协同进化算法及应用

采用统计学和随机过程等理论，研究协同进化算法的目标、框架、过程与动力性质，特别是有限群体下协同进化算法的收敛性分析、常规算子和特殊算子的性能分析。分析染色体编码层次的基因协同进化所形成上位遗传或基因连锁现象，研究由此产生的进化算法的困难性，探索新的进化算法的困难性的度量方法。采用理论分析与计算实验相结合的方法，对三个层次（基因、个体、子群体）协同进化的性质、算法形式和流程，以及多层次协同进化算法的形式和流程的进行研究，提出各种进化策略、特殊算子和协同处理技术的创新设计，改善进化算法求解整体优化问题的全局收敛性以及特定协同进化任务的收敛性能。将有关理论和方法应用于整体优化和机器学习领域中多模态、多目标问题的求解，以及协同进化系统的学习机制和多智能体系统的协同进化模拟问题。该项目创新性成果不仅具有很好的理论价值，也具有显著的工程和产业应用价值。对推动进化计算的理论研究和应用有重要的意义