《基於多元統計分析的群智慧型最佳化算法相關問題研究》是依託北京郵電大學，由趙新超擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多元統計分析的群智慧型最佳化算法相關問題研究
- 項目類別：面上項目
- 項目負責人：趙新超
- 依託單位：北京郵電大學
項目摘要,結題摘要,
項目摘要
群智慧型算法的處理對象可看作解向量構成的樣本矩陣，與其他學者研究的思路不同，本項目把各種新解生成策略統一看成作用在樣本矩陣上的數據處理方法，本項目將系統的厚戲櫻、有針對性的從多元統計分析的視角研究群智慧型算法，旨在促進和刺激交叉科學的新發展。包括：（1）主成分分析對粒子群體多樣性和飛行信息的影響，依據新方向攜帶的信息量引導算法選擇相應的傾向性操作，利用從原始變數提取的信息，通過合適的分組技術降低高維最佳化和多目標最佳化的問題規模；（2）充分挖掘差分算法的協方差矩陣提供的啟發式信息與解向量、差分向量和搜尋鄰域調整之間的互動關係，依據解向量集和差分向量集的多樣性等關鍵指標定義有重疊的模糊成員函式和合理的模糊規則，研究基於模糊邏輯的自適應差分算法；（3）結合差分向量的貢獻度、擁擠度和年齡因素等，研究帶長期和短期記憶機制的差分算法，基於對差分向量的更新提出二階差分進化算法模型，分析算法指標和搜尋機制。
結題摘要
項目整罪捉才背景：本項目從多元統計數據分析的視角將群智慧型最佳化算法的解向量集合視作“樣本矩陣”，將各種交叉變異等遺傳操作視作分析該樣本矩陣的特定的數據分析方法，以探索如何有針對性的提高群智慧型最佳化系統的算法模型與方法工具為研究主線，促進群體智慧型最佳化算法、多元統計數據分析和最最佳化理論等交叉領域理論基礎和方法技術的發展，希望對相關領域的知識體系和方法提出新的需求和挑戰，具有重要的科研價值和現實意義。研究內容和重要結果：（1）對主成分分析的多元統計工具如何構建和選擇粒子群算法中有潛力的粒子飛行方向問題開展研究；依據待求解問題的邀講束檔歐式空間鄰域，就聚類分析工具如何構建粒子有效的飛行方向和引導粒子飛向有潛力的搜尋區域開展研究；就感測器網路中基於能量的聲源定位問題，首先證明了近似加權最小二乘模型估計等價於凸約束最佳化模型，然後射龍閥構建一種“精確”算法；墊櫃背對市頸能量感知的虛擬網路嵌入問題進行開拓性的研究，將該問題建立整數規劃的數學模型，提出啟發式和粒子群最佳化的兩種求解方法。（2）對約束最佳化問題提出包括使算法收斂更快的排序變異運算元和動態多樣性保持機制, 提出一種適應性排序的通用變異運算元求解框架，選取了三種典型的差分進化算法進行驗證該求解框架的有效性；為了研究差分算法的策略參數對算法的影響，研究發現測試向量的生成直接與二進制串相關，而與交叉率沒有直接關聯，用成功的二進制串分量修正交叉率；將相關研究成果進行不同燃料電池模型的蜜章趨參數提取和排序等套用研究。（3）差分算法的搜尋信息累加到解向量群體，而差分算法搜尋方向的啟發式信息則蘊含在差分向量群體中，因此本項目從當前差分向量群體中構建優勢差分向量和劣勢差分向量構成的一階差分向量，對差分算法或粒子群算法中的優勢和劣勢向量採取記憶和遺忘機制，用以構建二階差分向量集和二階差分算法。
