群体智能计算模式的统一性与多样性研究

群体智能是一种有效模仿自然界各类运行机制的优化计算理念，其计算模式体现了继承与创造、确定与随机、必然与偶然耦合交融的多样性演化特征。本课题从自然辩证的哲学视角思考并探讨群体智能计算模式的统一性与多样性的关系，归纳提炼群体智能的统一计算原理与分析框架，识别获取群体智能的关键表达要素，对其中蕴含的典型行为元分别进行形式化描述与动力学建模，分析仿真行为元的运动特性及群体行为的形成机理，并通过计算仿真预测群体的行为；回归自然生态系统，从中提炼有益的科学法则与计算理念，提出新型的生态群体智能计算模式，并基于经典函数的数值优化问题对其进行系统性的计算仿真、特性分析及参数动态优化研究，验证并优化群体智能的统一计算与分析框架。

本项目针对智能化方法研究热点，从哲学的角度思考、提炼群体智能的基本理念，自然辩证地研究群体智能的统一计算原理及其多样性拓展方法，从统一性框架建模、典型行为建模与分析、算法创新与应用拓展三个方面展开深入研究，获得了一定的具有普适性与推广价值的创新性研究成果。.（1）在统一性框架建模方面，对群体智能所属范畴自然计算研究进展进行了系统的综述，将自然计算按照研究分支进行合理划分，并对众多算法实例进行了整理归类；提出了群体智能计算模式的统一性理念，给出了群体智能的统一性计算分析框架、计算模式总体分层框架以及各类具体实现算法的统一流程框架；针对约束优化问题，系统研究了基于文化特征的进化约束处理技术，建立了基于问题特征的约束处理技术统一框架和基于解特征的约束处理技术统一框架，并提出了两种有效的约束处理新方法—CCHF，DCHM。（2）在典型行为建模与分析方面，对群体智能算法进行了系统性的理论分析工作，提出了一种群体动态效能评价体系；系统分析了影响群体寻优效率和优化性能的探索与开发两种行为（能力）之间的关系，建立了一种用于量化平衡协调探索与开发的近似度量；进行了群体智能模块化设计方法与性能分析研究，对其中典型的体现创造性和偶然特征的随机行为、迁移行为和变异行为等进行了系统性的建模与仿真分析，并从概率分析的角度对其影响特性进行了理论分析。（3）在算法创新及应用拓展方面，基于黑箱优化仿真平台，进行了群体智能算法创新与改进，提出了一种新型的生态群体智能算法—贻贝群漫步优化（MWO），在对现有智能算法分析的基础上，研究设计了几种高效的改进型算法以及混合式算法—MACS，RW-MWO，DSA，BPSO，HBBOGA；并进行了群体智能算法的应用拓展，用于智能电网与制造系统等领域的实际复杂优化问题求解。.项目组共出版专著1本，发表学术论文30篇（其中SCI收录11篇），培养研究生6名，并获多项后续项目支持。