近日，计算智能实验室李伟老师指导的研究成果在《Engineering Applications of Artificial Intelligence》上发表学术论文《HK-MOEA/D: A Historical Knowledge-Guided Resource Allocation for Decomposition Multiobjective Optimization》,提出了一种以历史知识为指导的分解多目标优化资源分配的方法。
《Engineering Applications of Artificial Intelligence》创刊于1988年，是专注于工程、多学科领域的英文学术期刊，由Elsevier Ltd出版，出版周期为双月刊，内容涵盖工程、多学科等领域。旨在及时、准确、全面地报道国内外工程、多学科工作者在该领域从事科学研究和其他工作的经验、科研成果、技术创新和学术动态。本刊已被SCIE数据库收录，在最新升级版中科院JCR分区表中，期刊分区信息为计算机科学2区主要学科，2024年影响因子为7.5。
基于分解的多目标进化算法是多目标优化的主流算法框架之一。该框架将等量的进化计算资源分配给每个子问题，但忽略了不同子问题在进化过程中对种群的可变贡献。针对这一问题，本文提出了一种以历史知识为指导的分解多目标优化资源分配的方法集成在HK-MOEA/D算法中。该算法在DTLZ,MaF,WFG和实际应用问题测试集上均产生了良好的表现。论文的主要贡献包括:
1.提出了一种以历史知识为指导的分解多目标优化资源分配（HK-MOEA/D）。
2.提出了一种帮助子问题收敛或远离局部最优的自适应遗传算子选择方法。
3.提出了外部档案的密度优先个体选择机制，以提高算法的多样性。
4.基于 θ 优势的外部档案更新机制，以存储真正值得保留的解决方案，从而指导对子问题可演化性的评估。
