應(yīng)
形成了特有的“小生境”而且一直以“通道”相連接。孔飛力先生在《他者中的華人》簡(jiǎn)要地描述了中國(guó)近現(xiàn)代的移民史，梳理移民史進(jìn)程的同時(shí)也提出了很多新的視角，使得讀者對(duì)于近現(xiàn)代不同階段移民外出的原因和結(jié)果有了初步的認(rèn)知，對(duì)移民的生存環(huán)境和適應(yīng)移居地的情況有了充分的理解。文章從文化的角度，以“家”的視角來(lái)看早期華人移民的遷出和在遷入地的適應(yīng)和生存情況，以及這種文化觀念對(duì)于移民生活的影響。[關(guān)鍵詞]家文化 海外華人 方言群 通道 小生境[中圖分類(lèi)號(hào)]D634 [文獻(xiàn)標(biāo)
現(xiàn)代交際 2016年24期2017-04-14
- 基于非線性模型的寬帶無(wú)線發(fā)射機(jī)識(shí)別
出改進(jìn)的自適應(yīng)小生境遺傳算法，并應(yīng)用于模型參數(shù)的辨識(shí)；然后以模型參數(shù)為特征向量，以直觀的歐氏距離法實(shí)現(xiàn)寬帶無(wú)線發(fā)射機(jī)識(shí)別.仿真結(jié)果驗(yàn)證了改進(jìn)算法在Hammerstein-Wiener模型辨識(shí)上的有效性，而且與網(wǎng)格自適應(yīng)直接搜索算法和自適應(yīng)小生境遺傳算法相比較，改進(jìn)算法有更高的預(yù)測(cè)精度和發(fā)射機(jī)識(shí)別率.寬帶無(wú)線發(fā)射機(jī)識(shí)別；Hammerstein-Wiener模型；系統(tǒng)辨識(shí)；遺傳算法0 引 言近年來(lái)，基于射頻指紋特征的無(wú)線發(fā)射機(jī)識(shí)別是國(guó)內(nèi)外的一個(gè)研究熱點(diǎn)[1]，
- 腫瘤預(yù)轉(zhuǎn)移小生境的形成特點(diǎn)及意義
究所腫瘤預(yù)轉(zhuǎn)移小生境的形成特點(diǎn)及意義陳新田 陳泓宇①王建功施 明②華北理工大學(xué)附屬唐山市人民醫(yī)院 河北唐山 063000;①軍事醫(yī)學(xué)科學(xué)院基礎(chǔ)醫(yī)學(xué)院研究所;②徐州醫(yī)科大學(xué)腫瘤研究所腫瘤；腫瘤轉(zhuǎn)移；預(yù)轉(zhuǎn)移小生境腫瘤轉(zhuǎn)移是腫瘤患者致死的主要原因，約90%的實(shí)體瘤患者死于腫瘤轉(zhuǎn)移。腫瘤早期轉(zhuǎn)移灶在臨床上難以探查，多數(shù)患者確診時(shí)已處于腫瘤晚期，目前尚無(wú)有效的手段預(yù)防及控制腫瘤轉(zhuǎn)移。因此，探索腫瘤轉(zhuǎn)移的相關(guān)分子機(jī)制一直是腫瘤研究領(lǐng)域的熱點(diǎn)。1989年，Paget[1
- 基于小生境遺傳算法的SDD-1分布式查詢(xún)優(yōu)化算法*
000)?基于小生境遺傳算法的SDD-1分布式查詢(xún)優(yōu)化算法*蔣 然(揚(yáng)州市職業(yè)大學(xué)信息工程學(xué)院 揚(yáng)州 225000)SDD-1算法是一種分布式數(shù)據(jù)庫(kù)的查詢(xún)優(yōu)化算法,遺傳算法已經(jīng)在許多領(lǐng)域得到了成功的應(yīng)用。針對(duì)基于遺傳算法的SDD-1算法中,遺傳算法存在“早熟收斂”的問(wèn)題,提出一種基于小生境遺傳算法的SDD-1分布式查詢(xún)優(yōu)化算法,該算法能在盡可能短的時(shí)間內(nèi)求解通信費(fèi)用最小的查詢(xún)計(jì)劃。實(shí)驗(yàn)結(jié)果表明,該算法比單獨(dú)使用SDD-1算法、基于遺傳算法的SDD-1算法均
計(jì)算機(jī)與數(shù)字工程 2016年11期2016-12-13
