《大規模互動問題下協同智慧型理論及關鍵技術研究》是依託大連理工大學,由葛宏偉擔任項目負責人的面上項目。
基本介紹
- 中文名：大規模互動問題下協同智慧型理論及關鍵技術研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：葛宏偉
項目摘要,結題摘要,
項目摘要
隨著信息物理系統規模及複雜性的日益增長，系統變數間常相互聯繫、相互影響且關係模式不具有緊緻性，如何最佳化大規模互動耦合問題面臨著嚴峻的挑戰。本項目以提高求解該類問題的可規模化能力和最佳化性能為目標，研究大規模互動問題下協同智慧型理論及關鍵技術。針對維數災難以及空空間現象，基於統計學習思想探測大規模問題的小部分結構信息作為先驗知識，進而重點研究基於機器學習技術的高效的變數互動信息構造模型與自動分解技術。針對協同框架中子問題的全局最佳化器，研究從生物系統各層次的物理特徵、生命特徵和智慧型現象中抽取有益的規則建立有效的群智慧型計算模型，並給出功能模組化的多維計算框架。針對協同智慧型的複雜動力學行為，研究相關的協同機制與協同理論，研究系統耦合層的自適應協同互動機制，以維持合作現象並促進智慧型湧現，為套用研究提供關鍵理論和技術支撐。在套用推廣上，將所提的方法套用到城市交通大規模自適應控制與緊急疏散等問題中。
結題摘要
在智慧型化建設過程中隨著信息物理系統規模和複雜度的增長，形成了越來越多的大型套用系統和群體智慧型系統，不斷湧現出大型複雜耦合最最佳化問題。這些系統的共性在於因環境及任務過程複雜難以建模、系統決策變數規模大，且變數之間往往相互聯繫、相互影響。DARPA稱大型耦合系統全局最佳化難的共性問題為存在於系統中的系統的災難性問題。針對這一科學問題，提出了大規模互動問題下群體協同智慧型理論與計算模型，發展群體智慧型激發匯聚理論方法。圍繞問題分解、群體協同機制與框架、最佳化器構建、協同理論方法等方面取得了一系列的研究成果，主要工作包括：(1) 在問題分解方面，提出了基於機器學習技術的高效的變數互動信息構造模型與自動分解技術，能以較低的性能評估代價有效地認知系統變數的耦合關係；(2) 在智慧型最佳化器構建方面，基於權變領導模式、視覺感受野、群落結構等生物機制和智慧型現象構造了有效的群智慧型計算模型，提高了協同智慧型中元最佳化器的全局最佳化性能和效率；(3) 在協同模型、機制和理論方面，建立了面向大規模互動最佳化的協同框架，給出了不同分解及合作方式下的系統耦合層的協同互動機制，並給出了相關的協同理論，為套用研究提供了保障；(4) 在套用研究上，對提出的各種協同智慧型技術與模型進行標準化和規模化的測試，並套用到大規模穹頂結構最佳化、大規模複雜城市路網區域交通燈協同控制等問題。 所提出的大規模互動問題下群體協同智慧型理論與計算模型，其科學意義不僅在於能有效解決大規模系統或群體系統最佳化難的共性問題，而且可以進一步套用於雲端智慧型與邊緣端智慧型協同演化，在雲端進行集群的集中最佳化，獲得的最佳化基準可以指導邊緣端的自主決策，為大規模分散式全局最佳化提供理論基礎。
