摘要：文中作者主要针对一类组合优化问题,分析了伊藤算法的收敛性理论和达到最优解的期望运行时间.首先将研究的组合优化问题转化为图模型,在图模型的基础上研究了伊藤算法的各种算子设计方法,阐明了伊藤算法的漂移算子、波动算子的寻优过程,给出了几种算子转移所服从的概率分布;然后在转移概率的基础上,利用离散鞅的极限分布给出了伊藤算法几乎必然收敛行为分析;最后研究了1个粒子的情况下,伊藤算法达到最优解的期望运行时间的上界,其取决于粒子半径的设置,并结合具体的参数设置,分析了伊藤算法参数选择的重要性.

摘要：遗传程序设计在复杂系统的建模中表现出智能性、自适应性等特点 ,它可以找出能描述系统的静态和动态过程一系列相关联的函数或微分方程 ,为描述复杂系统提供了一种有效的手段 .针对传统的遗传程序设计方法的搜索效率低、所建模型的精度不高等缺点 ,提出了一种新的演化建模算法 :二次演化建模 ,该算法引入人工智能中的系统公告板来公布最好的树及其子树 ,从而加速了优化过程 ,使之达到实时仿真的目的 ,并将其应用于描述一个实时仿真系统——轮机仿真系统 ,并结合仿真系统的特点来指导遗传算法 ,减少其搜索的盲目性 ,实验的结果表明无论在算法的求解速度还是模型的精度上二次演化建模算法均优于传统的遗传程序设计方法 .

摘要：由于仿真对象的复杂性,一些仿真模型很难用有效的解析函数来表达;同时演化算法不要求优化目标具有连续、可导等特点,因此,演化算法用于仿真优化具有很大的优越性.针对仿真优化这一领域提出了演化仿真优化的概念及其形式化语言描述,并给出了演化仿真优化的算法实现框架.演化仿真优化的模型评估需要大量的计算时间,根据仿真优化的特点,提出主/从模式、粗粒度孤岛仿真优化模型以及它在PVM,DCOM下的实现,并给出了两个控制器优化设计的实验.仿真试验的结果表明:对于演化仿真优化来说主/从模式的并行度要高于粗粒度孤岛模型;并得出以下结论:对于演化仿真优化来说仿真模型越复杂,主/从模式的性能越好.

摘要：基于对标准车辆路径问题的分析,本文构建了一种包括交通因素、客户需求动态改变、用户满意度的多目标动态车辆路径问题模型.针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文以具有通用性的伊藤算法为框架,参考蚁群算法,设计了伊藤-蚂蚁优化算法,并采用正交实验的方法,分析了改进算法参数的设置问题.为了验证改进算法的有效性,文章对标准测试数据集中的数据进行了测试.最后,将标准测试数据改编成符合带用户满意度的多目标实时车辆路径问题模型的测试数据,并用改进算法进行求解.实验结果表明,本文提出的问题模型和改进算法是可行的、有效的.

摘要：针对标准粒子群算法收敛速度较慢、求解精度不高等缺陷,引入了均值漂移与球隙迁移算法的思想,提出一种混合算法.该算法结合最优粒子与自己的祖先粒子来对粒子进行优势分析,根据其优势分析结果确定粒子的更新速度级别,将速度进行分解,分配到粒子的不同维中以达到异步更新的目的;为每个粒子设置一个淘汰概率的属性,当粒子被淘汰时会被自动替换;算法还引入了扰动机制和随机重启策略.显然,改进后的算法增加了粒子搜索的多样性和明智性,从而加快了收敛速度.最后,将混合算法用于求解高维TSP问题,实验结果表明改进后的算法是可行的、有效的.

摘要：针对车辆路径问题中路径选择未能确定的缺陷,引入蚁群算法对客户点选取规则进行决策。此外,采用冷却进度表作为控制温度变化的参数,将漂移和波动过程同步进行来改进根据伊藤随机过程而设计的伊藤算法,并将改进后的算法应用于CVRP的求解。实验结果表明,改进后的算法能有效求解带容量约束的车辆路径问题,取得了理想的结果。

摘要：针对程序设计类课程中遇到的问题,提出基于深度学习策略的算法设计分析类课程线上线下混合教学模式,研究面向算法设计分析类课程的基于在线评测系统的深度学习模式的设计与实践,主要包括线上线下混合教学模式下课堂教学的组织、试题库的设计以及在线评测教学平台的实现。