- 基于小生境等維BP神經(jīng)網(wǎng)絡(luò)的沉降預(yù)報(bào)
042)?基于小生境等維BP神經(jīng)網(wǎng)絡(luò)的沉降預(yù)報(bào)何科敏*(寧波市測(cè)繪設(shè)計(jì)研究院，浙江 寧波 315042)針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)全局優(yōu)化能力低、無(wú)法學(xué)習(xí)的缺陷，引入遺傳算法中的小生境技術(shù)，研究了基于小生境等維BP神經(jīng)網(wǎng)絡(luò)模型，同時(shí)利用MATLAB進(jìn)行編程實(shí)現(xiàn)。該模型的核心思想是借助小生境遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)和閾值，進(jìn)而提高了等維BP神經(jīng)網(wǎng)絡(luò)模型的全局優(yōu)化能力，改善了模型的收斂性。結(jié)合寧波某大樓沉降監(jiān)測(cè)實(shí)例，利用小生境等維BP神經(jīng)網(wǎng)絡(luò)、GM(1，1)模型
城市勘測(cè) 2016年5期2016-11-28
- 基于小生境改進(jìn)的遺傳算法求解多序列比對(duì)問(wèn)題
228)?基于小生境改進(jìn)的遺傳算法求解多序列比對(duì)問(wèn)題張繼成1，羊秋玲2(1.長(zhǎng)江大學(xué)工程技術(shù)學(xué)院，湖北荊州434020；2.海南大學(xué)信息科學(xué)技術(shù)學(xué)院，海南?？?70228)基于多核平臺(tái)設(shè)計(jì)了一個(gè)求解多序列比對(duì)問(wèn)題的改進(jìn)遺傳算法。該算法采用一致性函數(shù)作為個(gè)體的適應(yīng)度函數(shù)，引進(jìn)小生境技術(shù)，維持種群進(jìn)化的多樣性，以改善算法的整體搜索能力?？紤]遺傳算法本身具有較好的并行性，對(duì)其各算子針對(duì)多核平臺(tái)進(jìn)行了并行化設(shè)計(jì)。通過(guò)對(duì)BAliBASE中的測(cè)試?yán)M(jìn)行測(cè)試，與已有的算
常州工學(xué)院學(xué)報(bào) 2016年4期2016-10-26
- 基于SOPC的小生境免疫PID溫度控制器的設(shè)計(jì)
基于SOPC的小生境免疫PID溫度控制器具有超調(diào)量小、調(diào)整時(shí)間短等優(yōu)點(diǎn)，仿真實(shí)驗(yàn)驗(yàn)證了該方案的有效性。關(guān)鍵詞： 小生境； 免疫算法； PID整定； SOPC中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2016）07-38-03Design of PID temperature controller with SOPC and niche immune algorithmBao Ke， Shen Xiaohui， Fang Yuan，
計(jì)算機(jī)時(shí)代 2016年7期2016-07-15
- 改進(jìn)粒子群算法在二維排樣中的研究與應(yīng)用
化算法中先引入小生境的思想，將種群劃分成多個(gè)子群，各子群運(yùn)用粒子群算法單獨(dú)進(jìn)化，取出各子群進(jìn)化后的最好粒子，又可形成新群體，新群體運(yùn)用混合蛙跳算法進(jìn)化，使子群的最好粒子進(jìn)一步更新，種群的多樣性進(jìn)一步增強(qiáng)，全局尋優(yōu)的能力進(jìn)一步提升.該算法概念簡(jiǎn)單，易于實(shí)現(xiàn)，具有較好的能力去搜索全局最優(yōu)解和較快的收斂速度.實(shí)驗(yàn)結(jié)果表明該算法是有效的.關(guān)鍵詞：小生境；粒子群；混合蛙跳；排樣服裝行業(yè)二維不規(guī)則樣片的優(yōu)化排樣問(wèn)題就是在指定大小區(qū)域的材料上，尋找一種將很多不規(guī)則形狀的
