文化蚁群系统协同演化机制及其应用研究

在群智能理论及应用的研究中进一步探索文化进化机制的作用与影响，发掘生物自然进化和文化进化的协同演化机制，以期形成新的智能计算理论和方法。.主要内容包括：1)通过建立多种群协同演化的文化蚁群系统模型,研究信仰空间中不同知识源的数学描述及自身的演化机制，重点研究信仰空间和群体空间的相互作用机制，从而构造出能同时模拟自然进化和文化进化的协同演化计算模型；2)利用复杂网络理论，建立各种群间的文化传播网络模型，分析文化的时间演化行为和传播特性，寻找有效的控制方法保持文化的多样性，从而促进种群优化方向多样性的选择，提高系统全局寻优能力；3)研究系统中文化突变机制和学习机制之间的竞争，分析其对系统平衡态的影响，利用微分动力学方法对系统平衡态的存在性和稳定性进行分析，并从Markov随机过程的角度，研究算法的收敛理论；4)针对具有代表性的各类多约束车辆路径问题，研究算法的实现并分析相应的计算复杂性。

群智能计算是一种模拟生物进化过程与机制求解问题的自组织、自适应人工智能技术。现有群智能计算模型的研究大都还只是集中在生物(或者说是基因)自然选择(竞争)这一层面上，其主要思想是通过模拟生物在自然环境中的生物学行为而形成，缺乏对种群进化过程中文化知识的抽象、分类、表达、存储、尤其是文化的传播和交流等复杂的社会学行为如何改善算法性能的研究。本项目主要研究包括：.1)建立文化蚁群系统模型，研究信仰空间中不同知识源的表达和数学描述，分析不同知识源的获取、保存、整合以及信仰空间自身的演化和更新机制；.2)着重研究信仰空间和群体空间的相互作用机制，从实验和理论两方面研究不同情况下各参数之间的内在联系和匹配规律；.3)将社会网络引入基于多种行为的多种群蚁群系统，首次提出信息素扩散模型，运用社会网络中知识的传播特性及其传播动力学机制，研究了群智能计算中知识的学习机制,并将其抽象为一种知识协同生产，从而更好地模拟不同种群所形成的网络间的知识进化机制，使算法能够有效避免早熟收敛和停滞问题；.4)充分利用量子计算天然的并行演化特性和蚁群算法的内在并行性，将蚁群行为量子化，开展了多种群并行量子蚁群优化模型研究及性能分析；通过建立博弈量子场数学模型，探讨了具有量子行为的分布式并行处理理论与方法，进一步通过建立并求解微分动力学方程，验证并分析了模型的博弈策略及其对系统平衡态的存在性和稳定性的影响，重点研究了模型的自治性、平衡态和稳定性。基于此，提出了一种新型双演化双促进的文化免疫量子进化计算模式，该计算模式将免疫接种算法和量子进化算法有机集成，并从Markov随机过程的角度，研究了算法的收敛理论； .5)给出了基于GBAS/tdlb 策略改进蚁群算法的收敛性分析。首先证明了转移路径向量列是状态有限的马尔可夫链；通过分析目标函数值序列的条件期望，进一步证明了目标函数值序列的期望有限而且是非负下鞅，并且算法首次发现最优解时的迭代次数是一个停时；最后，基于鞅过程理论证明了算法在有限步内以概率1收敛。该收敛性分析为蚁群算法的深入分析奠定了一定的理论基础。.所取得的研究成果已成功应用于网络资源并行分配优化、运输规划、车辆路由问题、旅行商问题的求解，可以克服其他理论和方法在复杂环境下问题求解的诸多困难，为真正实现群智能计算的自然进化和文化进化的协调统一提供了新思路和理论依据，有着深刻的理论意义及应用背景。