通信约束分布式合作协进化算法的种群交互机制研究

由于合作协进化算法（CCEA）本身具有分而治之的特点，并传承了进化算法的并行性，因此适合以分布式并行的方式求解可分解问题。本项目针对实际系统中通信带宽窄和延时大的约束，从交互内容和交互间隔两方面研究的子种群间的交互机制，使算法在保证性能的前提下满足实际通信环境的要求。主要研究内容包括：①综合考虑个体的分布性和适应度，确定能够高度代表当前适值空间的潜在最优解作为交互内容，以较小的通信代价保证交互的质量；同时，接收方通过区间分割存储策略构建具有单调性的动态适值空间；②利用最佳响应曲线，从CCEA的角度刻画不同优化问题的特殊性。能够根据具体问题的特点以及搜索种群的进化状态，自适应调整交互间隔；③参考生物进化动态过程的本质，对算法所得历史进化信息加以分析和复用，提高算法对潜在最优解的搜索性能；④对提出的算法在水声通信环境下进行实验验证与分析，使研究结果更贴近工程实践。

由于合作协进化算法（CCEA）本身具有分而治之的特点，并传承了进化算法的并行性，因此适合以分布式并行的方式求解可分解问题。本项目针对实际系统中通信带宽窄和延时大的约束，研究更有效且低通信量负载的信息补偿策略，使算法在保证全局最优性能的前提下满足实际通信环境的要求。在国家自然科学基金的资助下，共发表学术论文7篇（1篇SCI、1篇图书章节、5篇EI），获授权专利1项。在理论研究方面，取得了如下主要进展：.（1）提出了面向通信代价敏感系统的分布式合作协进化算法框架；.（2）通过深入分析合作协进化算法（CCEA）病态现象的成因，提出从信息补偿的角度来设计新型CCEA，分别从交互发送和接收的角度设计了信息补偿策略，并将二者混合得到“内外兼修”式的混合信息补偿策略；针对这三种信息补偿策略，分别实现了三种新型CCEA：mCCEA、aCCEA以及maCCEA；.（3）对所提出的算法进行了详细的实验分析，包括算法性能的测试与对比以及参数敏感性分析。实验结果表明，三种信息补偿策略均能够有效补偿由于CCEA对问题空间分解所造成的信息丢失，使协进化种群能够准确地评价其适应度，大幅提高算法的全局收敛性能。此外，提出的新型分布式协进化算法能够以更低的通信频率、更少地通信内容保持较高的全局优化性能，更能满足通信敏感系统对算法的要求。