浙江工業(yè)大學(xué)學(xué)報(bào) 2016年4期2016-07-07
- 可拓聚類(lèi)適應(yīng)度共享小生境遺傳算法研究
聚類(lèi)適應(yīng)度共享小生境遺傳算法研究李中華， 張?zhí)┥?中南大學(xué) 信息科學(xué)與工程學(xué)院, 410083 長(zhǎng)沙)摘要:針對(duì)遺傳算法易陷入早熟收斂和全局搜索能力差等缺點(diǎn)，提出一種基于可拓理論的小生境遺傳算法. 算法首先構(gòu)造了遺傳編碼物元和可拓遺傳算子，然后通過(guò)可拓聚類(lèi)方法實(shí)現(xiàn)小生境群體的劃分，結(jié)合適應(yīng)度共享技術(shù)和聚類(lèi)代表個(gè)體保存策略，維持穩(wěn)定多樣的小生境. 仿真實(shí)驗(yàn)表明，該算法能可靠、快速地收斂到全局最優(yōu)解，有效避免早熟收斂，其收斂速度和求解精度均優(yōu)于簡(jiǎn)單遺傳算法和常
哈爾濱工業(yè)大學(xué)學(xué)報(bào) 2016年5期2016-05-17
- 基于引力搜索算法的艙室分布方案設(shè)計(jì)
力搜索算法基于小生境技術(shù)改進(jìn)成多目標(biāo)引力搜索算法并引入到模型中，從而搭建出艙室分布方案設(shè)計(jì)模型。最后通過(guò)算例進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果顯示所得方案可較好的符合設(shè)計(jì)要求，說(shuō)明方法具有一定的合理性和可行性。關(guān)鍵詞:艙室布置設(shè)計(jì);引力搜索算法;小生境;多目標(biāo)優(yōu)化;智能優(yōu)化算法;計(jì)算機(jī)輔助設(shè)計(jì)船舶設(shè)計(jì)作為一個(gè)復(fù)雜的過(guò)程，設(shè)計(jì)方案往往需要在諸多建議之間反復(fù)協(xié)調(diào)［1－2］。隨著計(jì)算機(jī)技術(shù)不斷發(fā)展，大量研究工作投入到計(jì)算機(jī)輔助設(shè)計(jì)中。計(jì)算機(jī)輔助船舶設(shè)計(jì)技術(shù)，目前處在國(guó)際領(lǐng)先水平
哈爾濱工程大學(xué)學(xué)報(bào) 2016年1期2016-04-13
- 不同小生境下小蓬竹形態(tài)多樣性研究
法對(duì)小蓬竹6個(gè)小生境的14個(gè)形態(tài)標(biāo)記指標(biāo)進(jìn)行測(cè)定分析。結(jié)果顯示，小蓬竹各表型性狀存在不同程度的分化，14個(gè)表型性狀變異系數(shù)均值變化范圍為5 7%～68 3%，變異系數(shù)除葉長(zhǎng)寬比，一級(jí)、二級(jí)分枝葉面積外，其他性狀變異系數(shù)都大于14 1%，變異系數(shù)最高的是二級(jí)分枝數(shù)，達(dá)68 3%。6個(gè)小生境間的小蓬竹形態(tài)變異存在差異，土面小生境大多數(shù)形態(tài)性狀的變異系數(shù)最大，其次是石槽和石縫，顯示不同的生境條件促進(jìn)了小蓬竹的形態(tài)分化。聚類(lèi)分析結(jié)果顯示，聚為一類(lèi)的生境都具有相似的
江蘇農(nóng)業(yè)科學(xué) 2015年8期2015-09-10
- “報(bào)紙消亡論”芻議
