群體智能計算模式的統(tǒng)一性及多樣性實例研究.pdf

1、自然界不僅有智能的集成大者和統(tǒng)治者，同時還存在著那些讓人類也嘆為觀止的生物群體智能現(xiàn)象。蜂巢之精美，蟻群之有序，雁隊之和諧，這些群居生物所體現(xiàn)的社會性和分布式智能實現(xiàn)模式確實值得我們人類學習。群體智能就是這樣一種在自然界生物群體表現(xiàn)出的智能現(xiàn)象啟發(fā)下提出的人工智能模式，是對簡單生物群體智能涌現(xiàn)現(xiàn)象的具體模式研究。群體智能的迅速發(fā)展體現(xiàn)了科學領域發(fā)展中生命科學與工程科學的相互交叉、相互滲透和相互促進。 在群體智能計算及智能控制相關

2、的研究領域，各類算法模式層出不窮，它們形態(tài)各異，理念各異，建模及分析工具各具特色，但這恰恰體現(xiàn)了智能計算的多樣性。而在某些智能算法之間也必然存在著一定程度的統(tǒng)一性，離開了多樣性，智能的統(tǒng)一性就無從談起，但離開了統(tǒng)一性，對各具特色的智能工具也就無法進一步深入認識了。由以上觀念，再結合智能計算領域的各類相關研究成果，本文將其中的某些具有相當數(shù)量共同特征的算法加以詳細分析，構建一套各相關算法都能遵從，并在具體應用時又能不失其多樣性的群體智能計

3、算分析框架，即本文主題：群體智能計算模式的統(tǒng)一性及多樣性實例研究。 本文主要的創(chuàng)新性結果體現(xiàn)在如下幾個方面： （1）在群體智能中，不同的智能體具有不同的外在表現(xiàn)形式，但它們所表現(xiàn)出來的計算模式具有相對的統(tǒng)一性。基于這一理念，對群體智能的總體模式進行了形式化描述和探討，提出群體智能計算模式的統(tǒng)一框架，給出了群體智能的總體分層框架模型。然后，基于群體智能計算模式的統(tǒng)一框架，以蟻群算法、微粒群算法、分布估計算法和人工免疫算法等典

4、型的群體智能計算模式為例加以具體論述，分別給出了這幾種算法的總體形式化描述和智能計算模式框架理念求證，通過形式化描述、框架性建模、典型算法模型展開及分析，使群體智能計算理念從宏觀到微觀再到宏觀、從統(tǒng)一性到多樣性再到統(tǒng)一性得到了較為系統(tǒng)的展現(xiàn)。 （2）以一種典型的群體智能計算模式-微粒群算法為例，進行具體的群體智能的多樣性實例研究。對智能微粒群算法的優(yōu)化效能評價進行系統(tǒng)化工作，在智能優(yōu)化基本指標體系的指導下，構建一種能夠綜合評價算法

5、整體優(yōu)化性能和群體總體尋優(yōu)動態(tài)的智能微粒群優(yōu)化動態(tài)效能評價模式體系，并分別對算法最優(yōu)值動態(tài)、群體聚合度動態(tài)、重心收斂度動態(tài)和群體多樣性動態(tài)等評價模式進行了實例仿真和有效性驗證。 （3）在群體智能統(tǒng)一框架理念的指導下，進行微粒群改進模式的研究，分別提出了兩種微粒群算法改進模式-基于生態(tài)群競爭模型的微粒群算法（EPSO）和基于引力場模型的微粒群算法（GPSO），并進行了數(shù)值仿真與比較分析。該研究通過抽取生態(tài)系統(tǒng)的信息處理機制，考慮到生

6、態(tài)學中的種群競爭機制，拓展了傳統(tǒng)微粒群算法的種群組織和尋優(yōu)模式，拓展了微粒群算法的生態(tài)基礎和系統(tǒng)行為。GPSO借鑒了自然界萬有引力概念，從引力場的對個體運動的作用方面來改進微粒群算法的組織形式及運動模式，其中的微粒群具有自組織的場結構模型，同時微粒的質量遵循質量可變的原則。 （4）對微粒群算法的收斂性進行了較為系統(tǒng)的分析總結?；诤喕碾x散微粒群系統(tǒng)的收斂條件，將微粒群優(yōu)化與自適應動態(tài)規(guī)劃進行結合，進行了基于群體智能搜索模式的離散

7、微粒群系統(tǒng)參數(shù)的近似動態(tài)優(yōu)化。首先，在對一個近似簡化的離散反饋控制微粒群系統(tǒng)進行收斂性分析的基礎上，提出了一種群體智能近似動態(tài)規(guī)劃算法（swarm-ADP）；然后考慮微粒群算法中隨機變量的影響，以離散隨機系統(tǒng)的模式來分析微粒群系統(tǒng)的收斂性，并對隨機PSO系統(tǒng)進行參數(shù)的動態(tài)優(yōu)化研究，提出了一種群體智能近似隨機動態(tài)規(guī)劃算法（ASDP）；最后通過數(shù)值實驗驗證了所提出的群體智能近似動態(tài)優(yōu)化方法的有效性。 （5）進行了群體智能的應用領域拓展

8、研究。首先，將群體智能引入到大學排名系統(tǒng)參數(shù)優(yōu)化，以上海交通大學高等教育研究所發(fā)布的世界大學排名系統(tǒng)為例，設計一種非線性的映射關系來模擬該排名指標體系，并利用微粒群算法進行排名體系的學習和映射關系參數(shù)的優(yōu)化。然后，將群體智能應用于半導體封裝測試生產中，基于實際的生產數(shù)據(jù)，進行了基于微粒群優(yōu)化的焊球回流工序的殘次品主次成因群體智能分析與仿真，并對一類簡化的封裝作業(yè)車間調度優(yōu)化問題進行研究，提出了一種基于群體智能的動態(tài)調度方法。 最