模擬生物群體智能的優(yōu)化方法及其應(yīng)用研究.pdf

1、生態(tài)系統(tǒng)是人類科學(xué)創(chuàng)新的靈感源泉，自然界生物智能行為是人工智能學(xué)科研究的起源、進(jìn)化歷程和最終歸宿。大自然中的生命個(gè)體完美而精妙，由個(gè)體組成的群體更是絢爛多姿:鳥群在沒有集中控制的情況下能夠同步飛行;一群看似簡單的蜜蜂，卻能造出精美的蜂巢;最低等的單細(xì)胞生物細(xì)菌，可以在一個(gè)迷宮里找到最短路徑，或以高效的方式連接不同的食物陣列，而且不會(huì)出現(xiàn)故障容差。可見，在自然界漫長的發(fā)展進(jìn)化過程中，各種生命形式經(jīng)過殘酷的優(yōu)勝劣汰，最終能夠生存下來的自然生

2、物，均具有非凡的生存能力和智慧。因此，研究者受生物系統(tǒng)在應(yīng)對(duì)復(fù)雜環(huán)境時(shí)表現(xiàn)出的魯棒性和自適應(yīng)性所啟發(fā)，提出許多模擬生物行為的計(jì)算模型與算法以解決復(fù)雜工程優(yōu)化問題。這些基于生物行為的智能優(yōu)化方法具有應(yīng)用范圍廣泛、優(yōu)化性能高效、無需問題特殊信息、魯棒性強(qiáng)等優(yōu)點(diǎn)，已在諸多實(shí)際應(yīng)用領(lǐng)域展現(xiàn)出巨大的發(fā)展?jié)摿Α?br>　　本文從概念、性質(zhì)、模型、方法等多角度對(duì)幾種模擬自然界群體智能的生物啟發(fā)式計(jì)算方法進(jìn)行了深入研究，結(jié)合當(dāng)前生物啟發(fā)式計(jì)算研究中的熱

3、點(diǎn)、難點(diǎn)和關(guān)鍵問題，從理論和工程應(yīng)用兩方面進(jìn)行了群體智能優(yōu)化算法的深刻研究，取得了諸多具有創(chuàng)新性和應(yīng)用價(jià)值的研究成果，具體如下:
　　(1)基于蜂群行為的蜂群算法改進(jìn)研究與應(yīng)用
　　在分析基本蜂群算法不足的基礎(chǔ)上，提出離散版本的蜂群優(yōu)化算法(BABC)和基于信息交流結(jié)構(gòu)的蜂群優(yōu)化算法（TABC.V）。其中，BABC算法填補(bǔ)了蜂群算法求解離散優(yōu)化問題的研究空白;TABC.V通過將信息交流拓?fù)浣Y(jié)構(gòu)嵌入到基本蜂群算法中，顯著提高了

4、蜂群算法的優(yōu)化性能。通過離散和連續(xù)函數(shù)測試，驗(yàn)證了兩種改進(jìn)算法具有能夠高效求解優(yōu)化問題的能力，克服基本蜂群算法的早熟收斂現(xiàn)象。將BABC算法與TABC.V算法分別應(yīng)用在了背包問題的求解和神經(jīng)網(wǎng)絡(luò)訓(xùn)練問題上，仿真實(shí)驗(yàn)表明兩種蜂群算法具有優(yōu)秀的工程優(yōu)化問題求解能力。
　　(2)基于協(xié)同進(jìn)化理論的多群體共生進(jìn)化優(yōu)化模型研究與應(yīng)用
　　將協(xié)同進(jìn)化理論與自然界生物共生現(xiàn)象相結(jié)合，提出了一種基于共生模式的多群體協(xié)同進(jìn)化優(yōu)化模型。將標(biāo)準(zhǔn)粒

5、子群算法嵌入到多群體協(xié)同進(jìn)化模型中，提出了一種多群體共生協(xié)同進(jìn)化粒子群優(yōu)化算法(MSPSO)。根據(jù)三種典型的共生模式，提出了三個(gè)版本的MSPSO算法:MSPSO.C、MSPSO.P和MSPSO.M。仿真實(shí)驗(yàn)表明，MSPSO算法能夠在保持種群多樣性的同時(shí)，迅速收斂到問題的全局最優(yōu)解，具有求解復(fù)雜工程優(yōu)化問題的潛力。將MSPSO算法應(yīng)用于求解大規(guī)模RFID網(wǎng)絡(luò)的讀寫器調(diào)度問題?；?個(gè)不同規(guī)模RFID網(wǎng)絡(luò)的仿真研究表明，MSPSO算法在求解

6、較大規(guī)模RFID網(wǎng)絡(luò)調(diào)度問題時(shí)相比粒子群和遺傳算法表現(xiàn)出了明顯的優(yōu)勢，能夠高效求解復(fù)雜工程優(yōu)化問題。
　　(3)基于最優(yōu)覓食與社會(huì)學(xué)習(xí)理論的菌群優(yōu)化算法研究與應(yīng)用
　　在現(xiàn)有細(xì)菌優(yōu)化算法模型的基礎(chǔ)上，引入了細(xì)菌自適應(yīng)覓食機(jī)制和群體感應(yīng)機(jī)制，提出了菌群覓食優(yōu)化算法(BCF)。將BCF算法應(yīng)用于求解新型合成函數(shù)優(yōu)化問題，并與其它傳統(tǒng)的群體智能優(yōu)化算法進(jìn)行了性能研究，結(jié)果表明BCF具有復(fù)雜函數(shù)優(yōu)化問題求解能力。將BCF算法應(yīng)用于數(shù)

7、據(jù)挖掘的聚類分析問題，研究了基于BCF的聚類分析算法在典型數(shù)據(jù)集聚類方面的表現(xiàn)，試驗(yàn)結(jié)果表明基于BCF的聚類分析算法與現(xiàn)有成功的生物啟發(fā)式算法相比具有更快的收斂速度，而且聚類品質(zhì)較高。
　　綜上所述，本文利用生物學(xué)蜜蜂種群、細(xì)菌群體以及協(xié)同進(jìn)化理論的最新研究成果，從生物建模、算法設(shè)計(jì)、理論分析和工程應(yīng)用四個(gè)層面對(duì)基于生物行為智能算法的理論與應(yīng)用展開研究。在生物建模方面，對(duì)生物個(gè)體行為、群體交流模式和多種群協(xié)同進(jìn)化進(jìn)行抽象、建模與仿

8、真;在算法設(shè)計(jì)方面，通過模擬多種生物智能行為，產(chǎn)生一系列新型智能優(yōu)化算法;在理論分析方面，深入研究算法的多樣性保持策略、兼顧全局與局部搜索的均衡策略以及算法參數(shù)自適應(yīng)優(yōu)化策略，克服早熟收斂、收斂精度差等問題;在工程應(yīng)用方面，本課題對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練、RFID網(wǎng)絡(luò)調(diào)度以及聚類分析等實(shí)際生產(chǎn)過程中廣泛應(yīng)用的復(fù)雜工程優(yōu)化問題進(jìn)行深入研究并建立相應(yīng)的優(yōu)化模型，通過模型求解分析所提出方法的有效性和可行性。
　　論文的研究成果將深化和豐富已有的計(jì)