进化优化与学习共融的复杂优化问题求解理论与方法

中文名 项目名称 英文名 进化优化与学习共融的复杂优化问题求解理论与方法 Theories and methods of evolutionary optimization integrated with learning for solving complex optimization problems 中国矿业大学 推荐单位 主要完成单位 项目简介： 中国矿业大学，中国科学技术大学，中原工学院，江苏师范大学，郑州大学 优化问题广泛存在于国民经济、社会发展和国防建设中。作为一种重要的复杂优化问题求解方法，进化优化方法长期受进化知识提取理论不足、控制参数与种群搜索方向关联机理不明等制约，存在种群多样性保持与精确搜索能力难以同时兼顾、控制参数难以合理取值等问题，大大了这些方法在复杂优化问题的应用。本项目从进化知识提取、单群搜索机理、协同搜索模型，以及多群融合智能搜索架构等方面进行了深入研究，旨在建立进化优化与学习共融的复杂优化问题求解理论与方法，取得如下创新成果： （1）建立了融入模型空间概率机器学习的进化知识提取理论。给出了基于回声状态网络的多输入多输出时序数据表示方法，提出了模型空间概率机器学习算法，给出了反映决策者偏好的样本获取机制，建立了融入模型空间概率机器学习的进化知识提取理论，丰富了现有进化知识提取方法。 （2）揭示了基于行为感知的单群搜索机理。明确了控制参数取值对种群进化行为、进化行为对种群进化方向的影响，提出了基于进化行为的控制参数评价机制，揭示了基于行为感知的种群搜索机理，建立基于行为感知的多策略融合模型，克服了已有方法对控制参数取值敏感的缺陷。 （3）提出了基于邻域信息智能交互的种群自聚类协同搜索模型。揭示了邻域信息与种群搜索机理的内在联系，设计了个体邻域的自感知策略，给出了兼顾种群进化方向与搜索精度的无参数种群自主聚类方法，提出了基于类内搜索与类间信息交互的协同搜索模型，有效解决了种群全局多样性保持与精确搜索能力均衡的问题。 （4）提出了基于能力互补的多群融合智能搜索架构。分析了复杂优化问题求解对算法多性能的需求，揭示了单种群进化优化方法难以满足求解需求的根本原因，考察了多种群能力互补的可能性与必要性，提出了基于性能需求的优化方法选择机制和基于精英集的多群信息互换机制，建立了基于能力互补的多群融合智能搜索架构，大大提高了进化优化方法的求解性能。 上述成果成功应用于战时多飞行器威胁程度智能感知、个性化产品开发、高精度大型天线设计、机器人救灾路径规划等问题。在主流SCI期刊上发表论文80篇，其中IEEE Transactions on Evolutionary Computation、IEEE Transactions on Neural Networks and Learning Systems等顶级期刊10篇，其他JCR一区期刊34篇，获授权发明专利5项。成果被SCI他引1698次，其中10篇代表论文SCI他引439次，施引者包括柴天佑、Wilsun Xu等中国工程院/加拿大工程院院士，姚新、金耀初、Gary Yen、Ishibuchi等IEEE/IFAC Fellow；入选ESI前1%高被引论文8篇；获IEEE Transactions on Neural Networks最佳论文奖1项、IEEE计算智能学会杰出博士学位论文奖2项、群体智能国际会议最佳论文奖1项。

主要完成人情况表

排名 姓名 性职工作别 称 单位 中国正男 矿业高 大学 中国正科学男 高 技术大学 中国副男 矿业高 大学 中原副男 工学高 院 江苏中男 师范级 大学 正郑州女 高 大学 江苏副男 师范高 大学 徐州其男 工程他 学院 完成单位 中国矿业大学 对成果创造性贡献 给出了反映决策者偏好的样本获取机制，建立了用于评价进化个体质量的决策者偏好模型空间，提出了基于精英集的多群信息互换机制，建立了能力互补多群融合智能搜索架构。 给出了基于回声状态网络的多输入多输出时序数据表示方法，提出了模型空间概率机器学习算法，建立了融入模型空间概率机器学习的进化知识提取理论。 提出了基于性能需求的优化方法选择机制，建立了等式约束下不可行解的启发式修复机制，设计了包含微粒群优化和差分进化变体的多群融合智能求解算法。 给出了基于个体邻域信息智能交互的种群拓扑结构，提出了兼顾种群进化方向与搜索精度的无参数种群自主聚类方法，建立了基于类内搜索与类间信息交互的协同搜索模型。 提出了基于进化行为的控制参数评价机制，揭示了基于行为感知的种群搜索机理，建立基于行为感知的多策略融合模型。 设计了基于决策空间的个体邻域度量测度，给出了个体邻域的自感知策略，提出了基于邻域交叉变异的差分进化等算法。 基于揭示的单群搜索机理，设计了基于不同混沌映射的控制参数在线调整方法等 基于多群融合智能求解架构，设计了机器人救灾路径规划问题的多目标微粒群优化求解方法 1 巩敦卫 2 陈欢欢 中国科学技术大学 3 张勇 中国矿业大学 4 瞿博阳 中原工学院 5 王改革 江苏师范大学 郑州大学 江苏师范大学 中国矿业大学 6 梁静 7 郝国生 8

张建化 代表性论文专著目录

序号 论文、专著 名称/刊名/作者 年卷页码 年(卷):页码 发表年月 1 Learning in the model space for cognitive fault diagnosis/IEEE Transactions on Neural Networks and 2014,25(1): 124-136 2014-01 Learning Systems / Chen Huan-huan, Tino Peter, Rodan Ali, Yao Xin Probabilistic classification vector machines/IEEE Transactions on Neural Networks / Chen Huan-huan, 2009,20(6):901-914 Tino Peter, Yao Xin A distance-based locally informed particle swarm model for multimodal optimization/ IEEE Transactions 2013,17(3):387-402 on Evolutionary Computation/ Qu Bo-yang, Suganthan Ponnuthurai Nagaratnam, Das Swagatam Differential evolution with neighborhood mutation for multimodal optimization/IEEE Transactions on 2012,16(5):601-614 Evolutionary Computation/Qu Bo-yang, Suganthan Ponnuthurai Nagaratnam, Liang Jing Chaotic krill herd algorithm/Information Sciences/ Wang Gai-Ge, Guo Li-hong, Gandomi Amir H., Hao Guo-Sheng, Wang He-qi A bare-bones multi-objective particle swarm optimization algorithm for environmental/economic dispatch/ Information Sciences/ Zhang Yong, Gong Dun-wei, Ding Zhong-hai 2014, 274: 17-34 2009-06 2 3 2013-06 4 2012-10 5 2014-08 6 2012(192):213-227 2012-06 7 Niching particle swarm optimization with local search for multi-modal optimization/ Information Sciences/ Qu 2012(197):131-143 Bo-yang, Liang Jing, Suganthan Ponnuthurai Nagaratnam Environmental/economic power dispatch using a hybrid multi-objective optimization algorithm/ International 2010,32(6):607-614 Journal of Electrical Power & Energy Systems/ Gong Dun-wei, Zhang Yong, Qi Cheng- liang Robot path planning in uncertain environment using multi-objective particle swarm optimization/ Neurocomputing/ Zhang Yong, Gong Dun-Wei, Zhang Jian-hua 2012-08 8 2010-06 9 2013,103:172-185 2013-03 An effective krill herd algorithm with migration operator in biogeography-based optimization/Applied 10 Mathematical Modelling / Wang Gai-Ge, Gandomi Amir H., Alavi Amir H 2014,38(9-10):24-2462 2014-05