多目标并行优化的蚊子追踪模型与方法研究

本项目主要研究一种新的基于蚊子追踪行为的自然演化方法。通过模拟蚊子追踪行为，研究复杂环境和复杂交互模式下群体智能的演化机制，建立个体微观行为与群体宏观智能之间的关系模型，提出与现存自然演化方法在动机、原理、优化机制、基本单元及状态、物理模型、数学模型、理论基础等方面有本质不同的、面向多目标复杂问题的并行智能优化的蚊子追踪算法。研究关键为：1)提出蚊子追踪模型方法，使之能够描述高维、非线性、宏观演化、微观演化、随机的复杂行为和动力学，实现多目标优化，具有内在并行性和强鲁棒性。2)用Lyapunov第二定理证明上述方法收敛，得到全局Pareto最优解。3)从方法的收敛性、有效性等理论证明，确定相应算法中参数的取值范围，使参数确定不依赖于先验知识和算法学习。研究目标是提出蚊子追踪方法，为分布并行智能处理提供一种新的模型、理论和方法，解决目前传统方法难以处理的某些多目标、大规模、动态的复杂问题。

我们主要是从三个方面进行了研究：(1)有创新性的蚊子追踪模型理论和方法。具体工作如下：提出了蚊子追踪模型的基础假设、模型与问题的相似性分析，定义和选取了与蚊子追踪算法物理模型对应的运动学和动力学方程，选取和建立了蚊子追踪算法的数学模型，证明了蚊子追踪算法的数学模型与物理模型的一致性、算法的有效性和收敛性，确定了蚊子追踪算法中各参数的选取范围，提出了蚊子追踪算法的并行计算结构等。(2)社会行为建模与量化。具体工作如下：提出了社会行为的分类、量化、矩阵表示方法，提出了社会行为的五行建模方法等。(3)有创新性的蚊子追踪的引申模型理论和方法。具体工作如下：提出了基于蚊子群体行为的群蚊子追踪算法，提出了基于社会网络行为及决策模型的群搜索算法，提出了基于群居动物等级制度和职责分工的社会群体算法，提出了基于克隆选择和否定选择的复合免疫算法，提出了基于信息熵和社会行为建模的社会群优化算法，提出了面向撒谎行为基于博弈与智能计算的公平算法，提出了基于创造性行为的创造驱动优化算法，提出了基于并行行为的细胞优化算法，提出了基于冰冻行为及能量转化原理的冰晶算法。