每场演出后，导演王翀、制作人李逸以及剧组其他人员站定在剧场中间，早已准备好回答种种质疑、建议、批评，一则阐释自己的作品：你有看不懂的自由，我有自圆其说的权利；二则当然也更想听一下观众对这部颠覆话剧之作的意见，毕竟这是他们此次“戏剧新浪潮”的首部亮相之作。
这样也叫话剧？
当观众提出这样的问题时，导演王翀做了一个很标准但饶舌的回答，“它的魅力就在这儿：一方面既不是电影也不是戏剧，另外一方面既是电影也是戏剧。”其实王翀听出了问题真正表达的意思，“暗含的意思其实是，这样的戏有什么魅力呢？你没有魅力！”但“在我自己眼里就全是魅力，太多魅力”。
王翀所说的这个魅力一部分在于，观众看到、听到的镜头里的画面、音乐音效都是属于现场的，11场演出过后，他们自己什么东西都留不下来，而这就是戏剧的魅力。他甚至提醒观众，“你已经能感觉到这种新鲜和刺激，可是不自知也不愿意去承认。”
不要揣度这是他们投机取巧的方式，最困难的还正是剪辑。不像是真正的电影剪辑——所有东西都拍完后在剪辑室里控制那精确到毫秒的镜头，《雷雨2.0》的现场剪辑师杨帆要完成的是拍摄当中剪辑，不仅需要配合整个团队，还得保证剪辑出来的镜头好看不冗余。尤其在镜头设计上，要有平拍还要有俯拍实现起来并不简单，所以必须有两组甚至三组演员同时活动。坦白地说，剧组排练“所有的精力都是用于技术上的磨合，但这种戴着脚镣跳舞本身给了大家巨大的”。
不过，如果场面混乱到观众连到底把视线指向哪里都搞不明白时，这个演出究竟是什么形式什么名号都已经不太重要，电影也罢，戏剧也罢，起码的代入感去哪里了？
真作假时假亦真？
观众想要的沉浸感正好是王翀选择这种形式来排演话剧刻意抵抗、摒弃的东西之一，“那是现实主义戏剧的观演关系，希望观众沉浸在戏剧假构的世界里，最后接受它的意识形态，其中是有强烈政治需求的。”
而《雷雨2.0》在刻意远离对话、远离舞台幻觉，告诉观众“我现在是在演谁”，以及“这一台演出都是假的”。舞台似乎每个时刻都在告诉观众：我们就是在演、在拍摄、在布妆，全景展示了传统戏剧营造假象的全过程。
但是假的同时，《雷雨2.0》力求呈现另一种真，王翀的解释是，“其实每一代的艺术家头脑当中都有一种新的真实，我们希望在这个作品里创造另一个真实，和他们那种现实主义完全不一样的真实。”《雷雨2.0》舞台上每一个布景、道具、发型等的细节都追求“一种变态的真实”，比如，鱼缸里是活鱼，大哥大是1989年摩托罗拉的一个型号，冰箱是1987年的，型号BC160……
给全剧所有角色配音设置的那两个配音演员，就是希望远离话剧口腔式的表演而故意分离出来的部门，“不仅满足了刻意去呈现配音的目的，也暗合了电影艺术特有的手法，电影演员表演的时候更多是眼神流转的姿态表演，配音在其次。”
如果传统戏剧能打动观众的是演员流畅的表演，那么这部《雷雨2.0》里，其他技巧也是演员的表演之一。这样的尝试从表演上来说对戏剧演员要求更高，必须像电影演员那样，有迅速进入下一场戏的能力，因为他们时而是派对达人，时而又是手术医生。更挑战的还在于，除了会演，还得学会装拆台、装拆灯、换场等等，戏里每一个演员都有第二职业，执行制片或者摄影师、摄影助理、道具等等。王翀的意思是，对演员来说，应该有更多的职业能力。
被解构的为什么是《雷雨》？
如果不是拿被誉为现实主义戏剧经典的《雷雨》开刀，大家的反应也不会这么茫然和激烈。或者说，王翀看中的就是《雷雨》被赋予的“经典”的帽子，“一招制敌”，告诉你现实主义才是最假的，告诉你什么是真的。
《雷雨2.0》的故事发生在1990年的中国，“柏林墙倒塌、苏联开始解体、戈尔巴乔夫获得诺贝尔奖、日本战犯天皇过世，而中国，人们开始远离公共空间和政治空间，退回到卧室、床上和自己的身体里。而在个人的身体史里，女性是必须屈从于男权秩序的。”如此一来，新戏里保留的主要角色只有周萍、繁漪和四凤，以及《雷雨》原作的女性主义视角。除了时代命运被舍弃之外，王翀甚至忽略了原作里的定性，“因为这个时代里，这些都不再是主题。”
