项目名称: 面向动态优化问题的参数自适应及变结构生物地理学优化算法研究

项目编号: No.61503287

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 郭为安

作者单位: 同济大学

项目金额: 22万元

中文摘要: 本项目针对在现实世界中普遍存在的且具有高度复杂特征的动态优化问题开展智能生物地理学优化算法(Biogeography-based Optimization, BBO)参数自适应及变结构模式研究。通过比较性数值方法及数学分析手段探究BBO算法在典型动态优化问题中的参数及结构的性能特征,引导设计具有参数自适应及结构自调整能力的智能BBO算法。参数自适应的目的在于使得算法具有环境引导能力的智能优化特征,变结构功能使算法结构的自适应具有引导算法收敛方向及保持种群多样性的能力,对种群多样性进行合理的监控与评估,适时实现种群多样性的保持与恢复,从而保证算法具有高效求解动态优化问题的能力。项目将基于典型动态优化问题开展算法性能的验证,有助于完善算法的优化能力。该设计将为BBO算法及其它进化计算方法的进一步发展提供借鉴和参考。

中文关键词: 动态优化问题;生物地理学优化算法;参数自适应;变结构;种群多样性

英文摘要: This research focuses on the design of parameter self-adaption and variable structure for Biogeography-based Optimization (BBO) to solve dynamic optimization problems which are complicated and common in real world. In this research, parameters and structures in BBO are to be investigated to reveal their effects to performance by numerical comparison and mathematical analysis. To enhance BBO’s performance in dynamic optimization, parameter self-adaption strategy and a variable structure are proposed. Design of adaption strategy is to enhance BBO’s ability to deal with changes in dynamical environment, while variable structure makes BBO play corresponding roles in different steps of evolutionary process, which take into account both convergence direction and population diversity. To avoid stagnation and premature, population diversity will be evaluated and maintained during the whole optimization process. By employing benchmarks and several practical problems, the proposed algorithm will be tested and the results will be analyzed by statistics. The comparisons between proposed algorithm and other classical evolutionary algorithms will be conducted to improve the designs. The ideas in this research will also provide experiences and inspirations for other evolutionary algorithm in dealing with dynamic optimization problems.

英文关键词: Dynamic Optimization Problem;Biogeography-based Optimization;Parameter Self-Adaption;Variable Structure;Population Diversity

成为VIP会员查看完整内容
0

相关内容

个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
基于移动机器人的拣货系统研究进展
专知会员服务
14+阅读 · 2022年1月29日
专知会员服务
24+阅读 · 2021年6月9日
【CVPR2021】面向视频动作分割的高效网络结构搜索
专知会员服务
13+阅读 · 2021年3月14日
专知会员服务
187+阅读 · 2021年2月4日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
78+阅读 · 2020年8月4日
【ICML2020】机器学习无参数在线优化,294页ppt
专知会员服务
54+阅读 · 2020年8月1日
专知会员服务
42+阅读 · 2020年7月29日
「图分类研究」最新2022综述
专知
5+阅读 · 2022年2月13日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
TKDE 2020 | 面向严格冷启动推荐的属性图神经网络
PaperWeekly
13+阅读 · 2020年12月18日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
从动力学角度看优化算法:GAN的第三个阶段
PaperWeekly
11+阅读 · 2019年5月13日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
92+阅读 · 2021年5月17日
Arxiv
12+阅读 · 2020年6月20日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
基于移动机器人的拣货系统研究进展
专知会员服务
14+阅读 · 2022年1月29日
专知会员服务
24+阅读 · 2021年6月9日
【CVPR2021】面向视频动作分割的高效网络结构搜索
专知会员服务
13+阅读 · 2021年3月14日
专知会员服务
187+阅读 · 2021年2月4日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
78+阅读 · 2020年8月4日
【ICML2020】机器学习无参数在线优化,294页ppt
专知会员服务
54+阅读 · 2020年8月1日
专知会员服务
42+阅读 · 2020年7月29日
相关资讯
「图分类研究」最新2022综述
专知
5+阅读 · 2022年2月13日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
TKDE 2020 | 面向严格冷启动推荐的属性图神经网络
PaperWeekly
13+阅读 · 2020年12月18日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
从动力学角度看优化算法:GAN的第三个阶段
PaperWeekly
11+阅读 · 2019年5月13日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员