基于复杂系统层次演化的蜂群优化模型与算法及在微网能量调度中的应用

Utilizing the evolution pattern and learning mechanism of complex biological systems in nature to construct efficient swarm intelligent evolution model and optimization methods is an important research issue in the field of artificial intelligence. And by using the hierarchical evolution pattern based on individual, population and community of bees, abstracting the typical swarm-based behaviors and cooperative learning mechanism of bee-colony ecological system to construct new model and new methods, which can efficiently solve complex engineering optimization problems, is an effective way to solve this issue. Hence, this project will give basic theoretical research on the multi-level behavior of dynamics and evolution law of bee ecological system defied and driven by the complex system, which contains: through the hierarchical co-evolution concept, a hierarchical complex bee-based system model is constructed; by the optimal foraging strategy and local search techniques, a series of efficient bee colony optimization algorithms are elaborately designed; the impacts of the group size and biological network topology on the proposed algorithm are studied in detail, such as the convergence speed, the search precision and the balance of exploration & exploitation; the micro-grid energy scheduling problems are modeled and resolved, and the effectiveness and feasibility of the new model and methods are validated. Hence, the research will enrich the existing theory of swarm intelligence to a certain extent, and also provide the theory and method of intelligent decision for improving the running efficiency of the micro-grid and the utilization rate of renewable energy.

利用自然界复杂生物系统的进化机制与学习机理构建高效的群体智能演化模型与优化方法是人工智能领域的重大研究问题，而通过借鉴蜜蜂个体、群体及群落的多层次演变过程，抽取蜂群生态系统典型的群体行为模式与协同学习机制，以此为基础构建能够高效求解复杂工程优化问题的新模型、新方法是解决这一问题的有效途径。为此，本项目对复杂系统限定和驱动的蜜蜂生态系统的多层次行为动力学与演化规律进行基础科学研究，具体包括：引入复杂系统层次演化思想，构造具有层次结构的蜂群复杂系统优化模型；借鉴最优觅食策略及局部搜索技术，设计高效的蜂群优化算法；研究群体规模、生物网络拓扑对算法收敛速度、搜索精度及均衡性的影响；通过对微电网能源调度的建模与求解，验证新模型、新方法的有效性与可行性。本项目的研究成果将在一定程度上丰富现有的群体智能理论，并为提高微电网系统运行效率及可再生能源利用率提供智能决策理论与方法。

利用自然界复杂生物系统的进化机制与学习机理构建高效的群体智能演化模型与优化方法是人工智能领域的重大研究问题，而通过借鉴蜜蜂群体的多层次演变过程，抽取蜂群生态系统典型的群体行为模式与协同学习机制，以此为基础构建能够高效求解复杂工程优化问题的新模型、新方法是解决这一问题的有效途径。另一方面，对于应用对象，微电网工程系统的规模、复杂性日益增大，其能量调度优化建模大多基于大量假设或理想化条件，这种简化模型不能够完全反映对象系统的本质，从而也制约了系统的有效应用。..为此，本项目对复杂系统限定和驱动的蜜蜂生态系统的多层次行为动力学与演化规律进行基础科学研究，基于微电网仿真模型构建了微电网能量调度模型， 基于社交网络影响最大化问题准则提出了三度影响传播评估模型，设计了多目标优化算法进行模型求解。具体研究内容包括：1）引入复杂系统层次演化思想，构造具有层次结构的蜂群复杂系统优化模型；借鉴最优觅食策略及局部搜索技术，设计高效的蜂群优化算法；2）基于蜂群层次演化框架，结合Pareto非支配关系与Indicator指示器的搜索优势，提出了双引擎协同的多目标蜂群优化算法，提高多目标解集的收敛性与多样性；3）建立了MT（微型涡轮机）驱动的热电联产微电网仿真模型系统，提出了满足微电网经济运行和环保的双重优化模型；4）基于三度级联模型，引入同层传播影响准则，提出了三度影响传播评估模型，提高传播模拟的精确度与参数估计的可靠性。..本项目将复杂系统理论、群体智能、蜂群生物学进行交叉研究，提出一整套的描述蜂群智能行为与进化的优化方法，从而为微电网能量调度、社交网络影响最大化等问题提供了一系列高效的智能算法。本项目的研究成果将在一定程度上丰富现有的群体智能理论，并为提高微电网系统运行效率及可再生能源利用率提供智能决策理论与方法。