打开网易新闻 查看精彩图片

导语

在物联网和智能制造等场景里，我们经常要在成千上万的变量中找最优解，但维度高、耦合强会让传统优化方法很快力不从心。群体智能算法凭借不依赖复杂数学假设、搜索范围广、天然适合并行计算，成为解决大规模优化的重要手段。不过在高维空间中，它也容易效率下降、陷入局部最优、协同不足。为此，本报告将介绍团队提出的三类群体交互框架——支配式、邻域式与差异式——分别从导向性、多向性和覆盖性提升协同搜索效果，从而显著增强大规模优化求解性能。

内容简介

高维度大规模优化问题在日常生活和工业生产中日益常见，尤其在当今物联网环境下，优化问题的维度日益增多，变量耦合性日益增强，优化复杂度日益增加，导致传统优化算法无法有效求解。凭借对待解优化问题无任何数学特性要求、全局搜索能力强、内在并行特性等优势，群体智能算法已经成为了求解大规模复杂优化问题的重要途径之一。

然而高维度环境下，解空间指数式增长，群体协同搜索效率较低；局部最优区域宽且多，群体协同面临局地性；变量紧耦合、解空间高度复杂，群体协同不充分。为有效解决上述问题，项目团队围绕大规模高维度环境下的群体协同交互的高效性和有效性问题，分别提出了支配式群体交互框架，增加群体交互的导向性，提升群体协同搜索的收敛性；提出了邻域式群体交互框架，增加群体交互的多向性，提升群体协同搜索的多样性；提出了差异式群体交互框架，增加群体交互的异向性，提升群体协同搜索的广面性。依托上述框架，群体智能算法求解大规模复杂优化问题的性能得到了极大提升。本报告将详细介绍上述框架，以期让读者了解提升大规模场景下群体协同交互有效性的方法，从而启发读者开展深入研究，促进大规模群体智能算法的研究进展。

分享大纲

内容1 高维度大规模优化：背景、难点与群体智能优势

  • 内容1.1 物联网场景下维度增加、变量耦合增强与复杂度上升

  • 内容1.2 传统优化算法失效的根源：规模、耦合与搜索空间爆炸

  • 内容1.3 群体智能算法优势：无数学特性要求、全局搜索、内在并行

内容2 高维环境下群体协同的三类核心瓶颈

  • 内容2.1 解空间指数式增长：协同搜索效率低与收敛变慢

  • 内容2.2 局部最优区域宽且多：协同搜索的局地性陷阱

  • 内容2.3 变量紧耦合与空间高度复杂：协同不充分与信息利用不足

内容3 支配式群体交互框架：导向性增强与收敛性提升

  • 内容3.1 支配式交互机制：用导向信息强化协同搜索方向

  • 内容3.2 收敛性提升路径：减少无效搜索与加速稳定收敛

  • 内容3.3 适用问题特征：高维、强噪声或易陷局部的场景

内容4 邻域式群体交互框架：多向性增强与多样性提升

  • 内容4.1 邻域式交互机制：局部邻域内多方向信息交换与扩散

  • 内容4.2 多样性提升路径：维持探索能力与避免过早收敛

  • 内容4.3 适用问题特征：多峰、动态或需要持续探索的场景

内容5 差异式群体交互框架：异向性增强与广面性提升

  • 内容5.1 差异式交互机制：利用差异信息驱动异向探索与分散搜索

  • 内容5.2 广面性提升路径：扩大覆盖范围与提升全局寻优概率

  • 内容5.3 适用问题特征：强耦合、高复杂度与结构未知的场景

核心概念

高维大规模优化 High-dimensional Large-scale Optimization

变量耦合 Variable Coupling

群体智能算法 Swarm Intelligence Algorithms

群体协同搜索 Cooperative Swarm Search

支配式群体交互框架 Dominance-based Interaction Framework

邻域式群体交互框架 Neighborhood-based Interaction Framework

差异式群体交互框架 Difference-based Interaction Framework

收敛性-多样性-广面性 Convergence-Diversity-Coverage

主讲人介绍

主讲人：杨强，南京信息工程大学副教授（校聘教授），南京信息工程大学龙山学者，硕士生导师；分别于2014年和2019年在中山大学信息科学与工程学院和数据科学与计算机学院获得硕士和博士学位；主要从事计算智能算法及其应用研究，累计发表学术论文100余篇，其中在人工智能领域的国际顶级期刊IEEE Transactions系列期刊发表论文10余篇，累计Google Scholar引用3200余次，1篇论文入选ESI高被引论文，1篇论文获评IEEE SMC2022（CCF C类会议）最佳学生论文提名奖，1篇论文获评IEEE ICACI2023（计算智能领域旗舰会议）最佳论文奖；1篇论文获评IEEE MiTA2024（计算智能领域旗舰会议）最佳论文奖；授权发明专利15项；2020年入选江苏省双创博士计划，2022年获评校五四青年奖章，2023年获评校首批十大青年科技之星，2024年入选江苏省第七期“333工程”第三层次人才计划，主持国家自然科学基金项目2项，江苏省自然科学基金项目1项，江苏省高等学校自然科学基金面上项目1项。

参考文献

  1. Qiang Yang*, Gong-Wei Song (Graduate Student), Wei-Neng Chen, Ya-Hui Jia, Xu-Dong Gao, Zhen-Yu Lu, Sang-Woon Jeon, and Jun Zhang, "Random Contrastive Interaction for Particle Swarm Optimization in High-Dimensional Environment", IEEE Transactions on Evolutionary Computation, vol. 28, no. 4, pp. 933-949, 2024.

  2. Qiang Yang, Wei-Neng Chen, Tianlong Gu, Hu Jin, Wentao Mao, and Jun Zhang. "An Adaptive Stochastic Dominant Learning Swarm Optimizer for High Dimensional Optimization", IEEE Transactions on Cybernetics, vol. 52, no. 3, pp. 1960-1976, 2022.

  3. Qiang Yang, Wei-Neng Chen, Tianlong Gu, Huaxiang Zhang, Sam Kwong, and Jun Zhang. "A Distributed Swarm Optimizer with Adaptive Communication for Large Scale Optimization", IEEE Transactions on Cybernetics, vol. 50, no. 7, pp. 3393-3408, 2020.

  4. Qiang Yang, Wei-Neng Chen, Jeremiah Da Deng, Yun Li, Tianlong Gu, and Jun Zhang. "A Level-based Learning Swarm Optimizer for Large Scale Optimization", IEEE Transactions on Evolutionary Computation, vol. 22, no. 4, pp. 578-594, 2018.

报名读书会：

「群体智能：从自然涌现到人机共创」

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等学者，共同发起本次，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。读书会自2026年1月24日开始，安排在每周六下午 14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。

视频号直播预约：

打开网易新闻 查看精彩图片

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和群体智能相关问题的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。

打开网易新闻 查看精彩图片