基于离线计算的高速动态进化优化算法

Dynamic optimization problems widely exist in production scheduling, transportation and logistics planning, aerospace and many other fields. The real-time response to dynamic optimization problems plays an important role in accelerating social production and the efficiency of people's lives. This project focuses on using evolutionary algorithms to solve real-time dynamic optimization problems with a combination of offline computation and online optimisation. Through this, the projects aims to answer whether real-time dynamic optimization can be achieved by finding a set of good solutions in advance and searching based on the solution set. Specifically, this project will analyze whether there is a finite set of solutions that can cover all possible changes of a dynamic optimization problem, study the efficient way to find the corresponding solution set, and explore the high-speed online optimization algorithm based on the found solution set. This project expects to build dynamic evolutionary algorithms with real-time response capability based on offline computation for dynamic single-objective, dynamic multi-objective and dynamic constrained optimization problems, respectively, and apply them to solve logistics distribution problems. The research results of the project will provide new methods and tools for the research and application of real-time dynamic optimization technology.

动态优化问题广泛存在于生产调度，交通与物流规划，航空航天等诸多领域。对动态优化问题的实时响应是加速社会生产以及人民生活效率的关键。本项目针对实时性要求较高的动态优化场景，以进化算法为研究对象，采用离线计算和在线优化相结合的手段，研究能否通过离线找到一组好的解然后基于该解集进行搜索来达到实时的在线动态优化，具体分析是否存在一个有限的解集能够覆盖一个动态优化问题所有可能的变化、探索高效的解集寻找机制以及基于解集的高速在线优化机制。项目预期分别针对动态单目标、动态多目标和动态约束优化问题，建立基于离线计算的具有实时响应能力的动态进化优化算法，并在物流配送问题上进行应用。项目的研究成果将为实时动态优化技术的研究与应用提供新方法和新工具。

动态优化问题广泛存在于生产调度，交通与物流规划，航空航天等诸多领域。对动态优化问题的实时响应是加速社会生产以及人民生活效率的关键。进化算法是目前求解动态优化问题的主流算法之一。然而，现有的动态进化优化算法无法满足快速变化的动态优化问题的实时响应需求。基于此，本项目系统研究了基于"离线计算+在线优化”相结合的动态进化优化算法，首次提出了基于离线获取解集的新型动态进化优化框架；针对动态单目标约束优化算法，设计了基于NCS的离线解集获取算法，基于NCS和DE结合的离线解集获取算法，基于高斯变异的在线优化算法，以及基于解-环境匹配机制的在线优化算法，在标准测试问题上进行验证，实验结果表明通过离线存储解集数据的方式能够加速在线动态优化；在动态路径规划问题上进行应用，相同的评估次数下，解的质量能够提高30%。本项目的研究成果已发表SCI/EI学术论文4篇，申请专利1项。整个项目研究进展顺利，实现了预定的研究目标。项目的实施为相关科学研究带来了新的启发，同时也为相应应用提供了新方法。