基于竞争协作策略的群体智能在动态多目标优化问题中的研究

The individual makes the population obtain the swarm intelligence in the system level by interacting with each other, and this is the foundation for swarm to solve the complex problems. The behavior characteristics and evolutionary mechanism of swarm under environment is always a difficult problem in the field of swarm intelligence. The research of the behavior characteristics for swarm will bring great breakthrough for the heuristic algorithms. The purpose of this project is to solve the swarm’s behavior characteristics, the adaptive strategy of the multi-swarm competitive-cooperation and the information sharing mechanism in the swarm under the complex dynamic environment. Firstly, we will study the behavior characteristics of the swarm under the complex dynamic environment to explain the reaction mechanism and build the model of behavior characteristics for the swarm. Secondly, by partitioning the objective space, the multi-swarm competitive-cooperation adaptive evolutionary strategy is adopted to increase the diversity of the swarm, which makes the swarm adapt to the dynamical environment rapidly and accelerate the search speed. Finally, the research of information sharing mechanism in the swarm is used to identify the information transmission model, the preference and knowledge updating. The research will provide new ideas and theoretical achievement for solving the dynamic multi-objective optimization problem by swarm intelligence under complex environment and the swarm evolutionary mechanism.

个体通过交互作用，使整体在系统层面上获得单个个体所不能达到的群体智能，这一行为是群体解决复杂问题的基础。群体在环境激发下的行为特性和演化机制一直是群体智能研究领域的难点问题，对该行为特性的研究将为基于启发式的搜索算法带来突破性的进展。本课题旨在解决复杂动态环境下群体的行为特性、多种群竞争协作的自适应演化策略和群体信息共享机制的问题。首先，研究动态环境激发下群体智能的行为特性，揭示群体应激反应的机理，建立群体行为特性模型；然后对目标空间进行划分，利用多种群竞争协作的自适应演化策略增加种群多样性，使种群快速适应环境变化，提高搜索速度；最后，通过对种群信息共享机制的研究，确定信息在种群中的传播方式、传播偏好及信息共享后知识更新的方式。该研究将为复杂环境下基于群体智能求解动态多目标优化问题以及群体智能的演化机制提供新的研究思路和理论成果。

在自然界及社会生活中，个体通过交互作用，使整体在系统层面上获得单个个体所不能达到的群体智能，这一行为是群体解决复杂问题的基础。对群体行为特性的研究将为基于启发式的搜索算法带来突破性的进展。本项目通过研究复杂环境下群体的行为特性、多种群竞争协作的自适应演化策略和群体信息共享机制的问题，获得群体智能竞争协作的演化框架。主要研究内容如下：在对群体智能行为特性和演化模式进行研究过程中，首先分析了种群协同演化、个体协同演化、策略协同等多种演化方式，在多种演化方式种，种群协同是群体智能实现协同演化的最主要方式。其次研究了复杂环境下群体的组织结构、个体间的交互行为和群体发展的动力。研究发现，种群的形成和大小与生态压力有关，因此，在设计群体智能算法时，可根据群体演化程度和环境适应能力动态调整种群规模。最后在分析了群体智能行为特性、演化机制的基础上，以粒子群算法作为群体智能算法的框架，设计多个自适应群体智能算法，在这些算法中，使用多种群协同、多策略协同、个体协同等方式，同时加入对进化环境的监测，引入环境熵和个体维度熵，保证了种群在环境的变化下能够快速适应环境，并维持种群的多样性。将设计的算法应用于机器人路径规划、时间序列预测、产品拆卸线平衡问题等方面，结果表明自适应群体智能算法能有效解决复杂的动态多目标优化问题。