《基於雲計算的協同進化粒子群算法及套用研究》是依託中山大學,由凌應標擔任項目負責人的面上項目。
基本介紹
- 中文名:基於雲計算的協同進化粒子群算法及套用研究
- 項目類別:面上項目
- 項目負責人:凌應標
- 依託單位:中山大學
中文摘要,結題摘要,
中文摘要
傳統的最佳化方法和計算模式對大規模最佳化問題的求解效率不高。通過結合雲計算模式的並行計算能力和粒子群最佳化算法的全局搜尋能力,本課題提出一種基於雲計算的協同進化粒子群最佳化算法,並將其套用於求解大規模最佳化問題。將待解問題根據最佳化目標功能進行解耦,降低問題的維度和複雜度,並為解耦後的每個子問題分配相應的雲計算資源。利用多個子種群對解耦後的多個子問題分別進行最佳化,並通過對最佳化狀態的動態感知靈活調整子種群間的協作通信策略,提高算法在雲計算模式下的協作效率。通過對協同進化粒子群最佳化算法的兩類控制參數作用的分析,在雲計算模式下對這兩種參數分別進行自適應調整,進一步提高算法的性能和魯棒性。最終,本課題將給出一個運用基於雲計算的協同粒子群最佳化算法求解大規模最佳化問題的新途徑,提高問題的求解效率、求解精度和算法可靠性,預期在算法理論和實際套用中取得創新性成果。
結題摘要
在智慧型算法的研究和實際套用中,求解大規模最佳化問題是當前最具挑戰的熱點。大規模最佳化問題的求解要求在更多的各種硬體資源和新的並行求解算法設計方法,本項目就是在這種背景下提出的。 本課題研究基於雲計算的協同進化粒子群最佳化算法的策略和方法,並將其套用於求解大規模最佳化問題和多目標最佳化問題。首先,我們主要策略是利用分治策略,研究解耦方法,創新地提出了兩種方法將待解問題根據最佳化目標函式進行自動解耦,分別是基於圖的差分分組方法和基於譜聚類的差分分組方法,這兩方法都能有效降低問題的維度和複雜度,然後提出和設計了協同進化的粒子群算法,對解耦後的每個子問題進行求解,通過並行協同進化的方法對多個子種群對解耦後的多個子問題分別進行最佳化,可以較合理地利用雲計算平台的資源。在設計和實現協同進化算法中,研究了協作通信策略,對協同進化粒子群最佳化算法的兩類控制參數作用,提出在雲計算模式下對這兩種參數分別進行自適應調整的方法,以提高對最佳化狀態的動態的感知,通過有效的調整子種群間進化的協作通信策略,提高了算法在雲計算模式下的協作效率,進一步提高算法的性能和魯棒性。最終,本課題研究給出多個運用基於雲計算的協同粒子群最佳化算法求解大規模最佳化問題的新途徑,提高問題的求解效率、求解精度和算法可靠性,並在算法理論和實際套用中取得較有創新性的成果。