近日，我校复杂系统与智能控制团队联合英国De Montfort University、中南大学、东北大学和内蒙古大学在控制科学与工程领域不确定多目标优化方向取得重要研究进展。相关成果发表在《IEEE Transactions on Artificial Intelligence》《IEEE Transactions on Emerging Topics in Computational Intelligence》《Expert Systems with Applications》国际权威期刊。我校为论文第一完成单位，电气与信息工程学院李飞副教授为论文第一作者。

（基于性能指标的滑动窗口检测）

针对环境变化未知的动态多目标优化问题，团队提出了一种基于性能指标的滑动窗口检测动态多目标优化方法。该方法首先设计距离度量性能指标检测环境变化，然后根据不同区域的环境变化程度设计多层迁移策略，最后通过引入精英双向学习策略平衡勘探和开采能力。实验结果表明，所提算法在求解环境变化未知的动态多目标优化问题时，能够快速跟踪动态变化过程，获得最优解。

（基于Wasserstein距离和R2指标的鲁棒多目标进化算法流程）

针对鲁棒多目标优化问题最优性与鲁棒性难以兼顾的问题，团队提出了一种基于Wasserstein距离和R2指标的鲁棒多目标进化算法。该算法通过计算扰动前后不同决策变量对应个体分布之间的Wasserstein距离，衡量其对扰动的敏感程度，提出了一种融合支配关系与性能指标的鲁棒最优解搜索策略。实验结果表明，所提算法在求解汽车侧面碰撞鲁棒多目标优化问题时取得了较好的效果。

（基于常数矩阵投影的进化策略框架）

针对进化策略在求解大规模复杂优化问题时计算成本高以及优化效率低等难题，团队提出了一种基于常数矩阵投影的进化策略框架。该框架通过构造常数矩阵，将高维问题映射至低维空间，并在低维空间完成搜索，再映射回原空间进行评价，保证求解的效果和效率。实验结果表明，所提算法在求解大规模优化问题时具有更好的性能，为求解复杂工业过程运行优化问题提供了一种新的思路。

本研究工作得到了国家自然科学基金、安徽省自然科学基金、安徽省高校科学研究项目、低碳冶金与固废资源化重点实验室开放课题以及电力电子与运动控制安徽省高校重点实验室开放基金等多项项目的资助与支持。

论文链接：

https://ieeexplore.ieee.org/document/11568194/

https://ieeexplore.ieee.org/document/11643296/

https://www.sciencedirect.com/science/article/abs/pii/S0957417426015010

（撰稿：李清莲 审核：程木田 郑近德 张苒 黄敏）