无法穿越的天堂

位于乌干达西南部的布恩迪国家公园，处于平原和山区森林的交会处，占地32000公顷，以生物的多样性而闻名。在这里可以找到种类繁多的鸟类和蝴蝶，还有许多濒危物种，包括山地大猩猩。     

何必对物种灭绝大惊小怪？

物种灭绝不是很正常吗？说出这句话时。我意识到这个问题就像个地雷或猎象的陷阱，可能会激怒很多人。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。      

经济信息

新疆优先发展新兴产业"2012年新疆产学研洽谈会暨院士企业行"7月10-11日在乌鲁木齐举行,活动中,自治区相关部门表示,"十二五"期间,新疆将加快抢占产业竞争制高点,建立现代产业体系,立足现有基础和优势,优先发展新兴能源、新材料、先进装备制造、生物、信息、节能环保、清洁能源汽车七大产业按照新规划,到2015年,全区战略性新兴产业将形成协调推进、有序发展的基本格局,产值达到2000亿元,占当地生产总值的比重升至8%左右。     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

生命：从何处来，向何处去？

当地球在大约46亿年之前刚形成时,它没有生命,一片荒凉。10亿年以后,它充满了类似于蓝绿色水藻的生物。这些生物是怎么来的?换句话说,生命是怎样开始的?这个长期存在的问题引发了诱人的推测和实验,其中许多推测在能自我复制的RNA(核糖核酸)是通往生命之路的里程碑这个可能性上。在17世纪中叶以前,大多数人相信上帝创造了人类及其他高级生物,而昆虫、青蛙或其他小的生物是自发从泥中或腐烂的物质中产生的。在以后的两个世纪中,这种观念越来越多地受到严厉批判。在19世纪中叶,两个重大的科学进展使有关生命之源的讨论进入了现代化的阶段。其…     

外星文明与新启示录

在地球46亿年的发展史中,最具影响的物种只有恐龙家族及人类.但从生物学的观点来看,这两个种物种都很不完美,也很不成熟.     

Improved NSGA-II Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism

To improve performances of multi-objective optimization algorithms, such as convergence and diversity, a hybridization- encouraged mechanism is proposed and realized in elitist nondominated sorting genetic algorithm （NSGA-Ⅱ）. This mechanism uses the normalized distance to evaluate the difference among genes in a population. Three possible modes of crossover operators--＂Max Distance＂, ＂Min-Max Distance＂, and ＂Neighboring-Max＂--are suggested and analyzed. The mode of ＂Neighboring-Max＂, which not only takes advantage of hybridization but also improves the distribution of the population near Pareto optimal front, is chosen and used in NSGA-Ⅱ on the basis of hybridization-encouraged mechanism （short for HEM-based NSGA-Ⅱ）. To prove the HEM-based algorithm, several problems are studied by using standard NSGA-Ⅱ and the presented method. Different evaluation criteria are also used to judge these algorithms in terms of distribution of solutions, convergence, diversity, and quality of solutions. The numerical results indicate that the application of hybridization-encouraged mechanism could effectively improve the performances of genetic algorithm. Finally, as an example in engineering practices, the presented method is used to design a longitudinal flight control system, which demonstrates the obtainability of a reasonable and correct Pareto front.