生物地理学智能同步优化算法及其在下肢假肢中的应用研究

The goal of this proposed research is to develop new strategies and theories based on evolutionary computation for optimization of multiple related complex systems, and apply to intelligent synchronous optimization design of lower limb prosthesis. To achieve this goal, there are three specific objectives for the proposed research. The first objective is to set up biogeography-based intelligent synchronous optimization (BBISO) algorithm as a viable tool for the optimization of related complex systems, and establish its Markov chain model to solve convergence and computational complexity, and establish its statistical mechanics approximation model to explore potential performance. The second objective is to set up unified theoretical frameworks for various evolutionary algorithms based on Markov chain model and statistical mechanics approximation model to compare their essential evolving mechanisms and optimization performances. The third objective is to develop a mechanical design subsystem and an intelligent control subsystem based on neural networks and fuzzy logic for lower limb prosthesis, and apply the proposed BBISO algorithm to optimize synchronously these two subsystems, and achieve fabrication and test of prototype prosthesis. The most direct benefit of the proposed research is to enrich theoretical knowledge of evolutionary computation. Meanwhile, the innovative design concepts and methodologies will result in a major leap forward in prosthesis performance. Therefore, the immediate significance of the proposed research will be very important and practical.

本项目旨在研究基于进化计算形成新的策略和理论，用于解决多关联复杂系统的优化问题，并应用于下肢假肢的智能同步优化设计。项目研究的内容包括：(1)实现生物地理学智能同步优化算法，建立其马尔科夫链模型，并在一定的假设条件下解决算法的收敛性和计算复杂度，建立算法的统计力学逼近模型，探索其潜在优化能力；(2)在马尔科夫链和统计力学逼近模型基础上，结合其它进化算法建立统一理论框架，比较分析各类算法的内在进化机理和优化性能；(3)实现下肢假肢的机械设计子系统和基于神经网络和模糊系统的智能控制子系统，并应用已建立的生物地理学智能同步优化算法对机械设计子系统和控制子系统进行同步优化和综合性能测试。项目的研究意义在于即丰富进化算法的理论知识，同时新的设计理论和方法能为截肢者设计出性能良好的下肢假肢，因此对改善残疾者生存条件具有非常重要的现实意义。

近年来，进化计算以惊人的速度发展，已成为人工智能基础研究的热点方向之一。特别是基于进化计算所形成的策略和理论，为研究和分析复杂系统提供了新方法。本项目以生物地理学智能同步优化算法为研究对象，完成算法的理论问题分析，并扩展算法的应用范围，将该算法和所获得的结论应用到下肢假肢设计中，实现假肢性能优化。具体包括：借鉴遗传算法的收敛理论，建立了该算法的马尔科夫链模型，并完成其收敛性分析。采用统计力学逼近理论，建立了该算法的统计力学逼近模型，并完成其进化动力学分析。为适应复杂系统的优化，借鉴生物地理学中的岛屿理论，完成将生物地理学智能同步优化算法扩展为多目标优化算法。考虑大多数实际应用问题不可避免地含有噪声，运用对适应度值多次采样和求平均值的方法来降低噪声影响。同时考虑算法的适应度计算代价较大问题，完成基于更新的进化控制策略来降低适应度计算代价。另外，为提高算法的优化性能和收敛速度，完成该算法与其它算法如烟花优化算法的混合算法设计。最后将生物地理学智能同步优化算法应用于下肢假肢设计中的网络学习控制系统，通过结合卡尔曼滤波器来优化控制系统中的PID参数，即减少了噪声对控制精度的影响，又提高了控制系统的自适应能力。数值仿真实验验证了这些理论和方法的正确性和有效性。这些研究结果对于丰富进化计算的理论内容，加速假肢事业的发展，具有重要的理论和实践指导意义。