基于生物网络的高维多目标算法及其在分布式调度中的应用

In the field of management science and operations research, development of heuristic algorithms to deal with high-dimensional multi-objective optimization problems with uncertain parameters is a high demand and complex research. The idea of this project is stimulated from the concept of 'Life = DNA+environment+interaction of environment and genetic DNA'. Modeling and simulation of individual life evolution behavior will be conducted. Furthermore, the evolution of individual behavior in the biological and social network nodes composed of 'cells-individual-environment-cells' will be studied. As a result, a new biological network optimization algorithm based on evolutionary behavior will be developed.The entire project will be sub-divided into five phases or work packages including (1) building high-dimensional multi-objective unified model and algorithm simulation platform; (2) developing computer modeling and simulation based on individual life evolution behavior; (3) proposing Biological Social Network Optimization (BSNO) algorithm and conducting the theoretical analysis and performance testing on the proposd BSNO; (4) integrating machine maintenance and distributed scheduling system of the proposed production Joint Decision Making Model (JDMM); and (5) designing BSNO framework and process to optimize the JDMM model. This research will not only enrich the theory of multi-objective optimization, indeed a new method of optimizing multi-objective distributed scheduling problems will be developed, which has significant scientific merits and great potenatil of real-life industrial applications.

设计启发式算法求解带有不确定参数的高维多目标优化问题是管理科学、运筹学领域中一个研究热点和难点。本项目借鉴"生命= DNA+环境+环境与遗传交互作用"的思想，对个体生命进化行为建模与仿真，将个体的进化行为置于"细胞→个体→环境→细胞"构成的生物网络与社会网络的结点中，研究个体的进化过程，进而提取一种基于生命进化行为的新型生物网络优化算法(BSNO)并开展在分布式调度中的应用。具体包括：①高维多目标算法统一模型构建和算法的统一实验仿真平台的构建；②基于个体生命进化行为建模与仿真；③ 基于生命进化行为的生物社会网络算法的提出及理论分析和性能测试；④整合机器维护和分布式调度系统的生产联合决策模型的建立（JDMM)；⑤ 设计BSNO算法优化JDMM模型框架及算法流程。该研究不仅丰富了多目标优化理论，而且为带有不确定因素的高维多目标分布式调度的求解提供了新思路，具有重要的科学意义和应用价值。

本项目研究了个体的进化过程，提出了一种基于生命进化行为的新型生物网络优化算法（BSNO）并将其应用到了生产调度与维修联合决策优化模型中。.第一，构建了高维多目标算法统一模型及算法的统一实验仿真平台。本项目不仅研究了算法所获非劣解(Non-dominated solution, ns)的存储方式对解的质量(分布性、收敛性)的影响以及交互的ns存储方式对解的质量影响而且研究了ns规模的控制在不同的比较准则下对算法运行效率的影响规律。同时还研究了不确定环境下，不同个体对环境的响应变化机制和运行机理。第二，基于个体生命进化行为进行了建模与仿真。本项目分析了生物社会网络中细胞、个体和环境之间的复杂相互作用的机理及特性以及不同个体所在环境对个体的影响规律并研究了个体所在细胞周期对个体成长的影响。第三，建立了生物社会网络算法(Biology Society Networks Optimization, BSNO)，首先建立了单目标BNSO算法，然后在高维多目标算法统一模型的基础上建立了多目标BNSO算法。第四，对算法进行了分析和测试。本项目不仅对基于生命进化行为的单目标算法和多目标算法进行了分析和测试，而且对所提出的单目标BNSO算法和多目标BNSO算法也进行了分析和测试。第五，探究了智能优化算法在不确定高维多目标生产调度与维修问题以及其他问题中的应用。首先研究了确定条件下的单目标优化问题，然后延伸到了不确定性下的多目标生产调度和资源维修优化问题并将提出的多目标BNSO算法成功的应用到这个复杂问题。本项目不仅紧密围绕项目课题开展研究，还对项目相关的研究方法及应用进行了一系列的研究工作，为未来进一步研究提供了方法的借鉴和启发。.本项目执行期间出版学术专著1部(合著)，发表期刊论文51篇（包括已录用待发表1篇），其中，SCIE 收录44篇，SSCI收录6篇（有五篇同时被SCIE, SSCI收录）。 发表会议论文31篇，其中EI收录12篇。获得8项科研奖励（包括参加国际会议获得的最佳论文奖、国内比赛奖等），培养博士研究生6名（均毕业）、硕士研究生10人（其中5人已毕业、5人在读）。