高效自适应小生境文化基因算法及其应用研究

As optimization problems continuously emerging from various fields, constructing competent and robust evolutionary algorithms, which can automatically, effectively and efficiently solve the problems, has become an urgent while rather challenging topic. In this proposal, we systematically study the components of evolutionary algorithms, and propose a set of effective theories, methods as well as a relevant model to improve the performance and robustness of the algorithms, thereby achieving competent and adaptive niching memetic algorithms. The proposal will mainly study and design competent niching methods, supportive co-evolution model, supportive co-evolution model based adaptive recombination operation and local search control, adaptive parameter control using global and local information of the population, individual-based competitive and adaptive recombination operation and local search control. The resulting algorithms will be applied to address real-world optimization problems, e.g., dynamic and static data clustering. Such a proposal will extend the connotation and denotation of evolutionary computation at the theoretical level, and propose efficient, effective and robust evolutionary algorithms at the method level, while significantly enhance the capability of NP-hard problem solving at the application level. Along with important findings in theories, methods and applications, the proposal is able to significantly advance the current research of evolutionary computation.

面对不断涌现的优化、搜索问题，构建高效且具普适性的演化计算对其进行自动、快速、有效求解已成为迫切需求，但如何实现极具挑战性。本项目拟对演化算法的部件方法展开研究，给出一套有效的理论、方法以及相关模型，旨在探索其与算法性能及普适性的关系，实现高效自适应小生境文化基因算法。拟重点研究和设计高效小生境方法、支撑性共演化模型、基于支撑共演化模型的演化操作和局部搜索自适应控制、基于全局和局部信息的参数控制、基于个体的演化操作和局部搜索竞争自适应控制，并利用这些新的理论方法求解动态、静态划分聚类等问题。本课题的研究将在理论层次上拓展演化计算的内涵与外延；在算法层次上提出快速、有效且具鲁棒性和普适性的演化计算方法；在应用层次上增强对NP-难题的自动、快速、有效求解能力，从而在理论、方法和应用上形成有重要意义的研究成果，切实提升现有演化计算研究水平。

随着优化、搜索问题的涌现，如何对这些问题进行快速、有效求解已成为迫切需求。演化计算是解决优化问题的热门方法，然而演化算法的性能取决于其部件方法的使用及其参数的设置。这些操作及其参数的设置与算法的运行状况及其解决的具体问题相关，使得如何设计进化算法来快速、有效给出问题解极具挑战性。项目组在归纳现有研究成果基础上，从多角度对演化计算进行了分析，凝练出其存在的一系列需解决的问题，包括如何设计和使用合适的操作并为其设置合适的参数值，如何设计和使用局部搜索操作来提升算法的运行效率以及如何设计和使用小生境机制来增强演化算法的搜索效果等等问题。针对上述问题，结合项目组已有的研究成果，拟定了切实可行的研究方案。经过项目组的努力，已得到了成功的实施，发表了40余篇高水平论文，其中包括中科院1区论文10余篇。该项目的成果，可显著改进演化算法的性能并拓展其应用领域。