剧中的所有台词没有一个字是自己创造，全部来自原作，但都已被拆解：周萍对四凤所说的情话被用在了繁漪身上，周朴园逼繁漪喝药的台词则成了“派对上的人”相互劝酒的词。另外，因为运用了原作的大量舞台提示，所以更像是一个电影诗歌文本，而不是戏剧文本。尤其是当宫哲饰演的四凤沿着即时搭建的柜子攀爬到最高处“飞翔”时，达到了王翀希望的“画面感很强的诗意”，当然，王翀说，“你可以不认为这是‘四凤’。”
其实在戏里，繁漪与四凤不过是两个恨嫁的女人，所以他选择《雷雨》，还因为原作的女性主题和王翀作品一直以来的女性主题一致：女性在男权秩序之下的无从选择和必然的命运悲哀。他曾经的作品《阴道独白》、《中央公园西路》等都有强烈的对男权政治的批评和对女性命运的关心。
戏一开始的时候繁漪说，“我不愿意喝这种苦东西，我想我是喝够了”（原作里是说不爱喝药的），就隐喻了男女之间劝酒的性别政治。这部戏里还有一个情节：男性试图说服女性开门然后进入，但镜头一直“锁”在屋子里游走思考是不是开门的女性身上，“这个视角的选取，也是反传统的一种。”
他要革了话剧的命？
“毫无疑问，《雷雨2.0》就是一部向传统告别的野心之作”，说出此话的王翀一副话剧革命者的姿态。王翀的革命心理还是基于对传统中国话剧口腔式表演的不满，所以他要“打破靠语言推动情节发展的窠臼”。
王翀之前所有的作品都是翻译西方的文本，但是要做中国戏剧的颠覆，就必须从中国自己的戏下手，“希望告诉大家这么一个文本能够做到何种程度上的导演、表演的创新。”
但这不是王翀第一次做这样的“新浪潮戏剧”，去年6月在同一个剧场演出的《中央公园西路》也是有4台摄像机作为演出部分，只是这次更大胆，“《中央公园西路》的结构还是遵从了原来的对白式的叙述体，但是在《雷雨2.0》里，把对白量降到最低。”
他将自己这种“似电影非电影，似戏剧非戏剧”的尝试称作“新浪潮戏剧”，“小剧场戏剧的发展经历了上世纪80年代探索戏剧到90年代先锋戏剧，后来所谓的新锐戏剧基本上是一个空壳子，所以在探索新戏剧的方向上，我是有能力提供一个问号和惊叹号的。”
（华侨大学音乐舞蹈学院，福建泉州362021）
摘要：舞剧《鱼美人》是一部对于中国芭蕾发展史来说意义非常的作品，在推动中国芭蕾“本土化”的进程中有着不可估量的作用。站在今天的角度重新审视，对该舞剧从思想特色和艺术特色两方面进行了较全面的分析。总结出其体现中华文化内涵和在“民族化”指导下的创新两个思想特色，以及对芭蕾舞剧结构的充分借鉴、充分利用中国丰富的传统舞蹈资源、体现中国民族传统审美的丰富色彩、发掘了中国芭蕾舞剧中的“代表性”舞蹈、创作了中西融合的舞剧音乐五点艺术特色。
关键词：《鱼美人》；芭蕾；“本土化”
舞剧《鱼美人》主要讲述的是：海底美丽的鱼美人爱慕着年轻勤劳的猎人，可是山妖盯上了鱼美人的美貌，并强行将鱼美人抢走。山妖可恶的行径正巧被猎人撞见，勇敢的猎人向山妖拉弓射箭，救下了鱼美人。猎人和鱼美人两情相悦，产生了爱情。可恶的山妖不愿善罢甘休，施法迫使鱼美人隐入海中。猎人到处寻找鱼美人，最后在海里群鱼们的帮助下与鱼美人相聚。但是，邪恶的山妖再次出现，夺走鱼美人，并且在妖洞中向鱼美人逼婚，遭到鱼美人的拒绝。猎人在人参精灵的帮助下找到了山妖的山洞，战胜了山妖的魔法，救出了鱼美人。
1959年10月舞剧《鱼美人》的成功创演，是内因和外因共同促成的结果，内因即中国芭蕾在这十年间通过苏联专家的帮助和系统的教学发展，在软硬件方面都储备了相当的人才和实力；而外因则是我们不容忽视的中国当时的文艺政策的影响，其中最主要的就是的有关“双百”方针和“古为今用，洋为中用，推陈出新”原则的提出。在此具体文艺政策的倡导下，通过苏联专家的有意识的指引，创作出了这部“中西融合”的舞剧作品。
一、舞剧《鱼美人》的思想特色
（一）体现中国传统文化内涵
作为一次中国舞剧“民族化”的探索，古雪夫明确地指出，“芭蕾只是作为一种技术在其中起特定的美化作用。”[1]44这句话其实已经点明了古雪夫的创作
