搜索结果: 1-15 共查到“计算机科学技术 进化”相关记录237条 . 查询时间(0.134 秒)
中国科学院动物研究所功能昆虫群进化研究组现因在人工智能、机器学习和数据挖掘方面的科研工作需要，拟招聘科研助理岗位人员1名。
中国科学院动物研究所昆虫进化与功能形态学研究组长期致力于功能形态学的研究，通过借助传统光镜、扫描电镜、显微CT和计算机三维重建等技术方法，对昆虫相关结构的形态及功能进行研究，探讨进化规律及其在仿生学领域中的应用。因研究组需要，研究组拟招聘博士后人员1-2名，主要方向：图像识别、人工智能、仿生机器人等方面。
中国科学院上海药物研究所提出机器学习辅助定向进化新方法（图）
机器学习 辅助 定向进化
2023/8/21
定向进化是模拟自然进化机制，利用现代分子生物学方法创造大量的突变基因文库，采用灵敏的定向筛选策略，创造出自然界不存在的或改良特性的蛋白质等生物分子的一种方法。定向进化已广泛应用于蛋白质的分子改造和优化，被认为是生产具有改良或全新特性的蛋白质的高效方法，对于酶工程、多肽和大分子药物设计都具有重要意义。传统的定向进化实验流程包括筛选测试大量突变序列的功能，将得到的最优序列作为亲本序列进行下一轮的突变和...
动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的目标函数发生变化时,需要采取变化响应策略对种群进行重新初始化,以快速追踪新环境中的最优解集.现有动态多目标优化算法对不同个体、不同维度的决策变量缺乏针对性的变化响应,导致重新初始化效果尚存在较大改进空间.为此,提出一种对不同个体、不同维度的决策变量分别进行自适应变化响应的动...
基于剪枝堆栈泛化的离线数据驱动进化优化
堆栈泛化 代理模型 离线数据驱动优化 进化计算
2024/1/16
现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked ...
近年来,进化策略由于其无梯度优化和高并行化效率等优点,在深度强化学习领域得到了广泛的应用.然而,传统基于进化策略的深度强化学习方法存在着学习速度慢、容易收敛到局部最优和鲁棒性较弱等问题.为此,提出了一种基于自适应噪声的最大熵进化强化学习方法.首先,引入了一种进化策略的改进办法,在“优胜”的基础上加强了“劣汰”,从而提高进化强化学习的收敛速度;其次,在目标函数中引入了策略最大熵正则项,来保证策略的随...
基于R2指标和参考向量的高维多目标进化算法
R2指标 参考向量 高维多目标优化 进化算法
2024/1/19
在高维多目标优化中,不同的优化问题存在不同形状的Pareto前沿(PF),而研究表明大多数多目标进化算法(Multi-objective evolutionary algorithms,MOEAs)在处理不同的优化问题时普适性较差.为了解决这个问题,本文提出了一个基于R2指标和参考向量的高维多目标进化算法(An R2 indicator and reference vector based man...
基于改进差分进化和回声状态网络的时间序列预测研究
时间序列 预测模型 差分进化 回声状态网络
2024/1/22
针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验证本文方法的有效性,对Lorenz时间序列、大连月平均气温−降雨量数据集进行仿真实验.由实验结果可知,本文提出的模型可以提高时间序列的预测精度,且具有良好的泛化能力...
2021进化计算与智能系统研讨会（图）
进化计算 智能系统 研讨会
2022/3/11
由东北大学软件学院（协同辽宁省智能互联网理论与应用重点实验室和辽宁省智能科学与智能系统重点实验室）举办的2021年进化计算与智能系统学术研讨会于2021年7月11日-12日在东北大学国际交流中心402举行。会议由软件学院马连博教授主持，信息学院黄敏教授作开幕致辞，邀请了十余名优秀青年专家参会，包括来自国防科技大学邢立宁教授、王锐教授、西北工业大学王军强教授、中国矿业大学郭一楠教授、北京航空航天大学...
吉林大学人工智能学院教授李向涛以通讯作者发表论文Evolutionary Multiobjective Clustering Algorithms with Ensemble for Patient Stratification近日被IEEE Transactions on Cybernetics杂志接收。《IEEE Transactions on Cybernetics》杂志创刊于1960年，主...
吉林大学人工智能学院李向涛教授指导的2020级硕士研究生于卓含同学的论文Elucidating Transcriptomic Profiles from Single-cell RNA-seq Data using Nature-Inspired Compressed Sensing近日被Briefings in Bioinformatics杂志接收。Briefings in Bioinforma...
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两...
西安电子科技大学人工智能概论课件第五章1 进化计算。
基于多种群量子进化的区间二型模糊规则挖掘算法
基于模糊规则的分类系统 量子进化算法 多种群量子编码 变尺度变异 矛盾规则重构
2019/3/14
利用智能优化算法挖掘模糊分类规则能够解决模糊前件参数和无关项的组合优化问题, 但也存在依赖初始规 则以及更新过程无指导等缺陷, 导致分类精度难以保证. 为此, 本文以二型模糊规则分类系统为框架, 采用模糊聚类得 到代表性样本并启发式的产生初始规则, 以量子等位基因形式对规则进行编码生成多初始种群, 根据基因的优良性, 以 变尺度变异操作实现等位基因的指导性进化. 在此基础上, 利用矛盾规则重构机制...