摘要：提出了两种新的并行排序算法,在第一部分设计了一种有效的异步并行算法,可应用于多指令和多数据流计算机,且提供了该算法的最小和最大的运算时间.第二部分给出了一种新的并行排序网络,对于n个元素的排序序列,可以使用n(n-1) 2个比较元素和n(n-1) 2个反转换元素及n个转换元素能达到常数数量级的运行时间进行快速排序,同时给出了以{0,1}元素组成的序列的排序过程.

摘要：本文提出采用高阶常微分方程模型代替传统的时序分析中所用的 ARMA模型来实现一维动态系统的建模 ,并针对传统方法建模过程中所遇到的困难 ,设计了将遗传程序设计与遗传算法相嵌套的混合演化建模算法 ,以遗传程序设计优化模型结构 ,以遗传算法优化模型参数 ,首次成功地实现了动态系统的高阶微分方程建模过程自动化 .对三个典型时间序列实例的实验结果表明 :采用此算法可由计算机自动发现适合描述该动态系统的高阶常微分方程模型 ,这些模型不仅具有较好的拟合和预测效果并且形式上也较传统的 ARMA模型更为灵活 .这表明本算法的研究可为时间序列的分析提供一个崭新而有力的工具 .

摘要：自动程序设计是计算机科学的中心目标之一。近几年来该在理论上取得了突破性进展，那就是演化计算理论，特别是其中的遗传程序设计ＧＰ的理论与方法的进展。本文从３个方面论证ＧＰ方法学给自动程序设计带来了希望的曙光。

摘要：以常微分方程组的演化建模问题为主要研究对象,设计了分布式异步并行演化算法,并以128台PIII 500微机通过10Mbps的以太网互联而成的机群系统作为模拟实验环境进行了大规模的并行实验,系统地测试了算法中的一些重要的并行控制参数,包括处理机间的连通度、个体的迁移率和迁移代频等对算法性能的影响,得到了一些崭新的实验结果,给出了一些结果分析,特别是对串行算法和并行算法的最好建模结果进行了比较.

摘要：系统地介绍了演化计算的历史与研究现状．并分别就演化计算的基础理论、设计准则与应用水平、演化计算的内涵等提出了相应的观点．

摘要：利用演化算法的自适应、自组织、自学习的特性，设计了遗传程序设计与遗传算法相嵌套的常微分方程组混合演化建模算法，以遗传程序设计优化模型结构，以遗传算法优化模型参数，首次实现了常微分方程组建模过程自动化并可进行有效的预测．数值实验表明：采用这种算法能在较短的运行时间和较小的演化代数内搜索到多个较优的常微分方程组模型。

摘要：针对采用传统方法解决动态系统的微分方程建模问题所遇到的困难和存在的不足，文中设计了将遗传程序设计与遗传算法相嵌套的混合演化建模算法，以遗传程序设计优化模型结构，以遗传算法优化模型参数，成功地实现了动态系统的常微分方程组建模过程自动化．计算实例表明：采用此算法能在合理的运行时间内由计算机自动发现多个较优的常微分方程组模型，和现有的建模方法（如灰色系统方法）相比较，它具有建模过程智能化与自动化、模型结构更加灵活多样、方法适用性更广、数据拟合和预测的精度更高等优点．

摘要：本文提出了一个演化算法的通用设计模型 ,并用 U ML 详细说明了它的组成与结构 .该模型以演化算法中的关键概念及其相互作用机制为核心 ,把这些概念合理分类并加以抽象 ,有效地实现了关注分离和封装实现细节 .而应用设计模式来组织这些概念又使该模型具有灵活的体系结构 .因此该模型具有可重用、可扩展、易理解、易使用、便于进行测试等优点 .最后将该模型的实现应用到各类不同的问题来验证其通用性和有效性 ,并给出了函数优化和 TSP问题的实验结果 .

摘要：基于演化算法给出了一类求解参数识别反问题的一般方法 .该方法表明只要找到好的、求解相应的正问题的数值方法 ,演化算法就可以用于求解此类反问题 .设计有效的求解反问题的演化算法的关键是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计算正问题的数值方法 .该文结合演化算法、传统的求解反问题的迭代方法和正则化技术 ,设计了一类求解参数识别反问题的方法 .为验证此类方法 ,将其用于求解一维扩散方程的扩散系数的识别问题 ,得到了较好的数值结果 。

摘要：在知识发现流程中,分类规则是主要的挖掘任务之一。针对传统的基于统计分析的挖掘算法在保证知识的有趣性方面的缺陷,提出了利用演化计算这种智能计算模型的全局搜索特性和完全适应值导向特性来进行分类知识的自动挖掘和处理,不需要先验知识,以确保知识的有趣性。提出了用IF-THEN这种高层次的知识表示形式来提高知识的可理解性。并给出了个体表示,遗传操作和适应值评估等几个在演化算法中起重要作用的成分的设计原则和方法。