群體智慧型的機制與算法研究

《群體智慧型的機制與算法研究》是依託北京郵電大學，由李麗香擔任項目負責人的面上項目。

基本介紹

• 中文名：群體智慧型的機制與算法研究
• 項目類別：面上項目
• 項目負責人：李麗香
• 依託單位：北京郵電大學

項目摘要

在理論研究方面，基於萊維行走、混沌、複雜網路、適值理論等探討群體智慧型中的最最佳化和湧現機制，研究在不同網路結構、不同通訊方式、不同鄰居形式和不同環境情況下群體智慧型的核心理論，構建基於萊維行走和混沌搜尋的群體智慧型協作模型。解決記憶模式對於群體智慧型的作用機制、多層網路結構對群體智慧型的影響和從“低級”到“高級”群體的內在智慧型湧現關係等關鍵科學問題。綜合本課題將給出的模型和已有的蟻群最佳化模型、粒子群模型、免疫系統等模型，基於複雜網路建立統一的理論框架。在系統實現方面，建立並實現基於萊維行走和混沌動力學的群體智慧型最佳化算法；結合實際問題搭建統一的驗證仿真實驗平台，並將該平台用於解決實際工程的複雜最佳化問題。

結題摘要

（1）項目的背景: 群體智慧型是一種基於混沌和複雜網路的群體協同理論。群體智慧型去中心的控制機制具有較強魯棒性，同時群體智慧型具有適應隨時變化的環境的優勢，具有更強的靈活性。另外，群體智慧型系統是基於群體運行的，易於並行實現。因此，群體智慧型從新的角度揭示群體行為和自組織現象，有效解決大規模並行計算的算法最佳化和工程最佳化等方面存在的問題。（2）主要研究內容: 群體協同行為策略、模型和最最佳化理論的研究，由於其在工程領域的巨大套用價值和套用潛力已經成為相關學科的研究熱點，本項目以研究群體智慧型新模型的基礎理論為目標，解決群體智慧型研究中若干基礎性的關鍵科學問題，分析萊維和混沌行走對捕食行為作用機制，提出生物群體混沌協作最佳化搜尋新算法，建立一套完整的、統一的群體智慧型基礎理論框架。（3）重要結果: （1）研究了粒子群算法最佳化性能的混合策略。由於子種群的動態改變能夠促進整個種群的信息交流，差分進化最佳化算法與動態多種群差分學習運算元相結合。實驗結果表明本方法具有更好的性能。相關論文發表在“Swarm and Evolutionary Computation”。 （2）提出了一種簡化的混合焰火算法。在核心煙花群中引入了交叉火花，增強了算法的局部搜尋能力，實驗結果表明該算法具有更好的求解質量和效率，相關論文發表在“Knowledge-Based Systems”。（3） 提出了一種帶有雙差分變異的粒子群最佳化器。設計了一種雙種群和雙層的新型最佳化結構，在這種搜尋結構下，粒子群算法提高了全局搜尋能力和搜尋效率。相關論文發表在“Applied Soft Computing”。（4）關鍵數據及科學意義：在本項目資助期內，我們共發表論文36篇，全部被SCI收錄。通過本項目共培養10名博士畢業生、12名碩士畢業生，其中博士生陳川、王靜濤和魯艷蓉的博士畢業論文被北京郵電大學評為校級優秀博士畢業論文，並且博士生魯艷蓉和謝冬在讀博期間，獲得博士研究生國家獎學金（教育部）。本項目組成員參加了群體智慧型和複雜網路方面重要的國際學術會議。本項目課題研究將促進群體智慧型、複雜網路等若干領域的新發展。