人工協(xié)同計算模型及其應(yīng)用研究.pdf

1、智能控制是一門新興的邊緣交叉學(xué)科，它的發(fā)展得益于人工智能、認(rèn)知科學(xué)、系統(tǒng)科學(xué)和生物信息學(xué)等許多學(xué)科的進(jìn)步，同時也促進(jìn)了相關(guān)學(xué)科的不斷完善。智能控制理論的研究和應(yīng)用是現(xiàn)代控制理論在深度和廣度上的極大拓展，已成為新的研究熱點。協(xié)同現(xiàn)象廣泛存在于自然生物系統(tǒng)、人體調(diào)節(jié)系統(tǒng)和社會經(jīng)濟(jì)系統(tǒng)中，在保持生物物種和種群多樣性、維持機體內(nèi)外環(huán)境的相對穩(wěn)定以及調(diào)整社會個體和組織的相互關(guān)系等方面發(fā)揮著重要作用。本文從空間域、時間域、系統(tǒng)與環(huán)境的關(guān)系等多個角度

2、出發(fā)，挖掘和凝練協(xié)同現(xiàn)象背后蘊含的豐富信息處理機制，提出新的人工協(xié)同計算模型和算法，有力地推動各種新型智能控制方法和關(guān)鍵技術(shù)的研究。
　　 論文主要在以下幾個方面展開了研究工作。
　　 借鑒現(xiàn)實世界普遍存在且表現(xiàn)各異的反向概念，提出基于當(dāng)前最優(yōu)解的反向差分進(jìn)化算法，體現(xiàn)在空間域內(nèi)群體間的協(xié)同作用關(guān)系。該方法以當(dāng)前種群的最優(yōu)解為中心，采用距離對稱方式選取各候選解的反向解。在種群進(jìn)化過程中，特別是進(jìn)化后期，反向個體始終圍繞在

3、全局最優(yōu)解附近，使得反向種群的利用率保持在較高水平。求解58個標(biāo)準(zhǔn)函數(shù)的實驗結(jié)果表明，新算法能夠加快收斂速度，且算法性能的大幅提升完全是基于當(dāng)前最優(yōu)解的反向點的貢獻(xiàn)。
　　 針對多模函數(shù)優(yōu)化問題，提出預(yù)測免疫網(wǎng)絡(luò)模型，體現(xiàn)在時間域上群體間的協(xié)同作用關(guān)系。該模型通過抗體細(xì)胞克隆、變異和選擇操作提升算法的局部搜索能力，細(xì)胞抑制、提取和更新操作保持種群的全局多樣性。抗體細(xì)胞和自身的同源抗體細(xì)胞相互協(xié)作，指明抗體細(xì)胞變異的方向，調(diào)節(jié)局部

4、搜索和全局搜索之間的動態(tài)平衡。而且利用記憶細(xì)胞和準(zhǔn)記憶細(xì)胞種群的豐富信息指導(dǎo)抗體種群的提取和更新過程，增加新抗體的親和度。理論分析表明，算法具有全局收斂性，以及較低的時間和空間復(fù)雜度。實驗結(jié)果表明，在全局收斂性、解的質(zhì)量和算法穩(wěn)定性等方面新算法得到令人滿意的結(jié)果。
　　 借鑒生物內(nèi)分泌系統(tǒng)信息處理機制，提出基于晶格的人工內(nèi)分泌系統(tǒng)模型，體現(xiàn)群體與環(huán)境之間的協(xié)同作用關(guān)系。基本思想是，在晶格網(wǎng)絡(luò)這個環(huán)境空間內(nèi)，內(nèi)分泌細(xì)胞群體動態(tài)分布

5、和移動，各內(nèi)分泌細(xì)胞儀利用累加激素信息相互通信，協(xié)調(diào)各自動作，在靶細(xì)胞的干預(yù)和指導(dǎo)下，完成特定的任務(wù)。即使處于一個急劇變化的、不可預(yù)測的環(huán)境中，該模型通過內(nèi)分泌細(xì)胞之間以及內(nèi)分泌細(xì)胞和外部環(huán)境之間的協(xié)同配合，也可以形成并維持某種全局模式，體現(xiàn)人體內(nèi)分泌系統(tǒng)的自組織和自修復(fù)特性。這些特性非常適合于在缺乏有效集中控制策略的前提下，群體機器人系統(tǒng)解決在復(fù)雜未知環(huán)境中搜索和捕獲多目標(biāo)等控制問題。
　　 針對群體機器人系統(tǒng)、無線傳感器網(wǎng)絡(luò)