意图，即将西方芭蕾已经发展成熟的技术技巧用来为创作中国的舞剧服务。事实上，这也使得《鱼美人》成为贯彻文艺思想“洋为中用”的最好实例。因此《鱼美人》的舞剧故事取材于中国的民间传说《猎人与公主》和《人参的故事》。[2]《鱼美人》讲述了美丽的鱼美人向往人间的生活，与勇敢的猎人相爱，并且通过克服重重的困难与诱惑，最终打败了邪恶的魔王，与猎人幸福地生活在一起的美丽爱情故事。故事说明了邪恶永远无法战胜正义的道理。
舞剧《鱼美人》是以忠贞的爱情为主题。剧中既有虚幻缥缈的海底世界，又有富丽堂皇的人间，也有阴森恐怖妖气逼人的魔穴。构成了一个海底（虚幻）——人间（真实）——妖穴（恐怖）的三重对比世界，通过海底的虚幻和妖穴的恐怖，对比人间的真实与美好。除此之外，编导创造性的将大自然中的生物——海中的鱼、琥珀、珊瑚、海草，山上的毒蛇、人参都人格化了，并且一一赋予了善良或者罪恶的灵魂。通过展现这些生动形象之间的矛盾和斗争，推动剧情的发展，表达出人们对幸福美好生活的向往，以及任何邪恶终将被正义和勇气所粉碎的思想。
（二）在“民族化”思想指导下的创新
倡导“古为今用、洋为中用”的目的在于“推陈出新”，而这个“新”最终是要为中国文化艺术的“民族化”服务的。在这样的文艺思想指导下，苏联专家古雪夫带领第二届编导班学员创作
二、舞剧《鱼美人》的艺术特色
（一）对芭蕾舞剧结构的充分借鉴
《鱼美人》主题鲜明，戏剧结构充分借鉴了西方芭蕾的结构方式，分为三幕五场。相比前期创作的中国民族舞剧《宝莲灯》，其戏剧结构更加简单紧凑，更有利于舞剧中舞蹈特性的发挥。古雪夫认为，“舞剧是感情和行动的世界，它无法表达纯理性的东西。舞剧的戏剧结构越复杂舞蹈越苍白，戏剧结构越简单舞蹈越丰富。”[1]45因此，按照西方芭蕾结构舞剧的模式，古雪夫将整个舞剧分为海底、人间和妖洞三大板块，随着三大板块中所容纳的不同舞蹈以及三个地点的转移，舞剧的剧情被有计划地逐渐推进。
关键词:语言主题标记主题化
英语中的主题化现象非常普遍,它是一种焦点突出的手段,也是一种语言修辞的方式。研究英语主题化的构成类型有助于在英语交际中用不同的主题突出技巧来提高表达信息的效果。
一、主题和主题化
所有语言都表达交流事件的信息。英语的信息由主题(topic)和述语(comment)构成主题结构(topicstructure),通过一定的语序表达,主题在前,述语在后。主题是句子信息的出发点,即句子谈论的对象,述语是主题的发展,即对主题的谈论内容。主题不同于主语(subject),主语是句子的语法成分,说明是谁或什么,与谓语对应。如句子YesterdayIwenttothezoo.中yesterday是主题,Iwenttothezoo是述语,而I是主语,wenttothezoo是谓语,yesterday是状语。
英语是典型的主语显著语,主语通常位于句子首位,此时亦为句子主题。若自然语序的句子中非首位的成分居于句子首位,就会出现主题化(topicalization),即句子重心的转移。如句子Youshouldreadthisbook.是自然语序,把thisbook主题化即成为Thisbookyoushouldread.其中thisbook成为主题但非主语。这种首置的主题叫标记性主题(markedtopic),从非主题主题化为主题。这种有主题化或标记性主题的句子结构是标记性主题结构,即主题和主语不一致的句子。
二、主题化的类型
句子主题化有不同的方法,如下所示。
1、前置
自然语序中非主题的名词、代词、形容词、介词、动词、副词(短语)和从句提前放在句首,位于主语前,形成主题化。
1)Mary/He,nobodylikes.(名词/代词)
2)Verystrangeitseemed.(形容词短语)
3)WithouthesitationBettyreplied.(介词短语)
4)WriteapoemIcannot.(动词短语)
5)Successfullyhedid.(副词短语)
6)Hewasagoodwriter,Iheard.(宾语从句)
2、前置+倒装
有些主题化结构中,某个成分前置会引起句子结构的倒装。
7)OnlybecauseofherdidIgettheticket.(介词短语前置+局部倒装)
8)Awaywenthishat.(副词前置+全部倒装)
