《基於極值動力學的最佳化算法研究》是依託深圳大學，由陳泯融擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於極值動力學的最佳化算法研究
- 項目類別：青年科學基金項目
- 項目負責人：陳泯融
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
NP完全問題是一類難解問題，具有重要的工程背景和實際意義，目前研究表明其計算複雜度與相變有關，在相變點處的問題計算複雜度最大。極值動力學最佳化(Extremal Optimization, EO)算法是一種新穎的局部搜尋啟發式算法，其理論基礎是自組織臨界性理論，非常適合於求解帶相變點的NP完全問題。目前學界對EO算法的研究遠未成熟，尚存在大量亟需解決的問題。針對這一研究現狀，本項目擬對以下關鍵問題展開研究：對EO算法的收斂性進行分析，奠定E0算法的理論基礎；從全局適應度函式和局部適應度函式的內在關聯入手，研究EO算法的局部適應度定義準則；研究骨架導向的EO算法，提高EO算法的搜尋性能；對多目標場合下的EO算法展開研究，提出一系列改進的多目標EO算法。本項目的研究內容將為EO算法的進一步發展奠定堅實的基礎，也將促進EO算法廣泛用於解決實際工程套用問題，具有重要的理論意義和實用價值。
結題摘要
NP完全問題是一類難解問題，具有重要的工程背景和實際意義，目前研究表明其計算複雜度與相變有關，在相變點處的問題計算複雜度最大。極值動力學最佳化(Extremal Optimization, EO)算法是一種新穎的局部搜尋啟發式算法，其理論基礎是自組織臨界性理論，非常適合於求解帶相變點的NP完全問題。目前學界對EO算法的研究遠未成熟，尚存在大量亟需解決的問題。針對這一研究現狀，本項目對以下關鍵問題展開了研究：對EO算法的收斂性進行分析，奠定E0算法的理論基礎；研究骨架導向的EO算法，提高EO算法的搜尋性能；研究EO算法與其它智慧型最佳化算法（如混合蛙跳算法、人工蜂群算法、量子進化等）的融合；研究一系列改進的多目標EO算法（包括： tau-MOEO算法、基於混合粒子群—極值動力學最佳化的多目標最佳化算法MOPSOEO），並套用這些算法解決了多目標數值最佳化問題和多目標機械組件最佳化設計問題。
