最近，我校37000cm威尼斯博士研究生荣淼与巩敦卫教授等合作，在国际顶级期刊《IEEE Transactions on Evolutionary Computation》上发表题为“A Multi-Model Prediction Method for Dynamic Multi-Objective Evolutionary Optimization”的学术论文，报告了基于多模型预测方法解决动态多目标优化问题的最新研究成果。

动态多目标优化问题普遍存在于工业生产与生活中，因目标函数、约束条件等随时间变化，该问题的求解难度远大于多目标优化问题和动态单目标优化问题，对优化方法追踪最优解的速度和精准度提出更高的要求。论文通过种群在问题变化后的进化趋势，判断变化类型，并给出相应的最优解预测方法；通过在微粒群优化中引入上述预测方法，提高微粒群优化寻找动态多目标优化问题最优解的速度和精准度。主要贡献包括：

1. 提出多模型预测策略，为优化算法提供尽可能靠近甚至覆盖变化后问题最优解集的初始种群；

2. 建立问题变化方式与预测模型之间的联系，针对每一变化类型，给出有针对性的搜索范围，同时引入多样性保持，实现搜索和开发的合理平衡；

3. 提出变化问题的集合覆盖测度，量化不同优化方法所得最优解集的支配程度。

据悉，荣淼于2016年9月开始攻读控制理论与控制工程专业博士学位，主要从事多目标进化优化研究。该成果是她继去年在《IEEE Transactions on Cybernetics》上发表高水平学术论文之后，取得的又一高显示度研究成果。《IEEE Transactions on Evolutionary Computation》是计算机科学领域具有重要影响力的学术期刊，最新影响因子8.508，多年来连续位居中科院和JCR一区。

论文信息：

Title: A Multi-Model Prediction Method for Dynamic Multi-Objective Evolutionary Optimization

Authors: Miao Rong, Dunwei Gong, Witold Pedrycz, Ling Wang

Source: DOI: 10.1109/TEVC.2019.2925358

Link: https://ieeexplore.ieee.org/document/8747344