3、主语重复
有一种特殊的主题化,没有前置现象发生,但用一名词(短语)重复主语以至于原句成为述语。
9)Mary,sheopenedthedoorwithsurprise.(Mary重复she)
10)John,thesillyfoolgivesmethecreeps.(John重复she)
4、分裂句
用分裂句结构“It+be+…+that/who从句”来强调某个句子成分,使其成为标记性主题。
11)Itwasabagthathegaveher.(强调宾语abag)
12)ItwasJackwhobrokethewindow.(强调主语Jack)
5、回指
宾语可置于句首,回指仍在宾语位置的名词或代词结构,此时位于句首的宾语是标记性主题,有时用asfor,withregardto,about等提示。
13)Thatman,youneversawhimagain.(回指him)
14)Mark,Iknewtheguy.(回指theguy)
15)Asformysister,Johnhasgivenherthebook..(回指her)
16)Aboutthebook,mysisterwasgivenitbyJohn.(回指it)
6、前置+“do”
若原句无助动词,当动词(短语)前置来强调时,需要加助动词“do”的某种形式。
17)Knock,indeed,hedidatthedoor.(knock前置+助动词did)
三、小结
语言交际中一般句首的信息最容易引起听话者的注意力,标记性主题其实是在强调表达信息的某个内容,使其放在句首突出句子焦点。因此,在外语实际运用中,说话者可以根据不同的情景让传达的个别信息主题化,提高交际效果。
参考文献:
桂永霞,“英语有标记主位”.开封大学学报,2002(4)
李国杰,李婷编,《现代实用语法精要》,广州:中山大学出版社,2004
柳会丽,蒋彬,“虚拟语气的标记性及其教学”.教学研究,2007(47)
关键词：聚类分析；差分进化；K-均值聚类算法；Laplace分布；Logistic混沌搜索
K-均值算法是由MacQueen[1]提出的一种经典的聚类分析算法，它具有算法简单且收敛速度快的优点，但是算法的聚类结果易受初始聚类中心影响，且容易陷入局部最优。近年来许多学者利用各种常用智能优化算法（如遗传算法[2-3]、微粒群优化[4]等）对K-均值算法进行改进，并取得了不错的效果。
由Storn和Price提出的差分进化（DifferentialEvolution，DE）算法[5]是一种基于群体进化的启发式算法。该算法从原始种群开始，通过变异（Mutation）、交叉（Crossover）和选择（Selection）操作来生成新种群，通过计算每个个体的适应度值，来确定个体的保留或淘汰，然后通过不断迭代运算，引导搜索过程向最优解逼近。文献[6-7]利用差分进化对K-均值算法进行改进，结果表明，与基于传统遗传、微粒群优化等常用进化算法的K-均值改进算法比较，基于差分进化的K-均值改进算法能获得更好性能。但是，传统差分进化算法也存在算法收敛速度与全局寻优能力之间的矛盾，进化后期易出现早熟、停滞现象，通过改变控制参数虽然可以提高算法收敛速度，但是也会造成其全局寻优能力的下降，从而使得基于传统差分进化的K-均值改进算法的性能受到一定影响。
针对上述问题，该文提出一种基于改进差分进化的K-均值聚类算法，基本思想是：在差分进化算法中通过引入Laplace变异算子来提高算法收敛速度和全局寻优能力，同时通过引入Logistic变尺度混沌搜索，以克服传统差分进化算法进化后期可能出现的早熟、进化停滞现象；然后将其用来改进K-均值算法。实验结果证明，该算法具有较好的全局寻优能力，且收敛速度较快。
1聚类的基本数学模型
2改进差分进化算法
2.1传统差分进化算法
2.2Laplace变异算子
2.3Logistic变尺度混沌搜索
3基于改进差分进化的K-均值聚类算法
3.1个体编码
3.3算法步骤
步骤1：设定个体数N，最大迭代次数Gmax。