。本文以媒介“小生境”理論為視角，結(jié)合“碎片化”閱讀帶來(lái)的啟示，考量報(bào)紙的發(fā)展前景，認(rèn)為報(bào)紙符合媒介進(jìn)化“小生境”理論，且在進(jìn)化實(shí)踐中不斷吸收新媒介技術(shù)能量繼續(xù)推進(jìn)報(bào)紙“碎片化”閱讀，不會(huì)消亡?！娟P(guān)鍵詞】報(bào)紙消亡論“小生境”理論“碎片化”閱讀隨著以互聯(lián)網(wǎng)、手機(jī)等為代表的新媒介的普及使用，人們已經(jīng)生活在一個(gè)“符號(hào)世界在形式與內(nèi)容上發(fā)生了變化”的新媒介環(huán)境中。新媒介環(huán)境指在以數(shù)字技術(shù)為基本特征的新媒介信息傳播過(guò)程中，人類(lèi)所面臨并置身其中的一種嶄新的環(huán)境。需要強(qiáng)
新聞世界 2015年1期2015-09-10
- 一種新的小生境魚(yú)群優(yōu)化算法
應(yīng)用·一種新的小生境魚(yú)群優(yōu)化算法徐翔燕，黃天民(西南交通大學(xué)數(shù)學(xué)學(xué)院，四川 成都 611731)針對(duì)魚(yú)群算法后期收斂速度慢和難以找到精確最優(yōu)解的缺點(diǎn)，結(jié)合進(jìn)化論中的小生境技術(shù)，提出一種新的小生境魚(yú)群優(yōu)化算法。通過(guò)魚(yú)群個(gè)體之間的距離找到具有相似距離的個(gè)體組成小生境種群，在該種群內(nèi)執(zhí)行魚(yú)群算法的聚群、追尾及覓食行為，所有個(gè)體經(jīng)過(guò)其小生境群體的進(jìn)化后，找到最優(yōu)的個(gè)體存到下一代的魚(yú)群中，直到找到滿意的適應(yīng)值。通過(guò)幾個(gè)典型的多峰測(cè)試函數(shù)驗(yàn)證算法的性能。仿真結(jié)果表明，
- 改進(jìn)的小生境粒子群優(yōu)化算法
國(guó)摘要：傳統(tǒng)的小生境粒子群優(yōu)化算法（NPSO）需要兩個(gè)參數(shù)的輸入，一個(gè)是判斷子群合并的閾值，另一個(gè)是子群產(chǎn)生的閾值。參數(shù)設(shè)置的不當(dāng)，將直接影響計(jì)算結(jié)果。引入一個(gè)函數(shù)判斷兩個(gè)點(diǎn)是否在同一座山峰上，以克服NPSO算法需要輸入?yún)?shù)的弊端。在程序運(yùn)行時(shí)，無(wú)須嚴(yán)格限定小生境的半徑，也不需太多的先驗(yàn)知識(shí)。實(shí)驗(yàn)結(jié)果證明，該算法合理有效，能夠能快速有效地找到多峰函數(shù)的全局最優(yōu)點(diǎn)。關(guān)鍵詞關(guān)鍵詞：小生境；NPSO算法；粒子群優(yōu)化算法；多峰值函數(shù)DOIDOI：10.11907/
軟件導(dǎo)刊 2015年2期2015-04-02
- 小生境環(huán)境因子主參數(shù)監(jiān)測(cè)與控制方法研究*
0)研究與探討小生境環(huán)境因子主參數(shù)監(jiān)測(cè)與控制方法研究*劉冬喆1， 劉小剛1， 劉亞秋2(1.昆明理工大學(xué),云南 昆明 650042; 2.東北林業(yè)大學(xué),黑龍江 哈爾濱 150040)作物生長(zhǎng)實(shí)驗(yàn)環(huán)境因子的高精度綜合控制自動(dòng)化越來(lái)越成為生物技術(shù)研究的重要平臺(tái)支撐。在對(duì)作物生長(zhǎng)環(huán)境的主要參數(shù)，尤其對(duì)土壤—空氣的溫濕度耦合系統(tǒng)進(jìn)行了融合檢測(cè)分析的基礎(chǔ)上，提出無(wú)模型控制方法解決小生境環(huán)境耦合參數(shù)系統(tǒng)的主因子實(shí)時(shí)控制問(wèn)題。該方法根據(jù)作物培育生產(chǎn)環(huán)境的參數(shù)工藝需求，模
傳感器與微系統(tǒng) 2015年11期2015-01-07
