课题组研究方向
　
研究方向和内容
（1）智能计算理论与应用
        演化计算、神经计算和模糊计算，重点研究演化优化算法、动态环境下的优化和多目标优化、算法理论与性能分析、演化神经网络与模糊神经网络，在大型工程和科学规划、军事对抗与指挥决策、工业和工程设计、图像处理、模式识别等领域的应用。
（2）自动程序设计与演化软件
        自动程序设计及其复杂性理论与方法；自动程序设计方法学；基于演化计算的自适应和可重构软件理论；可演化软件系统；基于自动程序设计的建模软件；典型应用软件系统，如结合语义计算的网络智能决策系统。
（3）数据挖掘与知识发现
        大型复杂系统的动态数据（如气象、金融、卫星数据等）中高级知识的发现；复杂系统自动建模、实时建模与预报；智能建模分析软件等。
（4）自然计算理论体系
        演化计算、神经计算和模糊计算相互结合的理论与方法研究；基于自然与社会系统的规律和自然科学学科的基本理论，进行问题求解的方法论研究；以智能计算的理论和方法为基础，结合相关的自然科学学科理论，研究自然计算的基础理论体系。
（5）演化硬件
        演化算法与可编程逻辑器件相结合的演化硬件设计方法与技术；软硬件协同进化的自主计算模型；自主计算模型软硬件系统的自动设计和自主动态重配置；系统的自适应感知、调整、自我诊断和自我修复的自主进化理论与技术。
（6）智能计算支持平台构建
        大型并行计算机和分布式并行处理环境下的智能计算支持平台；算法设计的软件环境和大规模复杂问题求解的并行计算环境；演化硬件的支持平台；自主计算系统的软硬件支持环境。
　
重要研究成果:

复杂系统仿真的并行计算模型和算法

（1） 将细胞自动机与统计物理、数学理论相结合，突破传统的连续数学模型框架，提出复杂系统仿真的完全并行离散动力学模型，并建立了模型的基本理论体系。
（2） 设计了一类格子Boltzmann模型的分布式并行算法，在网络并行处理环境下对这类算法进行了大量试验，试验结果表明算法并行效率高、速度快，对实际应用中复杂系统的仿真具有良好的推广应用前景。
（3）成果获教育部科技进步三等奖。

 

演化计算与复杂系统建模
（1）设计演化建模新算法，将遗传算法（GA）与遗传程序设计（GP）相嵌套，并具体
研究了以复杂函数、微分方程和差分方程为模型的演化建模算法。其中在微分方程的演
化建模方面的创新性工作引起了国外同行的注意。
（2）将演化算法成功应用于化学化工领域，包括复杂化学反应的动力学分析、电结晶
参数的优化以及锂离子电池放电寿命的预测
等，推动了交叉学科的发展。
（3）研究成果获湖北省自然科学二等奖。

　

并行演化优化与建模算法
（1）提出了动态TSP与多目标TSP的理论、算法与测试问题。系统地发展了TSP，多目标TSP以及动态TSP的理论和算法，并应用于移动通信问题。
（2）提出了求解约束、整实混合、高维非线性规划问题的高效并行演化算法，求解了一些具有重大理论与应用价值的挑战性问题，如Bump问题与Smale第七问题。建立了一个演化优化软件演示系统，可用于科研与教学。
（3）提出了多目标优化问题最优解集的新理论模型，定义的自然最优解集比Pareto最优解集更能反映决策者偏好，更易理解、更有实用价值。提出了求解多目标函数优化问题的Pareto最优解集的高效演化算法，可得到问题的均匀分布于Pareto前沿上的最优解集。
（4）建立了面向问题的自动程序设计复杂性理论，设计了有效的自动程序设计算法。
（5）提出了数据中知识发现的演化建模理论，设计了微分方程，差分方程，偏微分方程（反问题）以及多层次、多尺度的时间序列建模与预测算法，实现了数据中知识发现自动化。建立了一个演化建模软件演示系统，可用于科研与教学。
（6）近年来在上述研究领域发表科研论文一百多篇，其中三大检索八十多篇；研究成果获湖北省自然科学一等奖。