摘要：该文使用演化算法求解一类定义在黎曼流形之上的矩阵优化问题.传统演化算法大多针对欧式空间中的优化问题而设计,因此难以直接用于矩阵流形优化.该文根据矩阵流形的几何结构,将原始的流形约束问题转换为一系列切空间中的无约束问题,并通过将经典的协方差矩阵适应技术从欧式空间扩展到黎曼流形,提出了用于求解矩阵流形黑盒优化问题的流形搜索方向适应演化策略.所提出的算法在矩阵流形的每个切空间中使用多元高斯分布引导搜索,并不断更新概率分布从而提高产生优质解的似然性.该文设计了在切空间中仅使用单位阵和少量搜索方向构造大规模高斯分布的概率建模方法,并提出了在矩阵流形的不同切空间中更新和移动概率模型的方法.所提出的算法不依赖于全局坐标系、不需要额外的编码方案、独立于特定坐标基的选择,所有演化算子均可表示为矩阵线性运算,因而能够达到较高的运行效率.该文在三类经典的矩阵流形优化问题上进行了仿真实验.数值结果表明,在黑盒优化场景中,所提出算法的性能显著优于或相当于主流的流形优化器.

摘要：混合整数非线性规划问题为一类富有挑战性的难解问题。本文设计一个混合演化算法求解混合整数非线性规划问题,对于不同变量分别使用二进制和实数编码策略,将约束优化问题转换为多目标优化问题。数值实验验证了算法的有效性、稳健性和通用性。

摘要：受遗传算法"杂交"思想的启发,提出一个改进带收缩因子的粒子群算法。该算法在带收缩因子的粒子群算法中增加扰乱粒子认知能力的方法。即对粒子i,随机选择另外一个粒子j,按照一定的概率用粒子j的当前位置替换粒子i的当前位置。为了检验新算法的性能,选用5个高维函数进行了测试,实验结果表明,改进的算法不仅具有良好的稳健性,而且还有良好的收敛性。

摘要：基于群体搜索的演化算法求解多目标优化问题有独特的优势 ,多目标演化算法已有的研究大多为算法的设计和数值试验效果的比较 ,理论研究往往被忽视 .该文讨论了多目标演化算法的收敛性问题 ,针对一种网格化的简单易于实现的多目标演化算法模型定义了多目标演化算法强收敛和弱收敛等概念 ,给出了判断算法收敛性的一般性条件 ;在变异算子为高斯变异、目标函数连续的条件下 ,证明了提出的算法强收敛 .数值实验验证了算法的可行性和有效性 .

摘要：提出了一种求解约束函数优化问题的方法.它不使用传统的惩罚函数,也不区分可行解和不可行解.新的演化算法将约束优化问题转换成两个目标优化问题,其中一个为原问题的目标函数,另一个为违反约束条件的程度函数.利用多目标优化问题中的Pareto优于关系,定义个体Pareto强度值指标以便对个体进行排序选优,根据Pareto强度值排序和最小代数代沟模型设计出新的实数编码遗传算法.对常见测试函数的数值实验证实了新方法的有效性、通用性和稳健性,其性能优于现有的一些演化算法.特别是对于一些既有等式约束又有不等式约束的复杂非线性规划问题,该算法获得了更高精度的解.

摘要：本文分析了当前应用型本科院校人才培养存在的问题以及慕课对应用型本科院校传统教育模式的冲击,提出了结合线上教学与线下教学的混合式教学模式,并以《高级语言程序设计(C语言)》课程为例介绍了该模式的构建与实施。实践表明,混合式教学模式对提高学生成绩及增强学习兴趣有积极的作用。

摘要：本文介绍了基于面向对象的基层财政系统业务整合的设计思想,针对基层财政的特点,提出了一种在J2EE环境下,利用服务实现异构系统的集成,给出了系统整合的新思路和方法,利用该方法可以实现分布式异构系统业务整合,同时使系统具有全面的开放性、可维护性和灵活性。