步骤2：种群的初始化：随机选取样本作为聚类中心，并计算当前位置适应度值。
步骤3：对于个体Xi，G按3.2描述产生变异算子F。
步骤4：分别根据式（3）执行变异操作，根据式（4）执行交叉操作，生成试验向量[Uki，G]，根据式（5）执行选择操作。
步骤5：根据个体的聚类中心编码，按照最近邻法则重新划分样本的归属类别。
步骤6：重新计算新的聚类中心，以替代原值。
步骤7：由式（11）判断是否陷入局部最优，若是，则对该个体变尺度混沌搜索，以利于跳出局部最优，转到步骤3。
步骤8：如不满足所设的终止条件，则转到步骤3，同时G的值自增1；否则输出最好个体值Xbest及最好适应度值[fXbest]，算法结束。
4实验及效果评价
5结束语
本文首先在传统差分进化算法中引入Laplace变异算子和Logistic变尺度混沌搜索以提高其性能，然后将改进的差分进化算法应用于K-均值算法。实验结果表明：该文算法较好地克服了传统K-均值算法的缺点，具有较强的全局搜索能力，且收敛速度较快。
参考文献：
[1]MacQueenJ.Somemethodsforclassificationandanalysisofmulti-variateobservations[C]//Proc.ofthe5thBerkeleySymposiumonMathematicsStatisticProblem，1967，1：281-297.
[2]王家耀，张雪萍，周海燕.一个用于空间聚类分析的遗传K-均值算法[J].计算机工程，2006，32（3）：188-190.
[3]MichaelLaszlo，SumitraMukherjee.Ageneticalgorithmthatexchangesneighboringcentersfork-meansclustering[J].PatternRecognitionLetters，2007，28（16）：2359-2366.
[4]OmranMGH，EngelbrechtAP，SalmanA.Dynamicclusteringusingparticleswarmoptimizationwithapplicationinunsupervisedimageclassification[J].ProceedingsofWorldAcademyofScience，EngineeringandTechnology，2005，9（11）：199-204.
[5]StornR，PriceK.Differentialevolution-asimpleandefficientheuristicforglobaloptimizationovercontinuousspaces[J].JournalofGlobalOptimization，1997，11（4）：341-359.
[6]PaterliniS，KrinkT.Highperformanceclusteringwithdifferentialevolution[C]//Proc.ofCongressonEvolutionaryComputation，2004，2：2004-2011.
[7]SudhakarG.Effectiveimageclusteringwithdifferentialevolutiontechnique[J].InternationalJournalofComputerandCommunicationTechnology，2010，2（1）：11-19.
[8]Kuo-TongLan，Chun-HsiungLan.NotesonthedistinctionofGaussianandCauchymutations[C]//Proc.ofEighthInternationalConferenceonIntelligentSystemsDesignandApplications，2008：272-277.
[9]刘兴阳，毛力.基于Laplace分布变异的改进差分进化算法[J].计算机应用，2011，29（10）：2719-2722.
