[网办大厅] [图书馆] [学报编辑部] [电子邮件] [校外访问] [办公系统]

学术预告:复杂约束多目标进化算法研究

报告题目:复杂约束多目标进化算法研究

报告时间:2023年10月27日(星期五)10:00-11:30

报告地点:博闻楼313(电信学院大会议室)

主办单位:电子与信息工程学院

报 告 人:董明刚

报告人简介:

董明刚,桂林理工大学教授、博士,硕士生导师。主要研究方向为智能计算、机器学习。桂林理工大学信息科学与工程学院副院长、广西嵌入式技术与智能系统重点实验室副主任、桂林理工大学人工智能研究院副院长、广西高校电子信息教指委委员、广西人工智能学会理事、中国计算机学会YOCSEF桂林主席(2020-2021)、中国计算机学会高级会员、人工智能与模式识别专委会委员、大数据专委会委员。先后主持国家自然科学基金项目3项、广西自然科学基金等省部级科研项目3项。近年来以第一作者或通信作者在《Swarm and Evolutionary Computation》《Information Sciences》《Knowledge-based Systems》《控制与决策》等国内外重要期刊和会议上发表学术论文40多篇。其中SCIEI收录期刊论文30余篇;出版学术专著1部、教材3部;获广西自然科学优秀论文奖二等奖1项和广西教学成果一等奖2项、三等奖1项。

报告内容简介:

报告首先介绍约束多目标问题,然后介绍本团队在复杂约束多目标进化算法方面的一些尝试和取得相关成果。主要内容如下:针对具有小可行区域的约束多目标优化问题,提出了一个基于双存档的约束多目标进化算法(简称CTAEA-SFR)。提出的算法遵循双存档约束多目标优化进化算法(简称 C-TAEA)中的双存档的思想,分别维护面向收敛性的存档(简称CA)和面向多样性的存档(简称DA)。为了平衡目标和约束,提出了一种用于更新CA的高质量解选择机制。为了在进化过程中提供更好的种群多样性,设计了一种动态选择策略,根据CA的状态更新DA。为了CADA更好地交互,提出了一种基于协作的匹配选择机制,不仅可以平衡收敛性和多样性,还可以平衡探索和开发。此外,还设计了一种理想点的替换机制,使种群在可行区域内均匀分布。针对约束多目标优化问题存在的Pareto前沿不连续特征导致算法搜索效率较为低下的问题,提出了具有两阶段资源分配的约束多目标进化算法(简称CMOEA-TSRA)。CMOEA-TSRA通过迭代次数将进化过程划分为两个阶段,并采用不同的策略分配搜索资源。在第一阶段,它只粗略地开发可行区域,更加关注探索未开发的区域,以提高搜索效率。在第二阶段,进一步开发可行区域。此外,为了帮助种群跨越不可行区域并找到狭窄的可行区域,开发了一种基于种群分布的适应度分配方法。同时,还开发了一种基于邻域的匹配选择机制,利用邻域解的信息来提高种群多样性。