進化計算
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-05
進化計算的實例教程
會議官網(wǎng)：www.icaietsd.com
會議地點：重慶
征稿主題
電子技術(shù)在教育和電子學(xué)習(xí)中的應(yīng)用
智能學(xué)習(xí)環(huán)境中的物聯(lián)網(wǎng)
教育中的智能手機和智能設(shè)備
教育和電子學(xué)習(xí)的智能技術(shù)和系統(tǒng)
創(chuàng)作工具和內(nèi)容開發(fā)
混合式學(xué)習(xí)
課程設(shè)計和電子學(xué)習(xí)課程
電子學(xué)習(xí)遠程教育數(shù)字圖書館
遠程學(xué)習(xí)和電子學(xué)習(xí)全球電子學(xué)習(xí)硬件和軟件
電子學(xué)習(xí)平臺和門戶
智能電子學(xué)習(xí)教學(xué)策略
大眾開放在線課程
小型個人在線課程
人工智能與統(tǒng)計軟件及其應(yīng)用
軟計算與進化計算
人機交互
基于混合動力系統(tǒng)的解決方案
支持的圖像/信號處理智能解決方案
信息代理
信息檢索和提取
智能優(yōu)化解決方案
知識獲取
機器意識
機器學(xué)習(xí)
機器學(xué)習(xí)應(yīng)用程序
智能系統(tǒng)架構(gòu)
機器學(xué)習(xí)算法的性能優(yōu)化
機器學(xué)習(xí)的編程模型和工具
機器學(xué)習(xí)模型壓縮算法
硬件感知的機器學(xué)習(xí)模型合成
一種高效的機器學(xué)習(xí)算法
用于機器學(xué)習(xí)的特殊硬件架構(gòu)
基于機器學(xué)習(xí)的性能調(diào)整
基于機器學(xué)習(xí)的編譯技術(shù)
基于機器學(xué)習(xí)的能效算法電子技術(shù)在教育和電子學(xué)習(xí)中的應(yīng)用
智能學(xué)習(xí)環(huán)境中的物聯(lián)網(wǎng)
教育中的智能手機和智能設(shè)備
教育和電子學(xué)習(xí)的智能技術(shù)和系統(tǒng)
創(chuàng)作工具和內(nèi)容開發(fā)
混合式學(xué)習(xí)
課程設(shè)計和電子學(xué)習(xí)課程
電子學(xué)習(xí)遠程教育數(shù)字圖書館
遠程學(xué)習(xí)和電子學(xué)習(xí)全球電子學(xué)習(xí)硬件和軟件
電子學(xué)習(xí)平臺和門戶
智能電子學(xué)習(xí)教學(xué)策略
大眾開放在線課程
小型個人在線課程
人工智能與統(tǒng)計軟件及其應(yīng)用
軟計算與進化計算
人機交互
基于混合動力系統(tǒng)的解決方案
支持的圖像/信號處理智能解決方案
信息代理
信息檢索和提取
智能優(yōu)化解決方案
知識獲取
機器意識
機器學(xué)習(xí)
展開 本次大會我們邀請到了多位重磅級嘉賓與您共同探討如何將仿真、高性能計算、物聯(lián)網(wǎng)、數(shù)字孿生、人工智能融合賦能、引領(lǐng)創(chuàng)新。
在大會主會場中，我們邀請到了杜克大學(xué)電子與計算機工程系教授，計算進化智能中心主任，美國NSF新型可持續(xù)智能計算中心主任陳怡然博士，他將為大家?guī)砺?lián)邦學(xué)習(xí)和機器學(xué)習(xí)自動化的研究與應(yīng)用的前沿分享，精彩不容錯過！
隨著云計算(Cloud computing) 技術(shù)興起,基于云計算的智能決策支持系統(tǒng)成為大數(shù)據(jù)智能決策支持的一個研究方向.云計算通過互聯(lián)網(wǎng)將虛擬化的數(shù)據(jù)中心和智能用戶終端有機地聯(lián)系起來,為用戶提供了便捷的信息服務(wù)環(huán)境.在大數(shù)據(jù)環(huán)境下,云計算平臺可以為大數(shù)據(jù)的決策分析提供龐大的存儲空間和強大的分布式并行計算能力.決策環(huán)境的開放性、決策資源的虛擬化、問題求解的分布式協(xié)作性將使得基于云計算的智能決策有著與傳統(tǒng)智能決策不同的特征[21].隨著移動智能設(shè)備和移動互聯(lián)網(wǎng)的普及,分布式移動云計算環(huán)境下智能決策方法成為當前的一個研究熱點[33].
