进化计算

进化优化研究领域

由于优化在工程应用问题的广泛存在，数学家和计算领域的专家已经投入了巨大的精力并取得了一系列有意义的研究成果。

★广义上来说，这些优化算法可以分为两类：精确和随机算法。精确算法包括分支限界算法和动态规划算法等等。但是，当出现问题的规模上升到一定的程度、先验知识较少或者问题的复杂性较高的情况时，这些算法的性能会急剧下降，甚至出现失效的情况。特别地，对于NP完全或者NP难问题的解决上，精确算法的应用非常有限。

★随机算法中的进化算法（Evolutionary Algorithm）是一类算法框架灵感来源于自然的算法。相比于精确算法，进化算法具有以下特性：（1）无需先验过多问题先验知识；（2）对于问题是否线性可微、可导和连续没有要求；（2）自动采取设定机制对抗各种约束条件；（3）优化性能优秀。因此进化优化领域研究已经成为了国内外研究的热点。

★实验室工作主要包括：（1）面向大规模优化应用的进化计算研究；（2）进化算法应用于电力系统经济负载调配应用；（3）应用于数字IIR滤波器涉及的进化计算研究；（4）最优化软硬件协同设计研究。

进化算法能够做什么？

图

设计一个有鲁棒性的算法可以在未知高维空间中寻找出最小值。

应用领域：

面向大规模优化的进化计算研究

在生产实践与科学研究中，存在许多大规模优化问题。例如，大规模电网配置与调度[1]、移动通信网络设计、生物医学信息处理、以及数据挖掘等等。这些问题的共同特点是决策空间维数很高，一般在102～104量级。维数的增高在导致决策空间急剧增大的同时，也会造成问题求解难度的迅速增大。例如，有些优化问题的局部最优的个数会随着维数增加呈指数

级增长[5]，使得算法更难接近全局最优解。此外，在一些应用问题中，各维之间还可能存在较强的依赖关系，使得问题变得更为复杂。

对于这个问题，我们展开以下几方面研究内容：一、研究不同类型优化问题的特性随维数增长的变化规律及其分析方法；二、研究各种进化计算技术在大规模优化问题中的行为规律及其分析方法；三、研究针对复杂大规模优化问题的进化策略及其评测方法；四、研究有效求解大规模复杂优化问题的进化算法。

进化算法应用于电力系统经济负载调配应用；

作为电力系统运行中一个重要的优化任务，经济分配（Economic load dispatch：ELD）的目标是在一个大型电网中优化全部发电机组的发电成本，同时保证发电量的总和满足系统的负载需求，以及发电总量不超过各发电机发电能力之和。实际工程应用中的ELD问题常常被描述为一个多峰的、带有严格等式和不等式约束的优化问题。

电力系统经济分配问题是电力系统运行中一个重要的优化问题。此前，各国学者已经应用多种经典数学逼近方法和启发式搜索算法对该问题进行了研究。但是，这些方法仍然存在一些问题，主要表现为：1）算法的稳定性得不到保证；2）算法在大规模电力系统ELD问题上的性能仍然不能令人满意。为了解决这些问题，我们致力于设计搜索效率高、简单易行、和简便的参数控制的进化算法。

应用于数字IIR滤波器设计的进化计算研究；

数字滤波器是对数字信号进行滤波处理以得到期望的响应特性的离散时间系统。作为一种电子滤波器，数位滤波器与完全工作在模拟信号域的模拟滤波器不同。数位滤波器工作在数字信号域，它处理的对象是经由采样器件将模拟信号转换而得到的数字信号。

数位滤波器理论上可以实现任何可以用数学算法表示的滤波效果。数位滤波器的两个主要限制条件是它们的速度和成本。数位滤波器不可能比滤波器内部的计算机的运算速度更快。但是随着集成电路成本的不断降低，数位滤波器变得越来越常见并且已经成为了如收音机、蜂窝电话、立体声接收机这样的日常用品的重要组成部分。

我们全面考虑数字IIR滤波器的各项指标：幅频响应、相频响应和阶数，运用多目标优化进化算法的框架，寻求自动化程度较高的智能设计途径。