[00105439]基于多元统计分析的群智能优化算法相关问题研究

　　该项目主要研究内容如下：
　　1。就主成分分析的多元统计工具如何构建和选择粒子群算法中有潜力的粒子飞行方向 问题开展研究，即通过主成分分析工具选取有代表性的解向量和携带信息丰富的主成分方向。依据待求解问题的欧式空间邻域，就聚类分析工具如何构建粒子有效的飞行方向和引导粒子 飞向有潜力的搜索区域开展研究。依据多元统计工具发现群智能优化算法的潜力区域后，结 合经典最优化领域的模式搜索、非精确线搜索等局部搜索工具，实现对较优解区域的强化勘 探，从而实现多领域的交叉融合和促进的协作研究。首先证明近似加权最小二乘模型等价于 凸约束优化模型，然后构建“精确”算法，将该方法应用于基于能量的声源定位问题，就能 量感知的虚拟网络嵌入问题进行开拓性研究，将该问题建立整数规划的数学模型，提出启发 式和粒子群优化的两种求解方法。
　　2。提出一种适应性排序的变异算子（ARMOR）的通用框架求解约束优化问题，融合选取了三种典型的差分进化算法分析和验证了 ARMOR 算子的有效性。提出包括两种机制的改进的约束差分进化算法，一种是使得算法收敛更快的排序变异算子，另一种是改进的动态多样性保持机制。研究发现测试向量直接与二进制串相关，而与交叉率没有直接关联，基于该发现， 用成功的二进制串分量来修正交叉率，从而提高了差分算法的求解性能。将群智能优化算法进行了不同燃料电池模型的参数提取和排序等应用研究。
　　3。差分进化算法的搜索信息累加到解向量群体中，而差分进化算法搜索方向的启发式信息则蕴含在差分向量群体中，从当前差分向量群体构建二阶差分向量，从而实现更精细化的搜索和定位，对差分向量集的深入研究极其重要。依据差分向量集中待选择向量对新生成的测试向量贡献的大小，构建优势差分向量库和禁忌差分向量库，从而构建二阶差分向量，对算法搜索方向给出导引。对群智能算法中优势和劣势差分向量采取记忆和遗忘机制，对搜索向量实现优势方向的强化学习和劣势方向的教训机制。