类进化计算研究：基于可达特性分析的类进化算法理论与应用

The attainability, as a view of measuring the performance of evolution computing, can be summarized as two major properties that are the attainable ratio and attainable probability of population searching for arbitrary point in coding space driven by evolutionary operators. The preliminary study shows there is a both opposite and unified contradictory relation between the attainable ratio and attainable probability of the evolution searching operation in evolution simulation system, and this contradictory relation is the root cause of influencing the computing efficiency and reliability of the evolution algorithm. So, solving the contradiction in evolution searching operation will be the key to improve the performance of evolution algorithm. Our previous researches inspire us that creating a proper clustering structure in population can improve the coordination and control ability of the system for harmonizing the attainable ratio with the attainable probability in evolution searching operation. Consequently, the clustering evolution computing model is likely to develop into a powerful and promising computing framework. In this study, we will try to analyze the computation mechanism of evolution simulation system on the basis of attainability, explore to build the basic theory and method of the clustering evolution computing, and form a feasible computation model. Meanwhile, we will solve some key issues of generating clustering evolution algorithm in order to offer an effective and high-performance optimization algorithm for solving the economic load dispatch problem. The research findings will publish 8 SCI/EI papers，apply for one patent，and train postgraduate 1-3.

进化计算的性能可从其可达特性的角度来衡量，包括群体基于进化运算对问题空间中任意点进行搜索的可达率和达概率两个主要方面。申请人的预研究显示，此二者间存在既对立又统一的矛盾关系，且此矛盾是影响系统计算效率和可靠性的本质原因。因此如何协调此矛盾就成为了改进进化算法性能的关键。本项目组的前期研究结果启发我们，在群体中建立适当结构的类组织可有效提高系统协调和控制进化运算可达特性中矛盾关系的能力。因此基于类结构的进化计算模型具有良好的改进空间和发展前景，并具备了发展成为高性能新型计算框架的潜力。鉴于此，本研究将尝试从进化运算可达特性的角度来分析模拟进化系统的计算机理，并探索建立类进化计算的基本理论和方法，研究解决其中的若干关键问题，形成有效的类进化计算模型，同时针对电力系统经济负荷分配问题设计高性能的优化算法。相关研究成果拟发表SCI/EI论文8篇，申请专利1项，培养研究生1-3名。

大规模实际工程优化问题往往具有较复杂的结构特征，如高维、多约束、非线性以及动态性等等，这使得传统进化算法在求解此类问题过程中极易产生早熟或收敛缓慢等现象，严重影响算法的计算质量。因此，针对大规模复杂工程优化问题的算法设计成为了目前模拟进化算法研究和应用中面临的一个具有挑战性的难题。为了便于对模拟进化系统的计算机理进行分析，本项目提出了可达特性的概念，给出了可达率和达概率这两个关键指标的定义和计算方法，这为对比不同类型进化优化机制间的性能差异以及进行算法模型的完善和算子的改进提供了一个有效且直观的分析工具。在此基础上，通过对类进化计算模型的可达特性分析，我们进一步了解了类搜索优化过程的运算特性和调节规律，提出了类搜索优化算法的计算框架和控制机制，并针对电力系统运行调度以及软件测试等领域中的几种复杂优化问题进行了相关的理论和应用研究，获得了一系列前沿性的研究成果。同时，我们也对几种典型进化优化算法进行了相关的改进研究，并获得了一些有价值的进展。本项目的相关研究工作进一步丰富了进化算法的理论基础，为大规模复杂工程优化算法的设计和改进提供了新的途径和方法，同时也为电力经济负荷分配、动态电力经济调度以及组合软件测试集构造等问题的求解提供了可行且高效的算法。