數據驅動的發展式頭腦風暴優化算法綜述

程 適， 陳俊風， 孫奕菲， 史玉回

(1.陜西師范大學 計算機科學學院，陜西 西安 710119； 2.河海大學 物聯網工程學院，江蘇 常州 213022； 3.陜西師范大學 物理學與信息技術學院，陜西 西安 710119； 4.南方科技大學 計算機科學與工程系，廣東 深圳 518055)

0 引言

頭腦風暴優化(brain storm optimization，BSO)算法是一種新的群體智能優化算法[1-2]. 這種算法的特點是將群體智能優化方法和數據挖掘/數據分析的方法進行了融合，以數據分析的方法為基礎去選擇相對較好的解.通過對待求解問題中大量解的數據進行分析，根據待求解問題特征與算法優化過程中生成解集合的分布情況，建立待求解問題解的結構(landscape)，在待求解問題與算法的關聯基礎上，更好地求解問題.BSO 算法通過聚類/分類方法分析解集合構成，基于解的分布生成新解，經過迭代求解，具有求解過程不依賴數學模型的特點.作為一類啟發式的隨機算法，群體智能算法將最優化問題視作在解空間(solution space)上的搜索最優值的搜索問題，通過啟發式信息來指導搜索過程.

對于群體智能優化算法，通過改變算法的參數設置，可以控制算法的收斂和發散操作;而頭腦風暴優化算法能將收斂和發散操作同時嵌入到算法的每一步迭代操作中，體現了群體智能優化與數據挖掘的結合.在傳統的群體智能優化算法中，每一個群體的解，都被引導向解空間中更好的解變化.最好的解就是優化的目標，而在新的算法中，將所有的解視為整體.每一個個體既是問題……