基于问题模式挖掘的自适应蚁群算法及其应用研究

蚁群算法是一类应用广泛的智能优化算法。但是，蚁群算法的参数设置还没有成熟的理论指导，启发信息的获取和利用以及解质量的定量评价尚缺乏理论依据和方法，从而在一定程度上限制了蚁群算法在实际中的应用。本项目将数据挖掘的思想与蚁群算法相结合，拟研究一种基于问题模式挖掘的自适应蚁群算法，其基本思想是从大量解记录中发现问题模式，利用目标函数值与解差异之间的关联关系，建立参数自适应机制；利用目标函数值变化与各解元素属性之间的关联关系，揭示解元素之间的组合对解质量的贡献，实现启发信息的获取和利用；在序优化理论的基础上，统计分析解空间的分布，得出解质量评价的理论依据和方法，并分析计算邻域搜索对解质量的贡献。针对典型的资源调度问题（以较大规模的卫星测控资源调度问题为例），实验分析自适应蚁群算法的寻优能力，以及解质量定量评价方法的有效性。本项目将有助于促进蚁群算法理论发展，并使之更好地满足工程实际应用需求。