本项目探索了自然生命复杂进化系统的机制,建立了基于遗传算法的人工生命进化模型。该模型体现了自然生命在自下而上和自上而下的双向循环作用下的突生进化特征,强调多层次学习在进化过程中的作用,实现了先天的遗传进化和后天的神经学习的有机结合,使模型具有高度适应环境变化的学习进化功能。本研究工作的另一特色是从生物的免疫机制和生态机制得到启示,拓展了遗传算法的进化模式并提出了若干新的进化策略。此外,本研究工作为今后研究人工免疫系统的理论和方法打下了坚实的基础。总之,本研究对于探索生命的计算机制,并以此构造新一代智能人工系统具有十分重要的理论意义和应用前景。本项目按期完成研究任务并完全达到了预期计划目标。
{{i.achievement_title}}
数据更新时间:2023-05-31
多源数据驱动CNN-GRU模型的公交客流量分类预测
涡轮叶片厚壁带肋通道流动与传热性能的预测和优化
简化的滤波器查找表与神经网络联合预失真方法
基于深度神经网络的个体阅读眼动预测
极区电离层对流速度的浅层神经网络建模与分析
基于人工生命和多智能体协同进化的多目标跟踪方法研究
用于图像分割的人工生命模型
人工生命免疫模型及其应用研究
基于DNA计算平台上的遗传算法模型研究与探索