近日，计算机科学学院智能分析与决策团队刘俊华副教授指导的研究生寇珂怡撰写的题为《Distance-aware cooperative Kriging-assisted evolutionary algorithm for expensive many-objective optimization》的学术论文在国际期刊《Swarm and Evolutionary Computation》（中科院二区期刊，IF9.6）上发表。该期刊是进化优化领域具有国际影响力的权威学术期刊。

该论文针对昂贵超多目标优化问题中代理模型预测精度不足与采样策略自适应导向缺乏的困境，提出一种基于距离感知的协同克里金辅助超多目标进化算法（DACKEA）。昂贵超多目标优化问题在实际工程场景中备受关注，代理模型辅助进化算法已成为求解该类问题的主流手段，然而现有算法仍面临两大瓶颈：一是代理模型难以兼顾全局趋势与局部细节，在帕累托边界及复杂区域产生较大预测偏差；二是多数采样策略无法同时平衡潜力区域的分布特征与解集的收敛潜力，搜索过程缺少自适应导向，导致整体效率低下，在处理复杂昂贵超多目标问题时性能受限。针对上述挑战，DACKEA首先设计距离感知协同克里金模型，通过距离感知权重分配策略自适应融合全局与局部克里金模型，以提升预测精度与鲁棒性；其次构建多源信息引导的两阶段采样准则，综合解的分布信息、收敛潜力及预测不确定性来筛选候选解并更新模型。该采样准则借助种群收敛改善率驱动的阶段切换机制，实现不同搜索阶段的自适应转换，精准匹配各类优化状态，从而高效分配有限的计算评价资源。最后，在三套基准测试问题和两项实际工程应用中，将DACKEA与多种主流代理辅助进化算法进行对比实验，结果验证了该算法在求解昂贵超多目标优化问题时具有更强的竞争力。（撰稿：刘俊华 审核：张凯兵、闫小兵）

Fig 1. Distribution of the final non-dominated solutions obtained by DACKEA and the seven compared algorithms on the 3-objective DTLZ5 test instance.

人物链接：

寇珂怡，女，目前在西安工程大学攻读硕士学位。主要研究方向为基于代理辅助的进化算法，聚焦昂贵超多目标优化、约束昂贵多目标优化相关理论与算法研究，重点开展代理模型构建、填充采样策略设计等相关工作，结合现实优化问题开展算法有效性的验证探究。

刘俊华，女，博士，副教授，硕士生导师。计算机科学学院数据科学与大数据技术系副主任，陕西高校优秀青年人才，西安工程大学优秀教师，陕西省服装设计智能化重点实验室学术骨干，长期从事最优化方法、进化算法、多目标优化等方面的研究工作。主持国家自然科学青年基金项目1项，陕西省自然基金青年项目1项，参与国家级项目2项，主持横向项目1项。近年来在《knowledge-based systems》、《Integrated Computer-Aided Engineering》等国际学术会议和期刊上公开发表学术论文近二十余篇。受邀成为《Information Sciences》，《Applied Soft Computing》等学术期刊审稿人。