展開 NSGA-II算法的流程如圖5所示，首先初始化種群POP后進行非支配排序和擁擠度計算得到進化代數(shù)Gen=1；然后對種群進行選擇-交叉-變異操作生成子代種群POP_
n；接著將父代種群POP與子代種群POP_
n合并后進行非支配排序和擁擠度計算，運用精英策略保留優(yōu)秀個體生成新的父代種群POP；最后判斷遺傳代數(shù)是否滿足設(shè)定值，若不滿足則重復(fù)選擇-交叉-變異等操作，若滿足則進化完成。NSGA-II算法中的選擇-交叉-變異方法與傳統(tǒng)遺傳算法無異，其特殊之處在于引進了非支配排序法降低算法的計算復(fù)雜度，采用擁擠度的方法保證了種群中個體的多樣性，并使用精英策略保證優(yōu)秀的個體能夠有更大的概率被保留。
圖5 NSGA-II算法流程
通過非支配排序法可對種群POP進行分層，首先根據(jù)個體
ΔVi的每個目標函數(shù)值是否小于個體
ΔVj(
i≠
j)的每個目標函數(shù)值確定每個個體的支配及被支配情況，得到被個體
ΔVi支配的個體集合
Si及支配個體
ΔVi的個體集合
Wi；然后判斷支配個體
ΔVi的個體數(shù)目Num_
Wi是否為0，若為0則該個體的Pareto等級為1；最后將含有個體
ΔVi的集合
Wj的被支配數(shù)Num_
Wj減去1后再重復(fù)上述步驟。
展開 技術(shù)一：域控制架構(gòu)
隨著電動化、智能化的革新，傳統(tǒng)的分布式架構(gòu)已經(jīng)無法滿足現(xiàn)有的更新需求，電子電子架構(gòu)正在由分布式向域集中式甚至是中央計算式進化。
去年年底，這個苗頭已經(jīng)初現(xiàn)，但是直到今年，架構(gòu)革新才真正被大家感知到。
我們可以看到非常多采用域控制架構(gòu)的車型出現(xiàn)：大眾 ID. 家族、嵐圖 FREE 、小鵬 P7/P5 、紅旗 H9 、比亞迪海豚......
而且，巨頭們已經(jīng)開始了更進一步的電子電氣進化布局：
今年 7 月，大眾集團發(fā)布了 2030 NEW AUTO 戰(zhàn)略，其中提到，大眾將把旗下 3 個燃油車平臺和 2 個純電平臺整合成為新的 SSP 可擴展平臺，同時著手開發(fā)三個軟件平臺。
廣州車展期間，小鵬發(fā)布了全新旗艦車型 G9。這款新車在域控制的基礎(chǔ)上更進一步，往域融合方向去演進。
新的 X-EEA 3.0 架構(gòu)采用「1+2」結(jié)構(gòu)，即 1 個中央計算平臺（高算力芯片）+2 個域控制器（左車身域 + 右車身域）。
同樣是在廣州車展期間，廣汽發(fā)布了星靈電子電氣架構(gòu) X-Soul。該架構(gòu)由汽車數(shù)字鏡像云，中央計算機、智能駕駛計算機、信息娛樂計算機三個核心計算機群組，以及四個區(qū)域控制器組成，集成了千兆以太網(wǎng)、 5G 和信息安全、功能安全等技術(shù)。相比廣汽上一代電子電氣架構(gòu)，新架構(gòu)的算力提升 50 倍，數(shù)據(jù)傳輸速率提升 10 倍，線束回路減少約 40%，控制器減少約 20 個。
展開 
進化計算的相關(guān)專題、標簽、搜索
進化計算的最新內(nèi)容
電子技術(shù)在教育和電子學(xué)習(xí)中的應(yīng)用
智能學(xué)習(xí)環(huán)境中的物聯(lián)網(wǎng)
教育中的智能手機和智能設(shè)備
教育和電子學(xué)習(xí)的智能技術(shù)和系統(tǒng)
創(chuàng)作工具和內(nèi)容開發(fā)
混合式學(xué)習(xí)
課程設(shè)計和電子學(xué)習(xí)課程
電子學(xué)習(xí)遠程教育數(shù)字圖書館
遠程學(xué)習(xí)和電子學(xué)習(xí)全球電子學(xué)習(xí)硬件和軟件
電子學(xué)習(xí)平臺和門戶
智能電子學(xué)習(xí)教學(xué)策略
大眾開放在線課程
小型個人在線課程
人工智能與統(tǒng)計軟件及其應(yīng)用
軟計算與進化計算
NSGA-II算法的流程如圖5所示，首先初始化種群POP后進行非支配排序和擁擠度計算得到進化代數(shù)Gen=1；然后對種群進行選擇-交叉-變異操作生成子代種群POP_
n；接著將父代種群POP與子代種群POP_
n合并后進行非支配排序和擁擠度計算，運用精英策略保留優(yōu)秀個體生成新的父代種群POP；最后判斷遺傳代數(shù)是否滿足設(shè)定值，若不滿足則重復(fù)選擇-交叉-變異等操作，
技術(shù)一：域控制架構(gòu)
隨著電動化、智能化的革新，傳統(tǒng)的分布式架構(gòu)已經(jīng)無法滿足現(xiàn)有的更新需求，電子電子架構(gòu)正在由分布式向域集中式甚至是中央計算式進化。
去年年底，這個苗頭已經(jīng)初現(xiàn)，但是直到今年，架構(gòu)革新才真正被大家感知到。
針對大數(shù)據(jù)動態(tài)增量問題,可以考慮形成一個訓(xùn)練學(xué)習(xí)、執(zhí)行預(yù)測、漂移檢測、漂移理解、漂移自適應(yīng)的多步驟自適應(yīng)學(xué)習(xí)模型.這類模型的重點和難點在于漂移理解與漂移自適應(yīng).在漂移理解方面可以融入高層次的、符合認知的方法,可以采用粗糙集、模糊集、商空間等粒計算方法建立不同粒度層次下的漂移認知模型,實現(xiàn)符合人類認知的層次化概念漂移理解.針對漂移自適應(yīng)問題,可以通過構(gòu)建有效的知識距離度量方法來度量概念漂移距離與方向,同時綜合運用進化計算與神經(jīng)網(wǎng)絡(luò)等方法構(gòu)建與問題相符的參數(shù)自適應(yīng)模型
在大會主會場中，我們邀請到了杜克大學(xué)電子與計算機工程系教授，計算進化智能中心主任，美國NSF新型可持續(xù)智能計算中心主任陳怡然博士，他將為大家?guī)砺?lián)邦學(xué)習(xí)和機器學(xué)習(xí)自動化的研究與應(yīng)用的前沿分享，精彩不容錯過！
