学习辅助的演化多目标优化方法及应用

报告主题:学习辅助的演化多目标优化方法及应用

报告人:明飞博士

时间:2025年10月29日19:30

报告人简介：明飞，博士，西湖大学工学院金耀初教授团队博士后，研究方向为多目标优化及其应用，中国地质大学(武汉)、新西兰惠灵顿维多利亚大学联合培养博I生. 在EIEEE Transactions on Evolutionary Computation, IEEETransactions on Cybernetics, IEEE Computational Intelligence Magazine,自动化学报(英文版)等顶级期刊发表学术论文37篇，获评2026年IEEEComputational Intelligence Magazine Outstanding Paper Award, 2025F[E科协青年人才托举工程博士生专项计划，连续三年博士研究生国家奖学金、中国计算机学会CCF优博论坛一等奖等奖励。目前担任了IEEETransactionon Evolutionary Computation IEEE Transactions on Cybernetics IEEE ComputationalIntelligence Magazine, IEEE Transactions on Artificial Intelligence, IEEE Transactions onEmerging Topics in Computational Intelligence等国际学术期刊审稿人.

报告摘要

随着工业生产和科学研究的极速发展，各行各业涌现出大量优化问题，其中许多包含多个互相冲突的目标和复杂的求解难点。这些复杂的多目标优化问题最常用的求解方法是智能优化领域内的多目标进化算法。经过二十余年发展，研究者们提出了许多适用于不同类型问题的多目标进化算法。但这些算法面临以下普遍的不足:一是算法对进化过程中出现的数据和历史经验使用较少;二是算法的技术都是确定性的，无法根据所面对问题的特性和进化的动态阶段进行自适应调整;三是算法的开发和测试如果基于某些特定基准测试集的特点，容易导致缺乏对显著不同的其它问题的通用性。因此，围绕如何求解各种类型的多目标优化问题，针对提升算法对进化过程数据的利用、通用性和自适应程度，本研究工作提出了一系列的改进技术和算法框架。通过在多组基准测试问题和实际应用问题上的实验，验证了所提出方法在不同类型的多目标优化问题的效果，展现了良好的应用前景。