- 一種基于調(diào)節(jié)因子的小生境粒子群優(yōu)化算法
熟。混沌變異的小生境粒子群優(yōu)化算法(Niche Chaotic Mutation PSO，NCPSO)于2002 年被提出，其中圓形小生境粒子種群在進(jìn)化過(guò)程中得以實(shí)現(xiàn)，低維函數(shù)測(cè)試搜索精度較高［3］，協(xié)同策略實(shí)現(xiàn)較為復(fù)雜，但是利用小生境容易實(shí)現(xiàn)，可以使得小范圍的粒子相互獨(dú)立，形成孤立的動(dòng)態(tài)搜索空間。粒子小范圍有效地分布，各個(gè)粒子在自己搜索范圍內(nèi)尋找極值點(diǎn)，可以有效防止大規(guī)模的種群趨同現(xiàn)象。通過(guò)建立淘汰更新機(jī)制，淘汰最劣粒子，保證整個(gè)種群向全局最優(yōu)值運(yùn)動(dòng)。此
計(jì)算機(jī)工程 2014年8期2014-12-02
- 典型小生境遺傳算法原理與性能比較分析*
遺傳算法中引入小生境技術(shù)能夠很好地解決這個(gè)問(wèn)題.1 小生境技術(shù)與物種形成過(guò)程在自然環(huán)境當(dāng)中，“物以類(lèi)聚，人以群分”是一種普遍的現(xiàn)象.這說(shuō)明生物往往傾向于和其本身在性狀和特征等方面相似的同類(lèi)在一起生活，并與其同類(lèi)交配完成后代的增殖.生物的這種生存特點(diǎn)和增殖方式是有其積極意義的.在生物學(xué)上，小生境(niche)是指特定環(huán)境下一種組織的功能，我們也常常把具有共同特性的組織稱(chēng)為物種(species).為了說(shuō)明小生境技術(shù)相對(duì)于基本遺傳算法的優(yōu)勢(shì)所在，我們考察基本遺傳
通化師范學(xué)院學(xué)報(bào) 2014年4期2014-08-08
- 適應(yīng)值共享小生境遺傳算法實(shí)現(xiàn)與性能比較分析
130118)小生境遺傳算法是近年來(lái)興起的一種進(jìn)化計(jì)算技術(shù).它以遺傳算法為基礎(chǔ)，將遺傳操作中的每一代個(gè)體進(jìn)一步劃分為若干個(gè)類(lèi).對(duì)于每一個(gè)類(lèi)，從中選擇部分適應(yīng)值較高的優(yōu)秀個(gè)體組成一個(gè)群.算法在種群內(nèi)部以及種群與種群之間完成遺傳操作(包括選擇、交叉、變異)，最終產(chǎn)生新一代群體.在算法的實(shí)現(xiàn)過(guò)程中，還可以采用分享機(jī)制、預(yù)選擇機(jī)制和排擠機(jī)制等完成整個(gè)操作過(guò)程.由于小生境遺傳算法能夠更好的保持解空間群體的多樣性，并且具有較好的全局搜索性能和收斂速度，故其在很多優(yōu)化問(wèn)
通化師范學(xué)院學(xué)報(bào) 2014年8期2014-06-12
- 基于戰(zhàn)略小生境管理的中國(guó)綠色技術(shù)創(chuàng)新研究
面來(lái)探究。戰(zhàn)略小生境管理 (Strategic Niche Management,SNM)正是基于這一認(rèn)識(shí)論而興起的，該思想起源于演化經(jīng)濟(jì)學(xué)[1][2]。戰(zhàn)略小生境管理理論由Kemp等（1998）首次提出[3]。從學(xué)術(shù)理論聯(lián)系上來(lái)看，戰(zhàn)略小生境管理同技術(shù)轉(zhuǎn)型理論（Technological Transions,TT）、多層次視角（The Multi-level Perspective,MLP）有著密切的關(guān)系[4]。MLP闡述了社會(huì)技術(shù)系統(tǒng)的結(jié)構(gòu)。系統(tǒng)本身是
