摘要：尽管目前粒子群优化(PSO)算法在求解很多优化问题上表现出了良好的性能,但如何在保持种群多样性的同时确保收敛精度,防止群体陷入局部最优,平衡勘探与开发之间的矛盾,仍是粒子群优化算法研究需要解决的问题。针对这些问题,提出了一种聚集度指标引导的注意力学习粒子群优化算法(ALPSO-AI)。首先,为了有效保持种群多样性,整个种群被分成若干大小相等的子群,并且在进化过程中重新组合,在每一代中,子群中的不同粒子根据其性能自适应地选择多个优质的学习对象。种群外部设有存档,用于指导种群的搜索并评估进化程度;其次,引入注意力机制,根据每个学习对象与更新粒子适应值的差异,对每个学习对象赋予不同的注意力权重,生成一个高质量的学习榜样,用于粒子的更新。针对搜索前期和后期不同的搜索需求,分别设计不同尺度的注意力分配方式,进行全局搜索和局部搜索;此外,对存档引入聚集度指标,通过判断当前最优粒子周围的适应值相似度,评估当前种群进化水平,当聚集度指标达到阈值时,开启局部搜索,以增强算法的整体收敛能力。实验对CEC2013测试集的28个基准函数在30维和50维的空间分别进行测试,并与主流的5种变体PSO和其他优化算法进行比较,实验结果证明了ALPSO-AI的优越性。此外,注意力学习和聚集度指标的有效性也进行了充分的验证。

摘要：沙蒿金叶甲是危害宁夏荒漠草原重要牧草——沙蒿的一种重大害虫,为进一步了解该虫暴发成灾的机理,掌握该虫生态学特性以及确定有效的田间抽样设计方案,对沙蒿金叶甲的空间分布及抽样技术进行了调查和统计分析。结果表明,沙蒿上部的沙蒿金叶甲数量显著高于中部和下部,而中部和下部间差异不显著;空间分布型适合度x2检验结果表明,沙蒿金叶甲在田间最接近负二项分布;聚集度指标检验结果表明,沙蒿金叶甲在田间沙蒿上的空间分布属聚集分布,聚集原因是由环境异质性引起的;应用Iwao的m*-m回归分析法和Toylar幂法则进一步得到证实,表明沙蒿金叶甲个体间相互吸引,分布的个体成分是个体群,且与密度有关,有密度依赖性,聚集强度随种群密度的升高而增加;拟合该虫在一定精确度水平下的最适理论抽样方程为N=[3．937 79／m+2．880 30]／D2,序贯抽样方程为Tn=3．937 79／[D2-2．880 30／n]。

摘要：蛴螬是林芝地区裸大麦田的主要地下害虫,为进一步了解其成灾的机理,掌握其生物学特性并确定有效的田间抽样设计方案,对蛴螬的空间分布及抽样技术进行了调查和统计分析。结果表明,蛴螬在裸大麦田中主要分布在0～10 cm土层中,其数量显著高于10～20 cm和20～30 cm土层,而在10～20 cm和20～30 cm土层间数量差异不显著;聚集度指标检验结果表明,蛴螬在裸大麦田间的空间分布属聚集分布,分布的基本单位是个体群,而且个体间相互吸引,并得出田间蛴螬不同密度时的理论抽样数;拟合蛴螬在一定精确度水平下的最适理论抽样方程为N=[5.170 3/m+0.234 8]/D2,贯序抽样方程为Tn=5.170 5/[D2-0.234 8/n]。