在通信系统、人工智能等领域出现了不同形式的比式和问题，如在人工智能领域,计算机视觉中的多视觉几何问题.本项目考虑具有一般形式的广义比式和问题, 其通常是非凸规划问题，要找到其全局最优解非常困难。传统优化方法通常要求函数具有连续性、光滑性等性质，但实际问题中的函数大多无法满足这些要求。群智能优化方法对问题结构要求较少或者没有要求，且可以利用个体之间的相互协作，共同完成复杂问题的求解，但是无法保证算法找到的最优解是全局的，也无法知道终止时的最优解与真正最优解之间的误差。因此，如何将群智能算法改进，并与传统优化方法有效融合，使其具有两类方法的优点，实现优势互补，是一个值得研究的问题。本项目针对广义比式和问题，以萤火虫算法为搜索工具，开展有效智能优化算法设计的研究。利用问题的结构特点，使用对偶等理论，构造出更为有效的松弛技巧以及区域删除技巧，提出高效的分支定界算法。研究萤火虫算法与分支定界算法结合的时机与方式，设计出具有全局收敛性质的混合算法。该项目的研究工作可以丰富最优化研究理论与算法的内容，推动一些重要领域的技术进步和发展。

高端精密器件的发热功率持续攀升而导致的散热问题严重制约着系统的安全可靠运行，因此，迫切需要研发更高效的变革性散热技术。本项目将在超高热流密度（≥0.5kW/cm2）环境下，以科学合理的优化设计策略得到内部冷却通道的最优构型，揭示受限微流体的高效热输运机理。深入研究拓扑-形状协同优化设计方法，提出多物理场多学科协同优化设计策略，并完成原理验证。项目成果将对超高热流密度条件下的散热技术提供可靠的理论支撑。