高阶常微分方程的动态演化建模

提出了采用高阶常微分方程模型代替传统时序分析中所用的ARMA模型来实现一维时间序列的建模和预报．设计的将遗传程序设计与遗传算法相嵌套的动态演化建模算法,用遗传程序设计优化模型结构,以遗传算法优化模型参数,边收集数据边建模边预报,首次成功地实现了时间序列实时预报的程序自动化．两个时间序列的应用实例表明采用此算法可获得较好的实时预报效果．     

并行FORTRAN程序设计技术探索

简要叙述了并行程序设计语言ＣＭＦｏｒｔｒａｎ的计算模式、并行数据结构及其主要特征．并对Ｆｏｒｔｒａｎ７７和Ｆｏｒｔｒａｎ９０上的扩展部分作了概要描述．     

解线性方程组的数值对称化方法

本文提出了解下述分块形式的线性方程组一种新的并行数值对称化方法,它是对称区域分裂法的离散模拟。将原问题分裂为四个对称的子问题,求解两个子问题后我们即可得到问题的精确解。它适用于MIMD并行计算机。文末附有数值例子。     

一种新的多目标演化算法--稳态淘汰演化算法

提出一种新的多目标演化算法，稳态淘汰演化算法（Steady Elimination Evolutionary Algorithm），该算法利用稳态淘汰策略，能够在不需要额外计算量和存储空间的情况下，自发地保存精英个体(elitist），试验结果表明该算法优于当前的多目标演化算法。     

常微分方程组的演化建模新算法

提出了常微分方程组的演化建模的一种新算法 ,新算法在 3个方面改进了作者原有的算法 :(1)采用新的适应值评估方式 ;(2 )采用一种基于子空间搜索的遗传算法来优化模型的参数 ;(3)将传统的遗传程序设计方法与局部搜索技术相结合来优化模型的结构 .将新算法分别应用于人口增长与化学反应模型的自动建模 ,并比较两种算法的实验结果 ,表明新算法发现的模型更稳定、精确度更高 .     

演化计算研究进展

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．     

基于模拟退火算法的曲面最短路径求解

通过对路径的节点序列内在关联性的分析,提出了适合曲面最短路径问题的邻域结构,使整段路径的优化问题能够通过局部调整得以实现．将模拟退火算法的框架引入路径寻优中,提出了解决曲面最短路径的随机搜索算法．最后给出了数值仿真实例．     

解非线性多解边值问题的异步并行打靶法

在多处理机(MIMD)上用异步并行打靶法来数值求解两点边值问题是最为有效的。这是因为求解过程中可以采用分区搜索的方法,而这种搜索过程几乎是完全独立地进行的.另一方面,非线性的具有多个解的数学物理问题的求解是一个比较困难的问题.因为采用通常的迭代法计算,有时很难求出全部解来(参看[1]、[2]),尤其是遇到所谓“排斥性不动点”(repulsive fixed point)时,一般迭代算法往往失败,而采用打靶法则可能将全部解求出来,如果打靶过程是数值稳定的话.用打靶法计算两点边值问题的文献很多(例如参看[3]、[4]).H.B.Keller 和 A.W.Wolfe[5]1965年就成功地应用打靶法来计算非线性分歧问题,后来有了迅速的发展(可参看文献[6]、[7]、[8]).     

利用启发式信息优化多连接查询的遗传算法

结合多连接查询的特点,讨论了在左线性树空间的遗传优化算法,采用有序串编码方法和专门的杂交、变异算子;并利用查询优化中的增量启发式信息初始化种群,来提高遗传算法的收敛速度．我们将遗传算法与迭代修正的局部搜索策略相结合,解决传统的遗传算法缺乏较强的局部搜索功能的问题．     

求解函数优化问题的两种异步并行算法

对子空间搜索法（一类多父体重组搜索策略）与群体爬山法相结合的一种随机搜索新算法即郭涛算法的特点进行了分析与实例验证，并在此基础上提出两种异步并行算法，以适应各种类型的并行与分布计算环境。以Bump函数的优化问题为例在超级并行计算机上作了并行数值试验，得到了迄今最好的结果。