新型群體協同智慧型算法及其在超高維最佳化中的套用研究

《新型群體協同智慧型算法及其在超高維最佳化中的套用研究》是依託大連理工大學,由葛宏偉擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：新型群體協同智慧型算法及其在超高維最佳化中的套用研究
• 依託單位：大連理工大學
• 項目類別：青年科學基金項目
• 項目負責人：葛宏偉

項目摘要

高速推進的工業信息化進程，使人類社會的生存和發展建立在大型工程系統之上。物聯網時代的到來，將形成規模更加龐大而繁雜的信息物理系統。很多最佳化問題從最初的低維、高維發展為現在的超高維。本項目擬從提高群體智慧型算法的最佳化性能出發，重點研究面向超高維最佳化的新型群體協同智慧型算法。首先，基於群體智慧型算法的機理，重點研究粒子群、細菌覓食、人工魚群等新型群體智慧型最佳化算法，一方面將優秀的社會性動物系統特性套用於最佳化算法中，突破傳統的算法模型的束縛，設計出新的更智慧型化的算法模型；一方面基於貝葉斯機率理論研究新型群智慧型算法統一的集成結構及條件等價性。進而，基於統計學習的思想，以合作型協同進化框架為基礎，提出面向超高維最佳化的群體協同智慧型算法，並研究其中的新理論、新方法和新技術。使所提出的方法能以高精度解決千維以上規模且變數之間存在相關性的函式最最佳化問題，從而提高群體協同智慧型方法求解大規模複雜問題的可規模化能力。

結題摘要

隨著科學和工程研究範圍的拓展，系統問題的規模和複雜度越來越大，將智慧型方法套用於複雜最佳化問題的求解已成為一種有效的方法。本項目從提高群體智慧型算法的最佳化性能出發, 重點研究了面向超高維最佳化的新型群體協同智慧型算法。在算法研究方面構造出了帶有新機制的群智慧型計算模型，提高了群智慧型算法的最佳化性能；在理論分析方面，建立了統一的群智慧型算法的模型範式，並給出了協同演化的相關理論基礎；在基礎套用方面，提出了面向超高維最佳化的新型群體智慧型協同演化方法，以高精度解決了千維以上規模及變數間存在相關性的複雜最佳化問題，並套用到超高維全局最佳化、大規模交通配流、大規模圖像標註以及複雜生產調度及控制等問題中去，從而提高了群體協同智慧型方法求解大規模複雜問題的可規模化能力。 重要成果體現在以下幾個方面： (1) 基於群體智慧型算法的機理，將優秀的社會性動物系統特性套用到粒子群、細菌覓食、人工魚群等幾種新型群智慧型最佳化算法中，設計出新的更加智慧型化的算法模型：提出了具有彌散性與集聚性機制的菌群智慧型模型；提出了具有權變領導模式和感知機制的粒子群模型；提出了具有混沌搜尋機理和自組織機理的魚群模型。通過benchmark的最佳化測試，結果表明所提出的模型具有良好的全局最佳化性能，可作為協同最佳化框架中的基最佳化器。 (2) 基於統計學習思想研究變數之間的相關性，提出了一個變數互動性定量評價的學習算法。為進一步降低計算複雜度，提出了具有nlogn計算複雜性的變數互動性快速檢測及任務分解技術。 (3) 研究了協同進化的相關理論基礎，給出了不同的協同最佳化及最優共生體生成策略。從理論上證明了協同進化機制收斂性的必要條件。 (4) 基於提出的基最佳化器及協同進化框架，進一步提出了面向超高維複雜最佳化及高維目標的新型群體協同智慧型算法：提出了具有信仰空間的協同智慧型菌群模型；提出了基於交叉聚類和變數相關性快速學習機制的協同微分進化算法；提出了基於循環滑動視窗的自適應的協同微分進化算法；提出了基於變數統計學習的層級粒子群協同最佳化算法。數值試驗表明所提出的算法對於求解超高維及高維目標最佳化問題具有良好的性能。 (5) 將提出的算法套用到複雜非線性系統控制、複雜生產調度、大規模交通配流、大規模圖像標註、大規模數值最佳化、感測網數據分析等問題中。這些套用研究表明了所研究的協同智慧型方法求解大規模複雜問題的可規模化能力。