社会协商机制驱动的多智能体进化计算模型及算法研究

进化计算已经在各个领域得到了广泛的成功应用，但其理论和应用都还存在一些问题。本课题在复杂网络理论的启发下，研究由人类社会网络中的协商机制驱动的多智能体进化计算模型及其算法。包括人类社会网络协商机制的提取；多智能体社会协同进化计算模型的建立及其在数值优化、组合优化、多目标优化以及工程优化等方面的具体算法研究。预期在协同多agent进化上取得创新性成果，实现由社会协商机制驱动的多智能体进化计算模型及其各类算法，克服一般进化计算在速度及其收敛性上的缺陷。研究成果拟在国内外知名期刊及知名国际会议上发表SCI、EI检索论文8-12篇。

进化计算已经在各个领域得到了广泛的成功应用，但其理论和应用都还存在一些问题。本课题在复杂网络理论的启发下，研究由人类社会网络中的协商机制驱动的多智能体进化计算模型及其算法，力图在协同agent进化上取得一系列创新性成果。经过三年的努力工作，课题组在各个方面都取得了重要进展，基本达到了申请书上的研究目标，详细如下：.在计算模型在算法理论方面：充分研究多agent系统中的通信开销和资源限制问题，借鉴人类社会的现实关系网，构建了多智能体社会关系网模型；在该模型基础上，针对数值优化、SAT问题、多目标优化、项目优化调度、聚类以及分类任务进行了深入系统的研究，设计了解决具体问题的模型及算法。这类算法克服了传统进化类算法容易陷入局部最优、搜索效率较低等问题，具备解决复杂问题的潜力。另一方面，通过采用马尔科夫链性质证明了以上算法具备全局收敛性，同时利用随机动力学方法深入分析新模型的收敛性和计算复杂度，结果表明在算法中，竞争算子是非常重要的，它能够影响整个动力学模型的维数；协同算子不会改变整个动力学形态，但能影响收敛速度；变异算子的概率应取较小，保证其全局动力学形态不发生变化。.在应用扩展方面：针对网络入侵检测问题，研究了相关的智能集成聚类方法；研究了人类社会关系网中的网络社区结构和马尔可夫链的稳定状态之间的联系，并据此提出新的度量方法来描述和分析网络社区，能有效地解决大型网络社区挖掘问题；针对组合测试问题进行研究，提出了一种基于进化计算驱动的组合测试数据整体构造机制，并对多个覆盖数组取得了良好的构造效果；针对遥感图像数据量大、类别归属复杂的特点，提出了一种用于遥感图像分割的原型提取谱聚类算法。