基於問題特徵的學習型群體智慧型最佳化算法及套用研究

《基於問題特徵的學習型群體智慧型最佳化算法及套用研究》是依託江蘇師範大學，由張兆軍擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於問題特徵的學習型群體智慧型最佳化算法及套用研究
• 項目類別：青年科學基金項目
• 項目負責人：張兆軍
• 依託單位：江蘇師範大學

項目摘要

隨著群體智慧型最佳化算法的研究不斷深入，為處理大量複雜最佳化問題提供了有力的解決方案，成為人工智慧的一個重要研究方向。雖然算法在模型改進、理論分析、套用拓展等方面取得了較大的進展，但是仍存在一些問題有待進一步研究，如參數設定、避免早熟收斂以及解性能評價等。本項目擬將複雜網路和機器學習等思想引入群體智慧型最佳化算法設計中，提出一種基於問題特徵的學習型群體最佳化算法的一般框架。根據複雜網路分析抽取的待解決問題的特徵恥束元少信息建立一種算法參數疊廈盼設定的專家系統，並分析各個參數對算法性能的影響。利用機器學習中聚類分析方法分析算法運行過程中產生的大量可行解，得到待解決問題的局部信息和算法採樣特徵，並據此提出一種解性能評價的一般方法。在套用方面，擬將取得研究成果套用於解決衛星資源測控調度和發電商競標策略問題。本項目的實施有望為解決工程實踐問題提供一套切實可行的解決方案，同時有助於充實群體智慧型的理論基礎，促進群體智慧型的發展。

結題摘要

受生物群體行為啟發產生的群體智慧型最佳化算法為使用者提供了一個寬鬆的框架，具有較好的擴展性和適應性，受到了越來越多乘戒催國內外學者的關注，已經成為人工智慧的一個重要研究方向。但是算法也存在一些不足之處，這嚴重製約了其在實際問題中的套用。本項目運用複雜網路和機器學習等相關理論方法，以典型群體智慧型最佳化算法為研究對象，在算法優解質量評價、模型改進、算法套用等方面開展了相關研究工作。 本項目提出了以序性能為評價指標的群體智慧型最佳化算法解質量評價的一般框架。該框架利用待求解問題特徵和算法運行中的可行解，將解樣本進行均勻化處理並聚類，在適應度空間，估計每個子類中解樣本的離散機率分布，以及子類的尺度比例關係，並將預設的“足夠好”解比率分配到各個子類，最後根據解質量評價模型計算得到配準機率，從而完成評價，並將之套用於蟻群算法、粒子群算法和魚群算法等算法所獲優解質量評價。項目組為了降低算法參數的耦合性，提洪嬸出將參數固定化，並以蟻群算法為研究對象，將算法中信息素的最大、最小值設定為一個固定的常數，信息素的更新量和初始化設定為與信息素最大值相關的常數，提出了不變蟻群算法，並將之用於求解多星測控資源調度問題。研究算法參數離線配置方法，並將遷移學習引入到參數配置中。引入了混沌最佳化、多種群和精英保留機制提出了混沌布穀鳥算法、多種群蝙蝠算法和蚯蚓最佳化算法。項目組提出了一種基於信息共享和最優解評估選取的多目標粒子群算法，並將之用於求解電力市場經濟調度問題。另外，由於群智慧型最佳化算法的非線性和隨機性，本身就構成了一個複雜系統，為了更好地開展相關研究，項照悼槓尋目組在複雜網路、非線性系統和數據可視化等方面也開展了相關研究工作，為後續研究奠定了基礎。 研究成果對於發展群體智慧型最佳化算法理論基礎以及解決工程實踐問題有著重要的理論意義和科學意義，將進一步促進機嫌船灑器學習、複雜甩祖霉系統和智慧型最佳化算法等研究領域的融合。