面向动态约束优化问题的进化算法:设计、分析与应用

Dynamic constrained optimization problems (DCOPs) are frequently encountered in the real-world applications, however, at present very few attempts have been made to investigate this kind of problems in the field of evolutionary computation. This project aims at studying on evolutionary algorithms (EAs) for DCOPs extensively, in order to overcome the limitations and deficiencies of the current research. This project will mainly focus on the design, analysis, and applications of EAs for DCOPs, and include the following five aspects. Firstly, since there are few test instances for DCOPs, we will design a set of standardized dynamic constrained optimization test instances, which can resemble real-world problems. Secondly, we will design some novel and effective EAs to solve DCOPs. Thirdly, some suitable performance indicators will be designed, in order to guarantee a fair and all-around comparison between different EAs when solving DCOPs. Fourthly, we will analyze the convergence property and convergence speed of EAs for DCOPs, with the aim of establishing the theoretical foundation of this field. Finally, applying the developed EAs to deal with the DCOPs in telecommunication systems and software engineering is also one part of this project. The fruits of this project will enlarge the field of evolutionary computation and further facilitate the development of evolutionary computation. Meanwhile, this project has a very important practical significance, since there are a lot of DCOPs in the real-world engineering applications.

动态约束优化问题在实际应用中十分常见，但在进化计算领域，目前此类问题很少受到研究人员的关注。本项目拟对面向动态约束优化问题的进化算法展开全面研究，以突破当前研究的局限和不足。本项目将围绕设计、分析与应用这一主线展开，主要包含以下五个方面：1）目前针对动态约束优化问题的测试函数还十分匮乏，拟设计能够体现实际动态约束优化问题特征的标准测试函数集；2）设计能够有效求解动态约束优化问题的进化算法；3）为了客观、全面地比较各种求解动态约束优化问题的进化算法，将设计合理的性能比较准则；4）分析进化算法求解动态约束优化问题的收敛性和收敛速度，完善其理论基础；5）将所设计的进化算法应用于求解电信系统和软件工程中的动态约束优化问题。本项目的研究成果将拓展进化计算的研究领域，进一步促进进化计算研究的发展。由于实际工程应用中存在着大量的动态约束优化问题，所以本项目还具有十分重要的实际意义。

本项目对面向动态约束优化问题的进化算法展开全面研究，主要研究内容包括如何提高进化算法的搜索性能、如何基于进化算法求解动态约束优化问题，如何展开理论分析与实际应用。经过四年研究，取得以下研究成果：.1. 在提高进化算法的搜索性能方面：首次在差异进化算法中采用协方差矩阵学习建立特征坐标系，并提出了服从双峰分布的参数设置；通过采用协方差矩阵自适应调整的方式，将群体的累积分布信息应用于建立特征坐标系，提出了一种基于群体累积分布信息的差异进化框架；研究了差异进化算法变异算子中个体选择方式对性能的影响；提出了一种进化算法集成，将组合差异进化算法和协方差矩阵适应性进化策略有机结合起来。.2. 在动态约束优化方面：通过将目标函数信息融入到可行性准则中，实现了目标函数和约束条件的均衡，所提出的算法在两套测试函数集上取得了优异的整体性能；提出了一种新的约束优化进化算法，该算法采用差异进化算法的多种变异算子产生子代个体，并设计了一种基于存档的适应性均衡模型。.3. 在非线性方程系统和多模态优化问题求解方面: 创造性地建立了一套全新的基于多目标优化的适应值转换机制。不同于以往的工作，该转换机制将一个非线性方程系统/多模态优化问题转换为一个双目标优化问题，其优越性主要体现在以下两个方面：1）非线性方程系统/多模态优化问题的最优解是转换后问题的Pareto最优解；2）多目标进化算法可被直接应用于求解转换后的问题，达到了同步定位多个最优解的目的。.4. 在理论研究方面：对基于多目标优化的约束处理技术求解背包问题的求解质量展开了理论分析；分析了(1+1)-进化算法求解多处理器调度问题的收敛速度。.5. 在实际应用方面：提出了一种结合偏最小二乘模型信息的粒子群优化算法，并应用于化学计量学中的最优描述符子集选择；构建了基于实际数据的车辆路径问题的多目标优化模型，接着提出了两种有效的求解算法。.整体而言，本项目在理论分析、算法设计、实际应用方面取得了显著进展。