研究成果在《Swarm and Evolutionary Computation》上发表

近日，计算智能实验室李伟老师指导的研究成果在《Swarm and Evolutionary Computation》上发表学术论文《A solution potential-based adaptation reference vector evolutionary algorithm for many-objective optimization》,提出了基于解潜力自适应参考向量的多目标进化算法。

《Swarm and Evolution Computation》为人工智能与智能计算领域中权威的学术期刊。它旨在报道基于Swarm和进化算法原理的自然智能计算领域的最新研究和发展，致力于及时发表高质量、经过同行评审的原创文章，提升进化计算和群体智能各个方面的技术水平。它长期位于中科院计算机科学和工程技术一区TOP期刊，最新影响因子为10。此次发表的研究成果为智能优化算法的改进和应用提供了理论和技术支持。

基于分解的多目标优化算法已经成为解决多目标优化问题的最有效方法之一。然而，这些多目标算法在精确逼近不规则帕累托前沿的复杂几何结构面临挑战。针对不规则帕累托前沿的超多目标优化问题，本文提出了一种基于解潜力的自适应参考向量多目标进化算法（SPARVEA）。该算法在DTLZ7,MaF,WFG和IMOP测试集的不规则帕累托前沿问题上均产生了良好的表现。论文的主要贡献包括:

1.提出了一个称为解潜力的概念，以评估解到理想解的收敛方向是否具有潜力。利用评估函数联合各解的信息，以计算相应解的潜力。然后，设计了一种基于解潜力的自适应策略，用于在求解具有不规则PF的MaOP时自适应调整参考向量，以更好地指导解的收敛方向。

2.提出了一种改进的角度惩罚距离，即标量化函数，用于评估解的性能，控制解集的收敛速度，使算法能更好的选择出收敛性和多样性平衡的解集迭代到下一代。