NP难问题中的相变与基于自组织临界理论的智能算法研究

经济社会系统是复杂的系统，其中存在大量的复杂优化问题，但现有的智能优化算法对于那些处于临界点处的难题运算性能较差，易陷入局优。同时，优化算法在智能控制、模式识别、网络安全、硬件设计、生物等领域都有广泛的应用。所以如何进一步提高算法性能，特别是针对当前没有有效方法存在的复杂问题（NP难问题），已经成为一个对促进国民经济发展和科学技术进步均有重要意义的课题。本课题首先研究NP难问题中临界相变的"共性"，分析临界点与的实例难度之间的关联，获取改善算法的规则。同时，通过内嵌自组织临界SOC（self-organized criticality）模型和采用小世界网络定义寻优个体间的联结，改进现有的智能算法，使算法演化到临界状态，提高算法的全局优化性能。进一步对改进的算法进行动力学描述和建模，分析算法动力学行为和算法的效率之间的关系。并将改进的算法应用于网络广告资源优化和网上动态拍卖问题。