西北工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版） 2014年1期2014-06-06
- 基于遺傳算法的Pareto多目標(biāo)配電網(wǎng)重構(gòu)
在此提出了基于小生境思想的遺傳算法，以配電網(wǎng)的經(jīng)濟(jì)性、安全性和供電可靠性為目標(biāo)，并采用Pareto尋優(yōu)方式，得出Pareto最優(yōu)解集，實(shí)現(xiàn)了和以往不同的另一種尋優(yōu)方式，即先尋優(yōu)后決策。在尋優(yōu)過(guò)程中，通過(guò)小生境環(huán)境和交叉率和變異率的自適應(yīng)機(jī)制，提高了遺傳算法的全局收斂能力和收斂速度，并通過(guò)算例驗(yàn)證了方法的有效性。關(guān)鍵詞： 配電網(wǎng)重構(gòu)； 遺傳算法； Pareto最優(yōu)； 小生境中圖分類(lèi)號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（20
現(xiàn)代電子技術(shù) 2014年4期2014-03-05
- 小生境與神經(jīng)干細(xì)胞相互作用研究進(jìn)展
01）?綜述?小生境與神經(jīng)干細(xì)胞相互作用研究進(jìn)展范飛燕（中國(guó)醫(yī)科大學(xué)附屬第一醫(yī)院，遼寧 沈陽(yáng) 110001）神經(jīng)干細(xì)胞的自我更新和分化成神經(jīng)系統(tǒng)有賴(lài)于神經(jīng)干細(xì)胞小生境。而成人腦干細(xì)胞小生境的成分已被確定：神經(jīng)干細(xì)胞、基質(zhì)細(xì)胞、細(xì)胞外基質(zhì)、基底膜、可溶性因子、脈管系統(tǒng)等。小生境中的細(xì)胞之間相互交流、轉(zhuǎn)換，不斷地實(shí)時(shí)感知和響應(yīng)。促進(jìn)神經(jīng)干細(xì)胞的增殖和分化。脈管系統(tǒng)是成體腦室下帶神經(jīng)干細(xì)胞小生境的重要成分。細(xì)胞外基質(zhì)通過(guò)調(diào)節(jié)黏著性和遷移能力等方面來(lái)調(diào)節(jié)神經(jīng)干細(xì)胞
中國(guó)實(shí)用鄉(xiāng)村醫(yī)生雜志 2014年22期2014-01-25
- 基于小生境混沌免疫算法的PID參數(shù)優(yōu)化
7]。本文結(jié)合小生境機(jī)制、混沌細(xì)搜索和人工免疫算法，提出了一種基于小生境混沌免疫算法的PID參數(shù)優(yōu)化方法，并通過(guò)仿真實(shí)例驗(yàn)證了該方法的有效性。1 PID控制原理PID控制器是一種線性控制器，它根據(jù)給定值和實(shí)際輸出值構(gòu)成控制偏差，將偏差的比例、積分和微分通過(guò)線性組合構(gòu)成控制量對(duì)被控對(duì)象進(jìn)行控制。依據(jù)PID控制原理，調(diào)節(jié)kp、ki、kd3個(gè)參數(shù)，就可以改變控制量。在采用免疫算法對(duì)PID參數(shù)進(jìn)行優(yōu)化時(shí)，可將控制器的性能指標(biāo)作為目標(biāo)優(yōu)化函數(shù)，視為抗原，而將參數(shù) k
電氣自動(dòng)化 2013年4期2013-12-14
- 一種求解高維多模態(tài)復(fù)雜問(wèn)題的差分文化算法＊
