基于复杂系统涌现机制的菌群优化方法研究及其在立体仓库调度中的应用

It is an important approach to build heuristic models and algorithms from nature phenomenon in optimization field. Bacterial optimization is a good choice as bacteria are simple in individual level, but complex in the swarm level. They show intelligence phenomena such as chemotaxis, quorum-sensing, cooperation and antagonism. However, existing bacterial algorithms are barely satisfactory due to they only simulate the chemotaxis phenomenon. In this project, we will build the bacterial optimization model, and propose several bacterial optimization algorithms. In these algorithms, multi-level aggregation, nonlinear relationship and diversity maintenance will be considered. Research contents include: (1) modeling and simulation to the intelligent behaviors of bacterial; (2) designing bacterial optimization algorithms based on emergence mechanism; (3) application and validation to the algorithms on scheduling optimization of automatic storage/retrieval system. The significance of this project lies in: It will help us understand the artificial intelligence and natural computation better by analyzing and modeling the behavior of bacteria. It will extend the application range of biological heuristic algorithm by improving its optimization ability on discrete, multi-objective and multi-constrained problems. It could apply theory into practical via application and verification of the algorithms on complex engineering problems.

从自然界的智能现象出发，来构建启发式优化模型与算法，一直是优化领域的重要途径。细菌个体简单，但群体能表现出趋聚、协作、拮抗等复杂关系，是群体智能研究的良好切入点。然而，现有的菌群优化算法模拟策略比较单一，效果还不够理想。本项目将借鉴复杂适应系统理论中自组织涌现产生的条件，从聚集、非线性、多样性等角度出发，构建具有分层、异构、多规则的菌群动态演化模型，并以此为基础设计一系列能够求解复杂工程优化问题的新型生物启发式算法。主要研究内容包括：(1)基于菌群行为的智能演化建模与仿真；(2)基于复杂涌现机制的菌群优化方法设计；(3)菌群优化方法在立体仓库调度问题中的应用验证。其研究意义在于：通过对菌群智能行为的研究和模拟,加深对自然计算和人工智能的理解；通过加强在离散、多目标、多约束问题上的求解能力，来扩展生物启发式算法的应用范围。通过在复杂工程问题上的求解验证来驱动理论的实际应用。

项目对以菌群为代表的群体智能涌现机制行了深入研究，对几种生物系统和自然系统中的智能涌现行为和现象进行了探讨和模拟。结合复杂系统涌现机制及这些行为现象，设计了RPBFO、MSBFO、HCO等一系列新型群体智能算法。并在立体仓库调度优化、机械结构设计优化、应急资源调度、群体机器人区域搜索等多个工程问题上进行了应用验证。针对这些工程问题的特性对算法和算子进行了相应的设计和调整，以更好的适配这些问题。实验结果证明了非线性、多样性和聚集等特性在复杂系统涌现过程中的重要作用，并在算法设计中得到体现。在工程应用问题上取得的结果证明所提出算法和算子的有效性。表明群体智能算法在这些复杂工程问题上具有良好的前景，对如何处理这些复杂问题的离散、多约束、多目标等特性提供了参考。在本项目的资助下，项目成员发表学术论文13篇，其中被SCI检索4篇，被EI检索5篇。获得1项国家发明专利授权。项目研究成果深化了对复杂系统和计算智能的理解，扩宽了以菌群优化为代表的群体智能算法的应用范围，较好地达成了项目的预期目标。