基于云计算的自适应分布式差分进化算法研究

Many modern optimization problems faced in the practical applications showed complex characteristics such as large-scale and multimodal. This makes traditional centralized differential evolution (DE) face the difficulties of weak global optimization ability and slow convergence speed. To solve the above problems, this project proposes an adaptive distributed DE algorithm based on cloud computing platform. This project first makes researches into the implementation mechanism of distributed DE in the cloud computing platform; then makes researches into the adaptive control strategy of the distributed DE, so as to propose the parameters adaptive control distributed DE based on the evolutionary state estimation and the topology adaptive control distributed DE based on the load balance of cloud resources; and at last makes researches into the application of adaptive distributed DE to the actual problems in the power circuit design optimization. This project is to provide new and efficient way to solve complex optimization problems via the efficient adaptive distributed DE based on cloud computing platform.

针对传统集中式差分进化算法在求解大规模复杂优化问题时存在的全局搜索能力不足和求解速度过慢的问题，本项目提出采用多种群协同进化以增强算法全局搜索能力和通过分布式处理以加快算法求解速度的解决思路，并结合云计算在并行与分布式处理方面的优势开展基于云计算的自适应分布式差分进化算法的研究。首先，针对分布式算法中参数影响着算法性能的问题，提出一种基于进化状态感知的参数自适应分布式差分进化算法，避免算法对预设参数的依赖，提高算法的普适性。其次，针对分布式拓扑结构影响着云资源利用的问题，提出一种基于云资源负载均衡的拓扑结构自适应分布式差分进化算法，充分利用云平台异构和动态的计算资源，提高算法的性能。最终，结合在分布式算法参数和拓扑结构自适应控制的研究成果，实现基于云计算的高效自适应分布式差分进化算法，并在功率电路优化设计的实际问题中进行应用检验，为解决复杂优化问题提供新型而高效的求解途径。

本项目针对传统集中式差分进化算法在求解大规模复杂优化问题时存在的全局搜索能力不足和求解速度过慢的问题，开展自适应分布式差分进化算法的研究。.首先，课题组在分布式算法设计与实现方面，对基于MPI、OpenMP和云计算等分布式平台的分布式差分进化算法实现机制进行研究，完成了不同平台的算法性能比较，提出了一种基于云平台的双层分布式差分进化算法，形成了Cloudde算法（云Cloud平台上的差分进化DE，也就是Cloudde）。代表性成果已发表在并行与分布式系统的顶尖国际期刊IEEE Trans. PDS。.其次，课题组开展差分进化算法及其分布式算法的参数自适应控制研究。提出了基于二分引导的参数自适应差分进化算法和基于进化状态感知的自适应路径控制差分进化算法，并将自适应参数控制策略在其他进化计算方法中推广。代表性成果已发表在进化计算领域的国际顶尖学术期刊IEEE Trans. CYB【影响因子为7.384，在计算机-控制领域22本国际期刊中排名第一】。.再次，课题组开展差分进化算法及其分布式算法的拓扑结构自适应演化研究。一方面对云计算等分布式资源进行负载均衡的智能化调度；另一方面结合分布式资源负载均衡等信息对多种群差分进化算法的拓扑结构进行动态演化。提出了基于蚁群系统的云资源调度算法和拓扑结构自适应调整的多种群差分进化算法。代表性成果已发表在进化计算领域的顶尖国际期刊IEEE Trans. EC【影响因子为10.629，在计算机-人工智能领域133本国际期刊中排名第一】。.最后，课题组将自适应分布式差分进化算法在功率电路优化设计的实际问题中进行检验和应用。递进式地分别提出了基于差分进化算法、基于并行化分布式差分进化算法和基于资源感知自适应分布式差分进化算法的三种求解方法，验证了自适应分布式差分进化算法求解功率电路优化问题的有效性和高效性。.基于以上研究，共发表（录用）标注了本项目基金号的国际学术期刊和会议论文33篇，其中SCI国际期刊论文13篇（包括IEEE Trans.系列论文8篇），入选ESI高被引论文1篇；相关成果已经申请国家发明专利2项；培养了和正在培养/协助培养研究生15人。圆满完成了项目的任务和目标。项目负责人先后入选教育部“青年长江学者”（2017 年）、广东省“青年珠江学者”（2016 年）和广东特支科技创新青年拔尖人才（2016 年）。