新型自适应集成进化算法的研究

通过对自适应差分进化算法的缺陷分析与解决，提出一个对解决复杂优化问题更为有效的新的算法框架，并基于此框架构建一种能够同时自适应地调整算法、策略与参数的自适应集成进化算法，为解决复杂的静态或动态的多模态(multi-modal)优化问题提供了一个高效的方案。在普通PC上，实现并行的自适应集成进化算法，以克服影响算法实用化的速度屏障，同时算法将根据硬件平台上GPU和CPU的并行处理能力，自动调整算法的并行结构，从而实现最大程度的加速。此算法将用于解决模式识别与图像处理领域的复杂优化问题。

本项目开发了一种新型的自适应集成进化算法。该算法通过对历史搜索经验的不断学习，在搜索进程中，自适应地选择和调节算法中的算子与参数，从而自动地构建出一个适合于解决复杂优化问题的高效方案。同时，该算法通过基于GPU（图形处理器）计算的并行化实现，来克服影响其实用化的速度屏障。最终，该算法的性能通过解决复杂的函数优化问题和实际优化问题（例如：模式识别与图像处理中的优化问题）进行了测试。该项目的研究内容包括：分析和解决现有的自适应差分进化算法中存在的缺陷、对现存的各类自适应和集成进化算法进行综合分析和全面比较、设计和开发新型自适应集成进化算法及其并行化实现、算法的测试和应用。