融合粒子群优化和差分进化的混合智能算法研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

融合粒子群优化和差分进化的混合智能算法研究

项目名称：融合粒子群优化和差分进化的混合智能算法研究
项目类别：地区科学基金项目
批准号：60962006
申请代码：F010406
项目来源：国家自然科学基金
研究期限：2010-01-01-2012-12-31

项目负责人：高岳林
负责人职称：教授
依托单位：北方民族大学
批准年度：2009

中文摘要：

本项目主要内容有（1）对粒子群优化和差分进化的动态机理和寻优特点以及收敛性做深入分析与研究，开展这两个算法的自适应控制参数研究.（2）开展把模拟退火、免疫、蚁群、混沌等算法的优点融合于粒子群优化和差分进化的混合智能算法研究.（3）针对约束优化问题,把改进的粒子群优化、差分进化与罚函数法、分支定界法相融合，构造出具有确定性方法收敛特点又有进化算法群智能特点的全局优化混合智能算法.（4）针对非线性混合整数约束优化问题，研究约束违反度量函数构造和建立整数变量的有效处理规则以及混合编码技术，构造出混合智能优化算法.（5）针对多目标优化问题,构造优良的适应度函数和高效的Pareto 占优种群选择规则,提出多目标优化问题的融合粒子群优化和差分进化的混合智能算法. 本项目研究具有良好的理论价值和应用前景，可以解决经济与管理、图象处理与模式识别、数据挖掘与信息处理、生物计算等领域中的优化问题和相关问题.

中文主题词：智能计算；粒子群优化（PSO）；差分进化（DE）；非线性优化；多目标优化

英文摘要：

Intelligent Computing；particle swarm optimization；differential evolution；nonlinear optimization；multi-objective optimization

英文主题词： Intelligent Computing；particle swarm optimization；differential evolution；nonlinear optimization；multi-objective optimization

结论摘要：

本项目组全体成员严格按照基金委批准的《资助项目计划书》，认真开展科学研究，按时提交研究进展报告；通过三年的研究，已经完成了各项研究工作，基本实现了预期研究目标。取得的研究成果不仅具有理论意义，而且还有应用和推广价值。项目主要研究了以下内容（1）研究了粒子群优化和差分进化的动态寻优特点，由此展开自适应参数的构造研究和优化模型的改进研究，以提高算法的优化性能. （2）研究了如何把其它方法的优点融合于粒子群优化和差分进化之中，提出了基于粒子群优化或者差分进化的混合智能算法. （3）建立约束违反评判个体优劣机制，提出了若干约束优化问题的改进粒子群优化算法和差分进化算法. （4）建立整数编码的处理机制和混合编码技术，提出了非线性混合整数规划问题的基于粒子群优化或者差分进化的协同进化算法. （5）针对多目标优化问题,构造优良的适应度函数和Pareto 占优种群选择规则,建立合适的分散度和收敛度评价方法，提出多目标智能进化算法。（6）给出了三类非凸优化问题的全局优化分支定界算法. （7）在研究把其他算法的优良策略融合到PSO和DE算法的过程中，也对这些算法的应用展开研究，如和声搜索算法、分布估计算法、分支定界算法、文化算法、免疫克隆算法等，提出了几个可行的基于它们的的智能算法. 在本项目的资助下，积极开展学术交流活动，锻炼了队伍，对研究生培养也起到重要作用。

成果综合统计