成果内容

    随着大数据时代的到来，大数据存储、大数据压缩、大数据挖掘等应用的需求与日俱增，但相关大数据优化技术却捉襟见肘。大数据领域中的很多应用问题可以抽象为共同类型的模型：大规模复杂全局优化模型、多目标优化模型和超多目标优化模型。这些模型的本质特征是：大规模、复杂、多目标或超多目标。已有的大数据算法面临三个难题：一个是效率低下，很难在要求的或适当的时间内找到问题的全局优解；二是问题局部优解的个数太多使得已有的优化技术的有效性大打折扣，三是随着目标个数的增多导致大量优解，求出这些大量优解工作量巨大，几乎成为无法完成的任务。若对每一个大数据应用问题的模型逐一研究求解算法，将会耗费大量的人力与物力，因此，对大数据领域各类应用问题经常出现的共性模型，研究其对应的高效求解算法（共性算法） 具有十分重要的理论和现实意义。本项目抓住这些模型大规模、复杂、多目标和超多目标的共同本质特征，把它们抽象成“大规模复杂全局优化模型、多目标和超多目标优化模型”这样的共性模型， 研究求解这些共性模型的高效算法（共性算法），可以为各类大数据应用问题提供解决方案。

成果形式

    本项目负责人及其团队成员多年从事复杂大规模工程问题的优化建模与高效智能优化算法的研究工作，已有相当积累，研究出了多种新的优化模型和优化方法。主持了包括国家自然科学基金、留学人员归国基金、博士点基金及中港合作项目等20余项纵、横向项目。获陕西省科学技术二等奖一项、国家教委科技进步二等奖一项和电子工业部科技进步二等奖一项，获陕西省优秀教学成果一等奖一项。我们对大数据应用问题的优化建模和方法已作了前期的研究（国家自然科学基金面上项目《基于大数据和云环境的两类关键问题优化建模与优化方法研究》，61272119，2016 年底已完成和国家自然科学基金面上项目《大数据共性优化模型的高效算法研究》，61472297，2018年底已完成）。拥有多项专利。