《演化動態最佳化算法及其套用研究》是依託中國科學技術大學，由羅文堅擔任項目負責人的面上項目。
基本介紹
- 中文名：演化動態最佳化算法及其套用研究
- 項目類別：面上項目
- 項目負責人：羅文堅
- 依託單位：中國科學技術大學
中文摘要,結題摘要,
中文摘要
動態最佳化問題是最佳化目標和（或）約束條件隨時間而改變的一類最佳化問題。由於動態最佳化問題廣泛存在於實際套用中，研究求解動態最佳化問題的高效算法具有重要意義。演化算法作為一類群體算法，對環境變化有一定的適應性，因而有利於在環境變化後用較短的時間重新獲得滿意的解。鑒於實際動態最佳化問題往往具有時間關聯、約束可變、規模複雜等特徵，本項目將針對動態最佳化問題的時間關聯特徵、約束處理技術、規模相關性等問題開展基礎算法研究。與此同時，本項目將開展針對動態最優潮流、動態最短路徑和動態數據聚類等實際問題的研究，旨在提出適應實際環境變化特徵的演化動態最佳化算法。本項目將基礎算法研究和特定套用算法研究相結合，對研發具有實用價值的演化動態最佳化算法具有推動作用。
結題摘要
本項目圍繞著動態最佳化的演化算法及其套用開展研究，提出了一系列的演化動態最佳化算法。（1）針對一般性動態最佳化問題：結合族群策略和記憶集策略提出了用於回響動態最佳化的MSPSO算法；提出了psfNBC方案，提高了族群劃分的合理性，以強化其在動態最佳化中的性能；從參數可觀察的角度，提出了相應策略來學習可觀測參數與動態最優解之間的聯繫；（2）針對動態約束多模最佳化問題：首先改進和設計了動態約束最佳化測試用例，以基於族群的動態粒子群最佳化算法為基礎，設計了相應算法；然後設計了動態多模最佳化測試用例，設計了一種動態多模克隆選擇算法；最後提出了動態約束多模最佳化測試用例，包含了動態、約束和多模的特性，比較了不同最佳化器和不同約束處理技術的性能；（3）針對時間關聯、高維、數據驅動等動態最佳化問題：設計了一種針對預測不準確情況的演化動態最佳化算法；提出了高維動態最佳化問題測試用例，同時設計出了混合粒子群算法GCM-PSO；設計了數據驅動型的動態最佳化測試用例，提出了一套相應的演化求解框架。（4）套用方面：分析了帶有動態需求的車輛路徑問題，提出了基於相鄰交換的局部搜尋技術和插入變異運算元的改進算法；提出了學習增強型差分進化算法，用來追蹤動態電力系統種的最優策略；針對動態的短期水火電調度問題，提出了基於疊代深入和輔助搜尋的粒子群最佳化算法；針對雙側隨機的動態最優潮流問題，基於改進的NBC算法和記憶集策略，提出了一種新的差分進化算法SMEDE；提出了基於帶偏好的多目標演化算法來處理聚類問題；將動態特性引入到社會網路中，設計了一個動態社會網路生成器。（5）輔助算法方面：提出了TW-PSO和CMA-ES結合的混合算法，可套用於全局最佳化；設出了超多模最佳化測試用例，提出了基於預估困難度的協同演化算法；從族群的構建、平衡和關鍵點三個方面做出了適應於多模環境下的改進，提出了FBK-DE算法；設計了一中新的多目標最佳化中個體的比較規則，改進了原g支配關係的缺點；提出了多階段局部社區發現算法和局部重疊社區發現算法。
