基于物理学原理的群体智能行为涌现机制与群体智能算法研究

Due to the limited cognitive level, mankind has yet to fully understand the internal mechanism of swarm intelligent behavior emergence, which provides a broad space for researching swarm intelligence. In order to explore the emergence mechanism of swarm intelligent behavior based on physics principles, the subject combination of biological and physical systems with self-organizing, self-learning and self-adaptiveness characteristics, bio-aggregative model and foraging model are established inspired by physics laws revealing a regular physical phenomena presented by nature. Through constructing the mapping ralationship between bio-foraging model and swarm optimization algorithm, the subject systemically researches the construction method of environmental indicators and particle state and the mapping ralationship between the two and particle states of matter, and researches how to set the physical properties set of the particle, how to construct the fitness-related properties function, the force law between particles and the property changing function under different particle states of matter. Hence, a unified framework model of swarm intelligence algorithm based on physics principle has been created, which proposes a set of design methods to swarm intelligence algorithm based on physics principle for solving optimization problems, lays the theoretical foundation for researching swarm intelligence from the physics point of view and provides a new ideas for enriching computational intelligence methods.

由于认知水平所限，人类至今仍未完全弄清群体智能行为涌现的内在机制，这为群体智能研究提供了广阔的发展空间。本课题结合生物系统和物理系统都具有自组织、自学习和自适应的特性，受物理学规律揭示自然界呈现有规律物理现象的启发，以生物群集行为和觅食行为作为研究基础，利用物理学思想和原理建立生物群集模型和觅食模型，探索基于物理学原理的群体智能行为的涌现机制；通过建立具有相似性的生物觅食模型与优化算法间的映射关系，系统研究环境指标和个体状态的构造方法以及两者与个体物态间的映射关系，研究不同物态下个体物理属性集的设置、与适应值相关属性的性质与构造方法、个体间作用力规则以及个体属性变化方程，以建立基于物理学原理的群体智能算法的统一框架模型，提出一套求解优化问题的基于物理学原理的群体智能算法的设计方法,为从物理学角度研究群体智能奠定理论基础，为丰富计算智能方法提供新思路。

本课题结合生物系统和物理系统都具有自组织、自学习和自适应的特性，抽取生物群集行为和觅食行为典型特征，建立生物群集智能行为的统一框架，通过建立具有相似性的生物觅食模型与优化算法间的映射关系，建立基于物理学原理的群体智能算法的统一框架模型，提出一套求解优化问题的基于物理学原理的群体智能算法的设计方法，以期为从物理学角度研究群体智能。.本课题主要研究了以下三部分内容：(1)将生物群体看作一个系统，采用有限状态机描述生物群集智能行为，建立了生物群集行为统一框架。采用拟态物理学方法建立了生物群集行为模型，利用Lyapunov方法证明了该群集模型的内聚性和稳定性。在此基础上，对典型的生物智能群体——蜜蜂群体采蜜过程进行建模和仿真，建立了单食物源和多食物源情况下基于电磁机制的蜂群的觅食模型；通过采用Swarm 软件和Java 语言编程实现了蜂群觅食在单食物源和多食物源情况下的仿真实验。(2)鉴于生物群体觅食与优化问题求解的相似性，提出基于拟态物理学的群体智能算法统一框架模型。引入多物态的概念以及物态划分的标准，不同物态的个体采用不同的运动规则。建立了多物态物理学优化算法一般框架。并引入环境指标，提出基于环境指标的多物态物理学优化算法，将信息熵作为全局环境指标，适应值相对密度作为局部环境指标。由环境指标引导个体物态变化和算法收敛，及时调整搜索空间中个体的分布情况，以增强算法的搜索能力。通过典型测试函数的仿真测试，说明了该算法的可行性和有效性。(3)设计了四种基于物理学群体智能优化算法，分别是一种具有预测能力的拟态物理学优化算法模型、基于可行性规则的拟态物理优化算法、多作用力规则拟态物理学优化算法、基于精英学习的拟态物理学优化算法。将这类算法应用在辊轮导槽式导向式剪切机构的优化设计、产品色彩协调设计、群机器人多目标搜索中三种实际优化问题中。.本课题的研究为从物理学角度研究群体智能奠定理论基础，为丰富计算智能方法提供新思路。