1. 研究目的与意义（文献综述）

自古以来，自然就是人类各种技术思想、工程原理和伟大发明的源泉。当科学家们花了几十年，甚至一辈子的时间，才想出解决难题的办法时，他们惊奇地发现，这种巧妙的设计已经存在于自然界中，并且模仿自然已经成为科学研究的捷径。仿生算法是算法领域的仿生学，即通过模拟生物行为机制，构造出能解决实际问题的算法，仿生算法取得了许多成果：martin flint用蚁群算法解决了超高性能混凝土结构问题；李玉峰通过粒子群优化解决多组分重叠色谱峰；bhowmik，subrata利用人工神经网络辅助模糊拓扑预测掺烧柴油机的性能和废气排放。与传统的优化方法相比，仿生算法在求解np-hard问题上具有明显的优势。大量的仿生算法被提出并成为研究的热点，各种仿生算法都有自己的特点。

如遗传算法的优点：

一、与问题领域无关切快速随机的搜索能力。

2. 研究的基本内容与方案

通过对生物界生态平衡机制的模拟，提出了一种新的仿生算法——牵制平衡算法，根据其原理和实验，我们知道牵制平衡算法在解决特定的区间优化问题上是非常快速和稳定的，并且可以很好地解决这一问题。用于解决各种复杂问题。当然，类似于蚁群算法、遗传算法，任何算法要得到算法用户的认可，都需要进行相关的证明，以便更好地为今后的工作服务。证明了该算法的收敛性是为其他实验提供了理论支持。

牵制平衡算法的基本思想是以生态系统平衡为优化目标，以生态系统达到平衡时各群体的规模为最优解。根据不同群的可能规模构造了优化问题的求解空间。每个设计变量的值都具有自增长特性，设计变量具有依赖特性，依赖特性和自增长特性相互制约，最终达到动态平衡、平衡点总体规模，作为最优解输出。证明从生态平衡的机制入手，利用羊吃草这个简单的模型，利用数学推导证明其收敛性。

证明其收敛性后将算法应用于实际案例上，利用matlab软件进行仿真得到关于迭代次数和结果的图表。为了验证算法的实际性能，采用遗传算法作为控制组，解决同样类型的案例问题。基于最后的结果图表对比，分析约束平衡算法在优化问题中的性能。

3. 研究计划与安排

2019.3.15 完成英文翻译和选题报告
2019.3.30 完成总体方案设计
2019.4.20 完成具体设计或分析
2019.5.5 完成算法实验或仿真
2019.5.15 完成毕业论文
2019.5.25 完成论文答辩相关工作

4. 参考文献（12篇以上）

[1] sachsenmeier, peter, “industry 5.0-therelevance and implications of bionics and synthetic biology”, engineering, v2(2), pp. 225-229, june 1, 2016.

[2] petoukhov, s.v.; petoukhov, s.v.;svirin, v.i.;khazina,l.v, ”bionics of spiral structures.”, journal of machinerymanufacture and re liability, v44(3), pp. 249-253, may 8, 2015.

[3] martin flint; steffen grünewald;joereon coenders, “ant colony optimization for ultra high performance concretestructures”, designing and building with uhpfrc, p 601-618, february 12, 2013.