武科大网讯（通讯员曾宪森）近日，我院教授贺娟娟以第一作者身份与硕士研究生杨倩（第二作者）在权威期刊《中国科学： 信息科学》上发表了题为“基于全局密度更新策略的两阶段多模态多目标进化算法”的研究成果。
多模态多目标优化问题因其需探索多个全局及局部最优的帕累托解集，不仅具有深远的理论研究价值，更蕴含着巨大的实际应用潜力。当前多数算法在进化流程中仍倾向于优先选取收敛性强的个体构建交配池，这往往导致决策空间中多样性丰富的个体被目标空间中收敛性好的个体所取代。同时，帕累托最优子集在决策空间中的多样形态与位置分布，也使得个体难以均匀收敛至每个帕累托子区域。
针对上述难题，贺娟娟与杨倩合作提出的基于全局密度更新策略的两阶段多模态多目标进化算法MMO-GD，实现了显著的创新突破。该算法摒弃了传统交配池的构建，转而采用一种新颖的两阶段优化框架，利用不同进化阶段的算法特性进行子代更新，有效平衡了种群的探索与开发能力。此外，为应对帕累托子集分布不均的问题，研究团队设计了目标空间密度自适应策略与全局密度估计更新种群策略，确保了目标空间与决策空间中种群多样性的维持。
实验数据有力证明了MMO-GD算法在决策空间中能发掘更多等价解，并在平衡决策空间与目标空间的多样性与收敛性方面展现出更优性能。这一研究成果不仅为复杂优化问题的解决提供了新视角，也为多模态多目标优化领域的研究开辟了新路径，具有重要的理论意义与潜在的经济价值，有力推动了该领域的学术进步。
贺娟娟所属的智能优化与控制团队，近年来更是在多目标优化领域屡获佳绩，多篇高水平论文被《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Cybernetics》等国际权威期刊收录。
