膜计算综述预案.pptx

膜计算研究综述 任丽艳 2015021025 一 引言（不讲） 二 膜计算概述（不讲） 三 膜计算研究进展 四 总结与展望 提 纲 三 膜计算研究进展 主要从以下五个方面来分析近三至五年膜计算的研究进展。 膜计算在数据聚类中的应用 膜计算在图像处理问题中的应用 膜计算在优化问题中的应用 膜计算在算术运算中的应用 膜计算在云资源或大数据场的应用 膜计算在数据聚类中的应用 2013年有人将动态膜计算引入聚类分析，借鉴MCMO算法实现聚类分析。 2014年彭宏教授的学生蒋洋以膜计算模型为基础，分别将遗传机制和模拟退火机制引入P系统中作为对象的进化规则，并结合P系统的对象转运机制，提出了两种在膜计算框架下的聚类算法：GA-MC算法（将遗传机制的三个遗传算子选择、交叉、变异进行引入）；SA-MC算法（融合了P系统和模拟退火机制），但是这篇文章中采用了简单的基于欧式距离的相似性度量，对于较简单的球形数据具有较好的效果，而对于复杂形状的数据表现不佳；而且只引进了一种进化机制，因此 膜计算在数据聚类中的应用 在2015年彭宏教授提出了一种带混合进化机制的膜聚类算法，它使用了一个由3个细胞组成的组织P系统，为一个待聚类的数据集发现最优的簇中心，其对象表示候选的簇中心，并且这3个细胞分别使用了3种不同的进化机制：遗传算子、速度－位移模型和差分进化机制。本文有一个限制，即需要预先指定簇个数k，因此我们下一步可以考虑引入细胞分裂与溶解机制来解决此问题。 膜计算在数据聚类中的应用 小结： 已有的众多P系统模型分别源自细胞生物学的不同机制，诸如酶机制、催化机制、细胞分裂与溶解机制、转运通道的激活与抑制等，这些机制的引入是进一步研究的方向，从另一个角度来说，融合不同细胞生物学机理的、处理优化问题的P系统也可以视为多种群进化算法的一个补充。 膜计算在优化问题中的应用 优化问题主要分为以下四大类： 一是针对单目标、多目标、动态优化问题 二解决计算困难问题 三是和别的算法相结合进行优化 四是和实际应用相结合，解决实际生活中存在的待优化问题。 单目标、多目标、动态优化问题 针对目前智能优化方法在求解复杂问题中遇到的局部搜索能力差、易早熟及反欺骗能力弱等不足，2012年浙江大学杨世品在他的博士论文中提出了多种P系统优化算法，包括一种嵌套式膜结构P系统优化算法，一种具有扩张收缩膜结构的混合P系统优化算法，一种DNA分子操作的P系统优化算法，一种基于Box密度分配策略的多目标P系统优化算法。 ? 单目标、多目标、动态优化问题 2013年大连理工的一个学生针对现有动态优化算法易陷入局部极值和多样性差等问题，提出了一种动态演化膜算法。 2014年这个人在它的博士论文中基于类细胞膜计算模型，为解决优化领域中的问题进行了系统的尝试。针对优化领域中的单目标、多目标和动态优化三类关键问题，提出了基于类细胞膜计算模型的三种启发式优化算法。包括一种基于类细胞膜计算模型的单目标演化膜算法，一种以演化膜算法为基础的多目标演化膜算法，一种基于类细胞膜计算模型的动态演化膜算法。 ? 单目标、多目标、动态优化问题 小结： 对于单目标、多目标、动态优化问题，我们可以从生物原型和化学物质的串并行反应等方面着手，研究可以自诊断、自适应的P系统算法框架；并且优化算法中的规则非常重要，因此设计更加有效的算法规则仍是今后的一个重点；目前提出的多种P系统优化算法都是细胞型P系统优化算法，可以考虑组织型P系统和神经型P系统，并研究具有独特特性的P系统框架的优化算法。 ? 计算困难问题 2012年潘林强的学生在她的博士论文中提出了在类细胞膜系统和类组织膜系统框架下求解计算困难问题的膜计算算法。2013年有人提出了一种基于膜计算的新型求解非线性方程组的优化算法，同年西南交大利用核膜系统提出了一种基于核膜模型求解可满足性问题。在2015年有人利用活性膜计算解决了0-1规划问题。 小结： 膜计算具有良好的并行性，在解决类似于本文运筹学规划论的这一类相关困难问题时，尤其是完全问题上，具有“硅计算机”无法比拟的优势，接下来我们可以考虑如何改进该算法模型使其更加简化。 ? 与其他算法相结合求解优化问题 2013年我们实验室杜强将PSO算法与P系统相结合，提出了一种基于P系统的粒子群优化算法，即P-PSO算法，有效的平衡粒子群的全局搜索和局部寻优。 2014年廖孝勇等人将人工鱼群算法和膜计算相结合，通过引入差异因子，提出了一种改进的自适应人工鱼群算法。 2015年宋潇潇等人针对现有算法在求解大规模0-1背包问题时存在的不足，提出了一种改进膜蜂群算法（IABCPS），基于极坐标编码的方式，采用细胞型单