全面学习与进化细菌觅食优化方法研究

This project makes the communication & collaboration of individuals and swarms as a breakthrough to study a novel bacterial foraging optimization model& algorithm with the ability of comprehensive learning and evolution, which from the perspectives of model construction, algorithm design, application verification. Specific contents are described as follows. Firstly, based on the ideas of neighborhood topology structure and multi-swarm cooperative learning scheme individual-oriented and swarm-oriented communication & collaboration optimization model are established, respectively. Then, using system intelligence theory as a guide, we proposed the comprehensive learning and evolutionary the optimization model with emergence characteristics by analyzing the mapping relationship between complex adaptive system and system intelligence model. After that, based on the above mentioned models and extracting the evolutionary operators from the bacterial foraging activities, we present comprehensive learning and evolutionary optimization algorithm. The statistical properties analysis and performance comparisons of the proposed algorithm are also conducted. Finally, considering the economic dispatch (ED) problem with emissions in power system, we present a dynamic multi-objective environmental/economic dispatch (DMEED) model. The improved comprehensive learning and evolutionary bacterial foraging optimization algorithm is designed for such problem and followed by the experimental verification.The research findings of this project provide a new idea for the design of novel swarm intelligence optimization algorithms. It also expands the theory and practice of the bacterial foraging optimization, which is of great important academic values and innovative significance.

本项目以个体、群体交流协作机制为突破口，从模型构建、算法设计、应用验证等方面系统研究了具有全面学习与进化功能的新型细菌觅食优化模型与算法。具体内容包括：基于领域拓扑结构模式与多群体协同进化思想，分别建立了面向个体与群体学习与进化的交流协作优化模型；以系统智能理论为指导，分析了复杂适应系统与系统智能模型的映射关系，从而提出具有系统涌现特征的全面学习与进化优化模型；以构建的模型为基础，抽取细菌觅食活动过程中各类进化操作算子，提出全面学习与进化细菌觅食优化算法，并对其进行统计特性分析与性能对比实验；最后，针对电力系统中考虑排放的经济调度问题，构建了动态多目标环境经济调度模型，设计了面向该类问题的扩展全面学习与进化细菌觅食优化算法，并进行应用验证。该研究为设计群体智能优化算法提供了新思路，研究成果拓展了细菌觅食优化理论与实践，具有重要学术价值与创新意义。

本项目从生物行为启发的角度，聚焦细菌觅食优化算法信息交流机制体现不足的问题，以交流协作为动力机制，构建具有全面学习与进化能力的菌群优化算法，并应用于复杂环境下的多目标环境经济调度工程实践。研究的主要内容有：（1）为了实现个体间的交流与协作，采用静态拓扑结构和动态拓扑结构，提出了面向个群学习与进化的新型菌群优化算法，实验结果表明， 基于拓扑结构的改进算法不管是在收敛精度还是收敛速度都要优于原始的细菌觅食优化算法，此外，在多数实验中具有动态拓扑结构的菌群优化算法要优于静态拓扑结构的菌群优化算法（2）采用多群体协同进化理论，分别设计了竞争型群体学习模型与协作型群体学习模型，并以此为基础，以复杂适应系统理论为指导，从而提出了具有全面学习能力新型菌群优化算法； （4）综合运用健康排序方法、Pareto占优机制、信息交流机制和主-从多群体模型，提出了具有全面学习能力的多群体多目标菌群优化算法。实验表明该算法能够找到具有更好分布特性的解，并且搜索精度较高，在解决比较复杂的问题时，能够找到更接近真实Pareto前端的解。（5）进一步考虑了现实问题多变量、非线性、强约束、多目标的特征，将提出的多群体协同多目标菌群优化算法应用于电力系统环境经济调度问题，与其它算法的对比结果验证了其有效性与可靠性；本课题引入全面学习与进化模型，将群体智能研究平面结构拓展到立体多层次结构，以实现信息交流的多层次性多样性，相关研究成果进一步提升群体智能优化理论的内涵与外延。本项目执行期间出版学术专著1部（合著），发表学术论文46 篇，其中，SCI论文20篇(含4篇待检索)，EI论文26篇（含3篇待检索）。组织学术分会5次，大会口头报告13次，获得国际会议最佳论文奖及专题论文奖各1项，国内会议优秀论文奖1项。培养硕士研究生9人（其中7人已毕业、2人即将毕业）。