信息工程学院

讲座时间：2020年11月20日14:00时

讲座地点：工B308

讲座对象：信息工程学院师生

     讲座摘要：现实世界中广泛存在一类需同时优化几个目标且满足一系列条件的约束多目标优化问题。分解型多目标演化算法MOEA/D、CAEA等，近年来在无约束多目标问题上表现出了非常优异的性能，但这些优异性能目前却未能有效扩展到约束多目标优化中，并且CAEA目前仅适用于二目标空间。本项目拟先引入单位超平面上均匀分布的参考点集锥束分解高维目标空间将CAEA的性能优势扩展至高维目标。进一步借助分解型算法中各子问题的标量目标特性，有机嵌入模拟退火采样过程中的Metropolis准则，研究将单目标优化中较有前景的随机排序与约束占优技术扩展到约束多目标优化的方法，探讨多目标优化中有效的分解型自适应随机排序与退火占优约束处理机制。最后利用分解型算法中各子问题间的低耦合性，充分挖掘分解型算法的异步并行潜力，有效降低串行算法的时间成本，使其可高效求得蛋白质结构预测等高维目标空间中复杂约束多目标优化问题的高质量非劣可行解集。