高斯分布估計(jì)的小生境文化進(jìn)化算法模型，算法在種群空間中利用改進(jìn)的差分進(jìn)化算法進(jìn)化種群，將獲得的小生境傳送到信度空間。在信度空間中，利用高斯分布算法求解每個(gè)小生境的最優(yōu)解，將小生境特征存儲(chǔ)記錄下來(lái)作為進(jìn)化知識(shí)，然后用進(jìn)化知識(shí)庫(kù)再去指導(dǎo)種群空間進(jìn)行搜索。3 關(guān)鍵技術(shù)3.1 自適應(yīng)差分進(jìn)化算法差分進(jìn)化算法 DE（Differential Evolution）［10］是由Storn和Price提出的一種用于優(yōu)化問(wèn)題的啟發(fā)式算法。該算法采用實(shí)數(shù)編碼，模仿生物進(jìn)化過(guò)程
計(jì)算機(jī)工程與科學(xué) 2013年1期2013-06-11
- 含精英策略的小生境遺傳退火算法研究及其應(yīng)用
行GA、SA和小生境搜索。其中，SA的初始解來(lái)自GA的進(jìn)化結(jié)果，經(jīng)Metropolis抽樣過(guò)程得到的解與GA的結(jié)果一起構(gòu)成小生境的處理群體，處理結(jié)果又成為GA進(jìn)一步優(yōu)化的初始種群。這種融入了小生境技術(shù)的改進(jìn)算法雖然算法性能得到改善，但依然沒(méi)有克服交叉和變異概率在整個(gè)搜索過(guò)程中固定不變所導(dǎo)致的求解過(guò)程長(zhǎng)的缺陷，同時(shí)，優(yōu)化過(guò)程也沒(méi)有充分利用歷史信息。綜上所述，目前具有代表性的遺傳退火算法的研究成果，均強(qiáng)調(diào)通過(guò)融合的思想來(lái)實(shí)現(xiàn)算法的優(yōu)勢(shì)互補(bǔ)，以達(dá)到改善算法性能的
中國(guó)機(jī)械工程 2012年5期2012-12-03
- 基于小生境的菌群算法的改進(jìn)
點(diǎn)。在生物學(xué)上小生境是指特定環(huán)境下的一種組織結(jié)構(gòu)。在自然界中，特征、形狀相似的物種往往相聚在一起，并在同類(lèi)中交配繁衍后代。小生境技術(shù)將每一代個(gè)體劃分為若干類(lèi)，在每個(gè)類(lèi)中選出若干適應(yīng)度較大的個(gè)體作為優(yōu)秀代表組成一個(gè)群，再在種群中以及不同種群之間雜交、變異產(chǎn)生新一代個(gè)體群[3]。同時(shí)采用預(yù)選擇機(jī)制和排擠機(jī)制或分享機(jī)制完成任務(wù)。加入了這種小生境技術(shù)的菌群優(yōu)化算法(NBFO)可以更好地保持解的多樣性，同時(shí)具有較高的全局尋優(yōu)能力和收斂速度，特別適合于復(fù)雜多峰函數(shù)的優(yōu)
- 基于自適應(yīng)小生境的改進(jìn)入侵性雜草優(yōu)化算法
所提高。本文將小生境思想引入到IWO算法，提出一種改進(jìn)的小生境雜草優(yōu)化算法（Niche Invasive Weed Optimization，NIWO），對(duì)種群進(jìn)行分類(lèi)競(jìng)爭(zhēng)繁殖，增加保持種群多樣性，提高算法的全局尋優(yōu)能力，同時(shí)采用自適應(yīng)小生境數(shù)來(lái)提高算法后期的收斂精度。通過(guò)對(duì)4個(gè)常用標(biāo)準(zhǔn)測(cè)試函數(shù)的仿真實(shí)驗(yàn)，驗(yàn)證了該算法的有效性。1 標(biāo)準(zhǔn)IWO算法標(biāo)準(zhǔn)IWO算法[1-3]的執(zhí)行過(guò)程要經(jīng)歷4個(gè)過(guò)程：初始化種群，生長(zhǎng)繁殖，空間分布，競(jìng)爭(zhēng)性生存。1.1 初始化種群
上海電機(jī)學(xué)院學(xué)報(bào) 2012年4期2012-07-31
- 基于小生境的GEP新算法
