新型动态自适应粒子群优化算法的研究

对粒子群优化算法（Particle Swarm Optimization）的搜索性能进行研究，将单目标优化中表现优越的动态自适应小型拓扑结构引入多目标粒子群优化。在前期研究中，发现现存的多目标粒子群优化算法中的粒子历史信息更新方法存在一定问题，因此提出新的更新方法，初步试验结果表明新的更新方法在双目标优化问题上可以进一步提高优化结果的收敛性和延展性。再通过使用新的线性复杂度排序方法，本项目将设计高性能并能够快速解决较多目标数的多目标优化问题的新型多目标粒子群优化算法。并在此算法基础上，通过对多全局解优化问题（Multi-global Optimizaiton）向多目标优化问题的转化，构建能够自适应解决多类不同优化问题的全能粒子群优化算法。最终将研究出的新型粒子群优化算法应用于生物医学工程领域的优化问题。

本项目的目标是对粒子群优化算法的搜索性能进行研究，构建能够解决多类不同优化问题的新型粒子群优化算法，最终将研究出的新型粒子群优化算法应用于实际优化问题。本项目从针对多峰值优化问题的新型优化算法、新型多目标优化算法、新型单目标优化算法、针对约束条件优化算法等方面进行了研究，构建了适合不同类型问题的多种优化算法，并将这些新型算法成功应用于生物医学、路径规划、流水线调度、环境/经济调度、投资组合优化、图像分割等实际问题，取得了一些有意义的研究成果。并基于对优化算法和实际优化问题的深入研究，提出了新的标准测试函数，构架了新的标准测试平台。本项目执行期间共发表学术论文36 篇（包括已录用2篇），其中期刊文章11篇，会议论文25篇。其中，SCI收录10篇，EI收录22篇。撰写技术报告1份。项目组在国际会议上组织分会4次，做口头报告10次。