基于决策空间的多目标进化计算的研究及应用

Current multi-objective optimization algorithms focus on the diversity, extendibility and convergence of the solutions in the objective space. The distribution of solutions in decision space is generally ignored. However, some problems have different optimal decision variants corresponding to the same objective values and it is difficult to solve those problems by considering the objective space only. This project will study the distribution of the solutions in decision space for multi-objective optimization problems to improve the search ability of the algorithm. The new concept of multimodal multi-objective optimization is also proposed. The project aims to propose efficient multi-objective optimization algorithms for complicated multi-objective optimization problems as well as the real world applications. The project starts with the research on the decision space and focuses on the information exchanging method between decision and objective spaces which reveals the importance of considering decision space in solving multi-objective optimization problems especially multimodal multi-objective optimization problems. The research further explains the relationships between multimodal multi-objective and dynamic multi-objective optimizations and subsequently construct novel decision space based multi-objective optimization algorithms as well as new benchmark testing functions. Finally, the proposed algorithms will be applied on micro-grid power dispatch problems and provide theories and techniques for complex real world optimization.

现存的多目标优化算法注重增强解在目标空间的多样性、延展性和收敛性，忽略了其在决策空间的分布情况。现实中存在决策空间多个解对应目标空间同一解的问题，只考虑解在目标空间的分布情况无法有效解决该类问题。本项目将对多目标优化问题最优解在决策空间的分布进行深入研究，从而分析并提高多目标算法的搜索性能，提出多模态多目标优化的新概念，设计基于决策空间的多目标优化算法，为创建新型有效的针对复杂多目标问题的优化算法提供思路，并为这些算法在实际中的应用奠定基础。项目的研究从决策空间的重要性分析着手，用决策与目标空间动态信息交互的方法，阐明决策空间信息对多目标优化尤其是多模态多目标的重要性，并进一步揭示多模态多目标与动态多目标的相似处及重要关联关系，从而构建基于决策空间的新型多目标算法及测试函数，并将最终提出的算法应用在微电网调度问题中，为高效解决实际复杂多目标优化问题提供理论依据和核心技术。

现存的多目标优化算法注重增强解在目标空间的多样性、延展性和收敛性，忽略了其在决策空间的分布情况。现实中存在决策空间多个解对应目标空间同一解的问题，只考虑解在目标空间的分布情况无法有效解决该类问题。项目组成员针对复杂多目标优化问题的基于决策空间的进化优化理论与方法，进行了为期4年的深入研究，提出了多模态多目标优化的新概念，构建了一系列难易程度适当、复杂程度递进的测试问题集，搭建出多模态多目标优化问题标准测试平台；提出了一系列决策空间多样性保持策略，设计了决策空间多样性及收敛性度量标准及评价指标，建立起适用于多模态多目标优化问题的进化优化理论；将上述决策空间理论扩展至动态、高维等复杂多目标优化问题的求解中，并将研究成果成功应用于微电网优化等实际问题。.基于上述成果，发表学术论文53篇，其中SCI收录35篇，EI收录13篇，中文核心5篇；获得教育部自然科学二等奖1项、河南省科技进步三等奖2项、吴文俊人工智能科学技术优秀青年奖1项、中国商业联合会科技进步奖三等奖1项、第十三届河南省青年科技奖1项、河南省教育厅科技成果一等奖1项、二等奖1项、河南省教育厅优秀科技论文奖一等奖2项、ICSI 2018最佳论文奖一项；授权发明专利3项；出版学术专著1部；培养博士研究生2人，毕业2人；硕士研究生7人，毕业4人。.研究成果提高了多目标优化算法对含动态、高维、多模态特性问题的鲁棒性和适应性，为创建新型有效的针对复杂多目标问题的优化算法提供了一种新的思路。同时，项目的研究还丰富了多目标进化优化理论，为高效解决实际复杂多目标优化问题提供理论依据和核心技术，具有重要的理论意义和实用价值。