混合预估和声搜索算法研究及其在多机器人动态路径规划中的应用

Harmony search algorithm is a swarm intelligence optimization algorithm, and its unique random search mechanism has attracted wide attention. However, harmony search algorithm is short of optimization theory, and it exists some shortages include the sensitive of control parameters, blindness of searching, lower convergence, easy to be trapped into stagnate status, unsatisfied optimization results. In this project, harmony search(HS) algorithm as the study subject, the general features of the search mechanism are studied and the stochastic process theory of HS algorithm is analyzed. By digging the potential information and distribution law of historical data, guiding the operation design and parameter adjustment of the algorithm. Based on the historical iterative data, this project integrates the idea of prediction and estimation, constructs a universal predictive search framework and a new concept of data-driven algorithm search, for consummating the optimization theory of harmony search algorithm and improving the optimization performance of harmony search algorithm. The designed hybrid forecast harmony search algorithm applies to multi-robot dynamic path planning problem to verify the implementation of algorithm. This project is expected to further improve the basic theory of harmony search algorithm and promote the further development and application of swarm intelligence optimization algorithm.

和声搜索算法是一种群智能优化算法，其独特的随机搜索机制已引起广泛关注。但和声搜索算法的优化理论缺乏，存在控制参数的敏感，搜索的盲目性，收敛率低，容易陷入停滞状态，收敛效果不理想的局限。本项目以和声搜索(HS)算法为研究对象，研究其搜索机制的一般特征，进行HS算法随机过程理论分析。挖掘历史数据所提供的潜在信息与分布规律，指导算法的操作设计与参数调整。以历史迭代数据为基本点，融合预测估计思想，构建通用型预估搜索框架，构建数据驱动算法搜索的新理念，以求完善和声搜索算法的优化理论，从根本上提升和声搜索算法的优化性能，并将其应用于多机器人动态路径规划问题，验证算法的可实施性。本项目有望进一步深化和声搜索算法的基本理论，推动群智能优化算法的进一步发展与应用。

本项目从整体上按计划顺利完成了相关目标，取得了相关的研究成果。项目以群智能优化算法为研究对象，以和声搜索算法为代表，从优化问题特征，参数调节方法，搜索机制与策略，算法融合，性能评价等方面研究了算法设计理论。一是提出了改进和声搜索算法，分别设计了三种搜索模式：随机多维模式，统一模式，种群模式，通过经典无约束优化问题及结构工程设计问题的测试，验证了三种模式的有效性，表明HS算法搜索机制具有一般性和良好的适用性。二是设计了基于圆域空间的增强和声搜索算法，获得了较好的优化结果。三是提出了混合和声差分进化算法，将和声搜索算法与差分进化算法融合，实验结果表明所设计的混合算法具有良好性能。在算法应用方面，一是针对静态机器人路径规划问题，提出一种改进全局层次机器人路径规划方法，分析实验对比结果展示所设计算法的优缺点。二是针对动态机器人路径规划问题，提出一种混合和声搜索算法，设计了新思路，为机器人路径规划研究提供了一些理论支撑。总体上，本项目的研究进一步完善了和声搜索算法的基本优化理论，研究了和声搜索算法在机器人动态路径规划中的应用，推动智能优化算法在实际工程应用的发展。同时，拓展研究了相关其他群智能优化算法的设计与应用。依托本项目，在Soft computing, Applied intelligence, Applied soft computing等领域内SCI期刊发表论文8篇，核心期刊论文 1篇，协助培养硕士研究生2名，并在国内外学术会议作口头报告3次，与智能计算领域多名知名专家交流咨询，与海外知名学者建立起稳定的合作关系。