智慧型仿真最佳化理論與方法研究

《智慧型仿真最佳化理論與方法研究》是依託武漢大學，由董文永擔任項目負責人的面上項目。

基本介紹

• 中文名：智慧型仿真最佳化理論與方法研究
• 項目類別：面上項目
• 項目負責人：董文永
• 依託單位：武漢大學

項目摘要

本項目針對仿真最佳化中現存的問題，比如隨機性、複雜性、多目標、動態性、自動化程度不高等，主要研究融合人工智慧、統計分析、智慧型算法和仿真模型為一體的智慧型.仿真最佳化方法和理論。具體地，包括基於知識庫和推理機制的智慧型仿真最佳化的框架、智慧型仿.真最佳化算法的收斂性和運行時分析、以及基於雲仿真平台的實現方法。算法域，主要研究基於疊代的元啟發式算法：廣義預測控制演化策略，並研究多目標、多約束仿真最佳化問題；模型域，結合人工智慧提高仿真數據自動化分析水平；策略域，為了克服仿真模型的噪聲問題，嘗試採用多種解決方案：基於假設檢驗的方法構建種群算法中個體的偏序關係，進而引導算法的搜尋；採用優先方案排序選擇的方法，在一定正確選擇機率的意義下為種群算法中的個體進行排序；結合元模型來抑制仿真模型的噪聲。實現域，探討在雲仿真平台下智慧型仿真最佳化的實現技術。

結題摘要

本項目主要研究融合人工智慧、統計分析、智慧型算法和仿真模型為一體的智慧型仿真最佳化方法和理論。具體地，包括基於知識庫和推理機制的智慧型仿真最佳化的框架、智慧型仿真最佳化算法的收斂性和運行時分析、以及基於雲仿真平台的實現方法。智慧型仿真最佳化可以表示為：智慧型仿真最佳化=智慧型最佳化算法+仿真模型+人工智慧；智慧型最佳化算法主要是指基於疊代的元啟發式算法，是最佳化的指揮者和調度者，仿真模型是最佳化的核心和基礎，人工智慧是自動化數據分析、指導算法搜尋的協調師。為了克服仿真模型的噪聲問題，本項目嘗試採用兩種解決方案：一種是基於假設檢驗的方法構建種群算法中個體的偏序關係，進而引導算法的搜尋；另一種是採用優先方案排序選擇的方法，在一定正確選擇機率的意義下為種群算法中的個體進行排序。項目主要研究了智慧型仿真最佳化框架下的相關實現技術，實驗的結果證明了項目所涉及的方法的有效性。針對多模態最佳化問題，提出了混合高斯模型來為決策者提供多個決策解。將智慧型仿真最佳化套用於時間序列分析，提出了一種均攤計算開銷的降噪分析方法。改進目前的智慧型算法，提出了多種自適應機制、並從新引入新的運算元。由於智慧型仿真最佳化設計到計算複雜、運行耗時等特點，我們採用了維度約減的技術和利用種群信息的模型來降低複雜度。將項目中的方法成功套用到河床演變及河道規劃等實際套用中。經過四年努力，本項目的研究也已大體實現了上述大部分目標，較為順利地完成項目計畫中的研究任務。同時在研究過程中，得到了一定的經驗教訓，為後續工作的開展提供了有益的參考。在河床演變、主流速線規劃、物流規劃等套用領域的結合，並在CEC有關驗證數據集下進行測試驗證，並設計了相關的仿真環境。