基於人工蜂群算法求解多模態最佳化問題研究

《基於人工蜂群算法求解多模態最佳化問題研究》是依託西安電子科技大學，由高衛峰擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於人工蜂群算法求解多模態最佳化問題研究
• 項目類別：青年科學基金項目
• 項目負責人：高衛峰
• 依託單位：西安電子科技大學

中文摘要

多模態最佳化問題是科學和工程套用領域經常會遇到的一類挑戰性的最佳化問題。它要求算法跟蹤到全部的全局最優解和儘量多的局部最優解。近年來，多模態最佳化問題求解已成為進化計算研究的一個重要方向。本項目從多模態進化算法=進化算法+多模態處理技術的框架出發，對多模態進化算法進行研究。藉助統計分析、實驗設計、機器學習、數學規劃的方法，以人工蜂群算法為基礎，以保持種群多樣性為目標，研究多模態人工蜂群算法。主要研究內容如下：1. 在充分利用種群搜尋空間信息和目標空間信息的基礎上，研究自適應學習的人工蜂群算法。2. 利用均勻設計方法，研究均勻策略的人工蜂群算法。3. 通過動態調整子群數目，研究基於聚類的多種群的多模態人工蜂群算法。4. 為了增強種群多樣性，研究基於均勻分解的多目標的多模態人工蜂群算法。本項目的研究將對多模態進化算法的發展和實際套用產生積極的推動作用，具有重要的學術意義和工程套用價值。

結題摘要

多模態最佳化模型是大數據套用領域中經常遇到的問題。本項目針對多模態最佳化的關鍵技術和難點開展研究，取得了具有一定國際影響力的研究成果。代表研究成果包含以下幾個方面：1. 將學習機制引入到智慧型最佳化算法中，以挖掘進化過程中的有效信息，根據人工蜂群算法的固有特性，開發了高效的學習機制，建立了新的人工算法模型，對複雜最佳化問題達到快速求解。2. 已有人工蜂群算法受制於其探索能力強而開發能力弱的缺點，將集成策略引入大人工蜂群算法中，提高了算法的開發能力，達到平衡算法探索能力和開發能力的目的，仿真實驗驗證算法的有效性。3. 為了利用差分進化算法和人工蜂群算法的優點，避免他們的缺點，建立新的融合機制，該機制既提高了算法收斂速度又維護了種群的多樣性。4. 利用機器學習的方法，建立了基於聚類劃分的多種群技術，發展了新的高效可信多模態智慧型最佳化算法。項目實施過程中，課題組在IEEE Trans等國際期刊上發表SCI論文6篇，參加多個重要國際會議，開展深入的學術交流與合作。