[10]沈明明，毛力.融合K-调和均值的混沌粒子群聚类算法[J].计算机工程与应用，2011，47（27）：144-146.
关键词动态多目标，聚类，预测，进化算法
近些年来，研究者们在静态算法的基础上设计了许多新的方法来求解DMOPs[5-8]，这些方法大多集中在保持种群多样性上，通过随机移民，动态迁移，超变异和多种群等策略增加种群多样性，使新的种群具有响应环境变化的能力.然而这些方法是一种随机的、不确定的多样性保持策略，不能为适应新的环境提供正确的引导，因此具有盲目性，收敛速度是存在的主要问题.
基于以上分析，为了避免盲目地增加种群多样性，并充分利用历史信息，提高预测模型的准确性，使其能适应于不同程度的环境变化，本文提出一种基于聚类预测模型的动态多目标进化算法（Adynamicmulti-objectiveevolutionaryalgorithmbasedonclusterpredictionmodel，简称CPM-DMOEA），通过对种群聚类建立预测模型，将对每个子类的预测分为对中心点的预测和对形状的预测，从而产生新的预测种群.在动态多目标优化算法的整体框架下进行迭代，通过标准动态测试问题进行仿真比较，实验结果充分验证了所提算法的有效性.
4结论
本文提出了一种基于聚类预测模型的动态多目标优化算法，算法通过建立聚类预测模型，对种群进行分段预测，提高了预测解集的分布性和广泛性.根据历史信息预测每个子类的中心点和形状，从而在环境变化后产生整个新的初始种群.预测产生的新种群能有效地对新环境下的PS潜在区域进行探索，加速了算法在新环境下的收敛.利用三个标准的动态多目标测试函数，比较了CPM-DMOEA与其他三种动态多目标优化算法，分析结果表明了本文算法的有效性，能更好地适应不同程度的环境变化，快速地跟踪新的Pareto最优解集.
未来将把CPM-DMOEA算法应用于更多的实际问题中，以进一步分析其在不同的动态环境中的表现，不断地改善算法的性能.
[1]FARINAM，DEBKK，AMATOP.Dynamicmultiobjectiveoptimizationproblems：testcases，approximations，andapplications[J].IEEETransEvolutComput，2004，8（5）：425-442.
[2]郑金华.多目标进化算法及其应用[M].北京：科学出版社，2007.
[3]COELLOCA，VANVELDHUIZENDA，LAMONTGB.Evolutionaryalgorithmsforsolvingmulti-objectiveproblems[M].NewYork：Springer-Verlag，2007.
[4]NGUYENTT，YANGSX，BRANKEJ.Evolutionarydynamicoptimization：Asurveyofthestateoftheart[J].SwarmEvolutComput，2012（6）：1-24.
[5]尚荣华，焦李成，公茂果，等.免疫克隆算法求解动态多目标优化问题[J].软件学报，2007，18（11）：2700-2711.
[6]DEBK，RAOUV，KARTHIKS.Dynamicmulti-objectiveoptimizationanddecision-makingusingmodifiedNSGA-Ⅱ-acasestudyonhydro-thermalpowerscheduling[D].inEvolutionaryMulti-CriterionOptimization（EMO），Berlin：Springer，2007.
[7]刘淳安，王宇平.基于新模型的动态多目标优化进化算法[J].计算机研究与发展，2008，45（4）：603-611.
[8]GOHCK，TANKC.Acompetitive-cooperativecoevolutionaryparadigmfordynamicmultiobjectiveoptimization[J].IEEETransEvolutComput，2009，13（1）：103-127.
[9]武燕，刘小雄，池程芝.动态多目标优化的预测遗传算法[J].控制与决策，2013，28（5）：677-682.
[10]彭星光，徐德民，高晓光.基于Pareto解集关联与预测的动态多目标进化算法[J].控制与决策，2011，26（4）：615-618.
[11]YAOX，LIUY，LING.Evolutionaryprogrammingmadefaster[J].IEEETransEvolutComput，1999，3（2）：82-102.
[12]HILLERMEIERC.Nonlinearmultiobjectiveoptimization―ageneralizedhomotopyapproach[M].Boston：Birkhauser，2001.