多元信息融合的多策略群智能算法及其在软件模块聚类中的应用研究

Swarm intelligence algorithm is a kind of effective evolutionary optimization method, its main problems include strategy adoption and parameter selection. As an effective solution to these problems, the multi-strategy mechanism can be used. In most of the existing multi-strategy mechanisms, only the fitness information is considered as an indicator to evaluate the effectiveness of these mechanisms, and the historical experience of generating good offspring is utilized to guide strategy switch and parameter tuning. For complex optimization problems, however, these methods usually have relatively low effectiveness. To address this problem, we propose the multi-strategy swarm intelligence algorithm based on diverse information fusion in this project. Based on the fitness information, position information and connection information, we aim to utilize these information to estimate the distributions of individuals in the fitness landscape. According to the features of fitness landscape of these individuals, the algorithm can adaptively choose strategies and set their associated parameters. This is helpful to balance the global explorative and local exploitative abilities. Furthermore, we try to solve the software module clustering (SMC) problem in software engineering by using the proposed algorithm. Based on the module dependence graph, the SMC problem can be converted into graph partition problem, and a set of feasible allocation schemes will be given for the software maintenance staff by applying the proposed algorithm. Finally the GPU parallelization technique will be used to reduce the algorithm’s running time. This project is important to promote the theoretical research and practical applications of swarm intelligence algorithm.

群智能算法是一类有效的进化优化方法，如何选择搜索策略和设置参数是其面临的主要难题。一种有效的解决途径是采用多策略机制。目前，大部分多策略机制仅利用后代个体的适应度信息作为评估策略有效性的指标，并采用可生成较好后代个体的历史经验用于选择策略和设置参数。然而，对于复杂的优化问题，这种多策略机制的有效性一般较低。为此，本项目拟提出一种多元信息融合的多策略群智能算法。该算法综合利用适应度、位置和关联信息来评估个体在适应度地形上的分布，再根据个体所处的地形特征来自适应选择策略和设置参数，平衡算法的全局勘探和局部开采能力。进一步，将所提出的算法用于求解软件工程中的软件模块聚类问题。基于模块依赖图把该问题转化为图划分问题，通过算法求解出一组可供软件维护人员选择的可行分配方案，并采用GPU并行处理技术用于缩短算法的运行时间。本项目对于推动群智能算法的理论研究与应用具有重要意义。

群智能算法是一类有效的进化优化方法，如何选择搜索策略和设置参数是其面临的主要难题。为此，基于多策略机制的解决思路，本项目主要研究了如何融合个体的多元信息来设计多策略群智能算法，主要研究内容包括：（1）分析了不同信息的作用和特点，研究了不同信息的可能融合方式，比如：[适应度信息+邻域信息]，设计了与不同融合方式相对应的多策略机制，并应用到了群智能算法的不同范例，比如：差分进化算法、人工蜂群算法、布谷鸟搜索算法、以及萤火虫算法等；（2）针对软件模块聚类问题，采用了模块化质量MQ作为目标优化函数，以基于模块顺序的字符串作为个体的编码方式，对本项目提出的多策略群智能算法进行离散化改造后用于求解该问题；同时，为解决群智能算法求解复杂优化问题的运行时间过长的不足，研究了基于GPU的并行群智能算法，采用单个线程模拟单个个体的方式对算法进行了并行化设计；（3）根据进化计算在应用领域的发展动态和趋势，把本项目提出的多元信息融合的多策略群智能算法分别用于求解无线传感器网络的节点覆盖优化问题和灰度图像的多阈值分割问题。本项目的实施有助于推动群智能算法的理论研究与应用实践的发展。项目组共发表了相关的学术论文20篇（含已录用3篇），其中在《Information Sciences》等SCI期刊上发表了论文6篇（含4篇发表在中国计算机学会推荐期刊上），在GECCO、CEC等进化计算领域知名会议上发表了论文12篇（含8篇发表在中国计算机学会推荐会议上）。