基于群体智能的复杂优化问题研究及其在科学工作流中的应用

More and more optimization problems with increasing complexity are arising with the development of society and science. The current optimization methods for these complex optimization problems cannot meet the requirements. Researching on optimization techniques for complex optimization problems has important theoretical significance and widespread application value. The high-efficiency swarm intelligent algorithms for complex optimization problems will be investigated. In order to address the disadvantages of the auxiliary function methods for the differential multimodal global optimization problems over low stability and hard to solve high-dimensional problems, we will investigate the construction methods of novel auxiliary functions with better properties and the design methods of novel high-efficiency algorithms combining swarm intelligent techniques. For nondifferential global optimization problems, novel intelligent algorithms with the new effective search technique based on auxiliary functions will be developed. Constrained multiobjective optimization problem is another main branch of complex optimization problem. To date, it is lack of constraint handling methods for this kind problems. We expect it to mine useful information from infeasible solutions and make efficient utilization to build constraint handling method and searching operator. More important, we expect it to increase the effectiveness of the swarm intelligent algorithms for constrained multiobjective optimization problems. Finally, the above mentioned swarm intelligent algorithms will be employed to solve the key optimization problems in scientific workflow management systems.

随着社会和科学技术的发展，复杂优化问题日益增多，而现有的优化方法已不能满足人们的需求，研究复杂优化问题的优化技术具有重要的理论意义和广泛的应用价值。本项目基于群体智能算法，针对求解多峰可微全局优化的辅助函数法稳定性不高和难以求解高维问题的缺陷，研究新型且更高效的辅助函数的构造方法以及与群体智能技术相结合的新型高效搜索技术，对不可微问题利用辅助函数思想设计新型高效的搜索技术和智能优化算法高效的搜索策略；约束多目标优化是复杂优化问题中的另一热点课题，存在已有研究成果较少且约束处理技术缺乏等缺陷，本项目拟通过利用聚类技术对不可行解进行挖掘和利用，设计更适用于约束多目标优化问题的约束处理技术，并根据新的约束处理技术设计新的搜索算子，以提高约束多目标优化算法的搜索效率。最后，将上述研究成果应用到科学工作流管理系统的关键优化问题中，以体现和验证对复杂优化问题研究的价值。

许多优化问题随着社会和科学技术的发展变得越来越复杂，现有的优化方法已无法有效地对其求解，研究复杂优化问题的优化技术具有重要的理论意义和广泛的应用价值。本项目基于群体智能算法，研究了复杂约束多目标优化问题的求解算法，提出了一类通过利用支配聚类来挖掘和利用不可行解的约束多目标进化算法，并在算法中设计了高效的搜索算子，通过实验验证了算法的有效性；研究云环境下的大数据可靠存储，通过分析云存储过程，充分挖掘和利用日志信息提出了可靠性量化方法，并建立了约束多目标可靠存储优化模型并设计了求解算法，并提出了将数据文件预处理技术与算法相结合的求解方法，实验验证了模型和求解方法的有效性；研究了科学工作流系统中的数据管理，基于数据依赖关系建立了中间数据存储优化模型并基于关键路径的设计了求解算法，实验验证了新算法的有效性；研究了复杂数据的分析和挖掘，提出了一类基于进化多目标优化的智能拟合方法，通过设计了一种卷积神经网络算法分析眼科手术术后时序图像来对术后并发症进行自动评估，并将该算法进一步扩展并于深度学习方法相结合开发了眼科疾病自动诊断系统，临床试验初步验证了方法的有效性。本研究为智能方法的进一步研究和应用奠定了坚实的基础。项目资助发表学术论文8篇，其中SCI期刊论文5篇。培养博士/硕士研究生10名，其中5名已取得博/硕士学位，5名在读。项目研究达到了预期目标。