进化计算理论及应用-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

进化计算理论及应用

项目名称：进化计算理论及应用
项目类别：国家杰出青年科学基金
批准号：61125205
申请代码：F020107
项目来源：国家自然科学基金
研究期限：2012-01-01-2015-12-31

项目负责人：张军
负责人职称：教授
依托单位：中山大学
批准年度：2011

中文摘要：

围绕进化计算的基础理论、算法设计和实际应用开展创新性研究。提出了进化计算的收敛成熟状态感知模型，为实现进化计算的参数和模型自适应提供了有力工具；提出了将优化目标依据功能进行剖分的方法，设计了进化计算并行化的协同进化和信息自适应迁移策略，提高了求解大规模问题的速度和精度；给出了粒子群优化和蚁群优化算法解空间拓展的有效途径，为解决同时具有连续和离散解空间的优化难题提供了新思路。基于上述研究成果将进化计算应用于电路设计、传感器网络等实际领域，提高了求解应用优化问题的性能和效率。通过产学研合作，已应用于中兴通讯网络优化项目和香港Autotoll公司物流优化项目。近五年来，共发表和录用论文70篇（SCI收录25篇，IEEE Trans.系列国际期刊论文15篇（长文14篇））；已受理发明专利5项（授权2项）；担任IEEE Trans. on IE副编辑；获2009年教育部自然科学一等奖（排名1）。

中文主题词：进化计算；智能计算；；；

英文摘要：

evolutionary computation；computational intelligence；；；

英文主题词： evolutionary computation；computational intelligence；；；

结论摘要：

现实世界中存在着大量优化问题，进化计算已逐渐成为解决复杂优化问题的重要途径。然而进化计算在描述其进化过程的理论研究仍相对匮乏，在动态时变的优化问题时算法的效率仍存在不足，因此进化计算的理论与应用发展仍存在重大的挑战。围绕这一国际前沿热点，本课题开展进化计算的理论与应用研究，取得的主要成果包括 1. 在进化计算的收敛过程与理论研究方面，提出了基于种群分布特性分析进化计算收敛过程特点的方法，为描述算法的收敛过程提供了依据；提出了将生物界的进化衰老理论与进化计算相结合的方法，从新的角度解释了进化计算的搜索多样性问题并提高了算法的效率；在资源约束优化领域提出了基于对偶点的编码新策略，在多目标优化领域提出多种群及保存多层档案的新型进化计算方法，提高了进化计算求解相应问题的优化效率和求解精度。相关成果分别发表在IEEE Trans. on Evolutionary Computation及IEEE Trans. on Cybernetics等国际期刊及进化计算领域的重要国际会议上。 2. 在基于机器学习技术的进化计算方法与框架研究方面，结合机器学习技术及进化计算的收敛过程状态，建立了基于机器学习技术的进化计算方法框架，实现了对粒子群优化、差分进化计算等多种进化计算方法的参数与执行策略自适应，有效地提高了算法的效率，成果发表在IEEE Trans. on Cybernetics等国际期刊及重要国际会议上。 3. 在进化计算的应用研究方面，基于进化计算理论研究成果，将进化计算方法应用于物联网、功率电路、网络设计和软件工程管理等实际优化问题，提高了相关问题的求解性能，成果发表在IEEE Trans. on Power Electronics、IEEE Trans. on Software Engineering等刊物中。围绕本课题的研究工作，课题组共发表ACM或IEEE Trans.系列国际期刊论文17篇（含已接收3篇），其他国际期刊和国际会议论文51篇，申请国家发明专利12项。课题共培养研究生取得学位20人，其中博士生1人获得了IEEE计算智能学会优秀博士学位论文，2人获得了中国计算机学会CCF优秀博士学位论文奖。借助本课题承办了IEEE暑期学校等多项国际学术活动，并协助成立了ACM广州分会，促进了国际交流，为进一步开展国际学术合作奠定基础。

成果综合统计