项目名称：面向大规模优化问题的多信息协同进化算法

提名者：九江学院

提名意见：同意提名

提名等级: 科技成果奖一等奖

项目简介: 大规模优化问题在科学研究与工程实践中不断涌现，比如工业设计、工业优化控制、车间调度等。这些优化问题一般具有高维、非线性、不可微和多峰等特性，而且涉及成千上万决策变量，依赖传统优化方法与工程经验往往难以提供有效的求解方案。进化算法是一种借鉴和利用自然界中自然现象或生物体的各种原理和机理而开发的并具有自适应环境能力的计算方法。进化算法基于种群进行随机搜索，但也存在收敛速度慢、易于陷入局部极值和控制参数的问题依赖性等问题。本项目针对这些问题，依据目标函数值、种群分布或拓扑结构、个体邻域情况等进化环境信息，改单一的反馈为多信息的反馈，建立了多信息协同的新型进化机制，从而进一步丰富了进化计算理论基础和实践。（1）建立了多信息感知的差异协同机制。提出了差异化的协同机制，不同的信息驱动不同的模块，实现参数或进化算子的自适应调整，提高算法针对不同问题的适用性和收敛性能。受自然界雌性和雄性萤火虫启发，提出了一种求偶学习（CL）框架和基于CL框架的萤火虫算法（FA-CL）。此外，还从布谷鸟的寻巢、驱逐和乞讨行为出发，提出了三种新的学习策略以及多策略串行布谷鸟搜索算法（MSSCS）。（2）建立了多信息融合的集成协同机制。为了平衡算法的开采和勘探能力，提出了随机邻居机制，对反馈的多个信息进行融合，统一驱动，实现算法的自适应。提出了基于最优邻居的人工蜂群算法（NABC），其学习对象是当前个体随机选择的邻居中的最优个体。此外，还提出了一种基于随机邻居的差分进化变异策略，以及基于随机邻居策略的差分进化算法（RNDE）。（3）建立了多信息迁移的并行协同机制。针对大规模复杂优化问题，提出了一种基于分组机制和多拓扑迁移结构的Spark并行计算模型（SGT）。在此基础上，提出了基于SGT的差分进化算法（SgtDE），其引入多种高效的拓扑结构来执行迁移策略，使信息交流更充分，有效增强算法的并行计算性能和寻优能力。（省级成果登记号：J20240137）

代表性论文专著目录:

主要完成人情况:

第一完成人：彭虎

工作单位：九江学院

对本项目的贡献：作为项目主持人，带领项目组完成了问题建模、算法设计和仿真验证。对研究内容1（多信息感知差异协同机制）、研究内容2（多信息融合集成协同机制）和研究内容3（多信息迁移的并行协同机制）有重要贡献。

第二完成人：邓长寿

工作单位：九江学院

对本项目的贡献：参与完成了问题建模、算法设计和仿真验证。对研究内容2（多信息融合集成协同机制）和研究内容3（多信息迁移的并行协同机制）有重要贡献。

第三完成人：郭肇禄

工作单位：江西理工大学

对本项目的贡献：参与完成了算法设计和仿真验证。对研究内容2（多信息融合集成协同机制）有重要贡献。

第四完成人：吴志健

工作单位：武汉大学

对本项目的贡献：参与完成了问题建模和算法设计。对研究内容1（多信息感知差异协同机制）有重要贡献。

以上项目拟申报2024年度江西省计算机学会科学技术奖，特予公示。

公示期：2024年10月15日至2024年10月21日，公示期内如对公示内容有异议，请您向科研处反映。

联系人及联系电话：李老师，8334056

                                             科研处

                                          2024年10月15日