獻(xiàn)在GEP中用小生境技術(shù)保持群體的多樣性［10－11］。提出一種基于小生境的GEP新算法，該算法能夠避免演化后期出現(xiàn)大量重復(fù)個(gè)體，使群體在整個(gè)演化過(guò)程都能保持個(gè)體的多樣性。使得改進(jìn)后的GEP新算法能有效的避免早熟收斂，提高算法的全局搜索效率。1 基因表達(dá)式編程GEP的編碼方式是長(zhǎng)度固定的線性符號(hào)串，稱(chēng)為GEP染色體。一個(gè)染色體包含一個(gè)或多個(gè)基因。每個(gè)基因由頭部和尾部組成，頭部允許出現(xiàn)終結(jié)符和函數(shù)符號(hào)，尾部只能出現(xiàn)終結(jié)符。頭部的長(zhǎng)度h是事先設(shè)定的，而尾部的長(zhǎng)
計(jì)算機(jī)工程與設(shè)計(jì) 2012年7期2012-07-27
- 基于改進(jìn)共享小生境遺傳算法的配電網(wǎng)無(wú)功規(guī)劃
）基于改進(jìn)共享小生境遺傳算法的配電網(wǎng)無(wú)功規(guī)劃陳麗1，蘇海鋒2，張晉國(guó)1（1.河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河北保定 071001；2.華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003）為了減少配網(wǎng)損耗和保證配網(wǎng)電壓質(zhì)量，解決應(yīng)用傳統(tǒng)適應(yīng)值共享小生境遺傳算法進(jìn)行無(wú)功規(guī)劃時(shí)，由于小生境半徑設(shè)定值的不同會(huì)導(dǎo)致全局尋優(yōu)能力不穩(wěn)定、尋優(yōu)結(jié)果波動(dòng)性較大的問(wèn)題，將改進(jìn)共享小生境遺傳算法應(yīng)用于配電網(wǎng)無(wú)功規(guī)劃.首先建立了以?xún)羰找娆F(xiàn)值為目標(biāo)函數(shù)的數(shù)學(xué)模型，該模型更直觀地反映
- 戰(zhàn)略小生境管理理論研究綜述
0074）戰(zhàn)略小生境管理理論研究綜述胡隆基，李彩霞，密啟慧（華中科技大學(xué) 公共管理學(xué)院，湖北 武漢 430074）促進(jìn)綠色創(chuàng)新是解決全球氣候變遷的重要途徑之一。政策實(shí)踐表明基于新古典經(jīng)濟(jì)學(xué)的綠色創(chuàng)新政策很難行得通。在九十年代后期，一批學(xué)者基于歐洲的綠色創(chuàng)新管理實(shí)踐，提出了一種被稱(chēng)為戰(zhàn)略小生境管理理論的政策思路，該政策思路認(rèn)為可以通過(guò)促進(jìn)綠色小生境的成長(zhǎng)來(lái)帶動(dòng)綠色創(chuàng)新的發(fā)展與擴(kuò)散。該理論被認(rèn)為是解決當(dāng)前綠色創(chuàng)新問(wèn)題的重要理論之一，但它在國(guó)內(nèi)卻鮮有介紹。通過(guò)對(duì)
湖北社會(huì)科學(xué) 2011年11期2011-10-30
- 基于罰函數(shù)的小生境遺傳算法在MATLAB中的實(shí)現(xiàn)
引言生物學(xué)上，小生境(niche)是指在特定環(huán)境中一種組織(organism)的功能，把有共同特性的組織稱(chēng)作物種(species)。小生境技術(shù)就是將每一代個(gè)體劃分為若干類(lèi)，每個(gè)類(lèi)中選出若干適應(yīng)度較大的個(gè)體作為一個(gè)類(lèi)的優(yōu)秀代表組成一個(gè)群，再在種群中以及不同種群中之間雜交、變異產(chǎn)生新一代個(gè)體群。同時(shí)采用預(yù)選擇機(jī)制和排擠機(jī)制或分享機(jī)制完成任務(wù)。基于這種小生境的遺傳算法 (Niching Genetic Algorithms，NGAs)，可以更好地保持解的多樣性，
電腦與電信 2011年9期2011-08-08