学位论文简介
多模多目标优化问题广泛存在于实际工程场景，其核心特征是决策空间多个等价帕累托最优解集对应目标空间同一帕累托最优前沿，获取全部解集兼具重要理论与工程价值。但 MMOP 求解面临决策空间多样性难以保持的核心挑战，为此本文围绕该问题展开系统研究，通过算法设计与策略优化提升复杂 MMOP 求解性能。取得了以下主要创新性研究成果：
针对传统双种群协同进化策略因交互过强，易造成高搜索难度PS与局部PS丢失的问题，本文提出一种基于双种群弱协同进化的环境选择策略，该策略前期由辅助种群定位全部等价PS，后期通过主辅种群协作完成深度开发，以平衡决策空间的收敛性和多样性。
针对现有多模多目标进化算法难以根据不同进化阶段对探索与开发的差异化需求自适应调控决策空间的搜索过程，进而引发决策空间多样性不足的问题，本文提出一种深度强化学习驱动的进化算子选择策略，以动态平衡对决策空间的探索与开发。
针对约束优先的环境选择机制在处理决策空间多样性与约束满足度不平衡的MMOP时，易删除可增强多样性但约束违反度较高的解，进而忽略高约束强度区域的约束PS的问题，本文提出一种基于局部帕累托支配的无约束辅助种群协同进化算法。
针对现有多模多目标进化算法未针对PF上决策者感兴趣的局部区域构建决策空间中的多样性保持机制，导致难以获取映射到决策者感兴趣区域的全部等价PS子集的问题，本文提出一种融合决策者偏好和局部收敛性质量的多模多目标进化算法，以实现对决策者感兴趣区域内多组等价PS子集的有效搜索。
主要学术成果
Li, Z., Rong, H., Yang, S., Yang, X., & Huang, Y. (2024). A Dual-population Coevolutionary Algorithm for Balancing Convergence and Diversity in the Decision Space in Multimodal Multi-objective Optimization. Applied Soft Computing, 111770. (SCI 1区，第一作者)
Li, Z., Rong, H., Chen, J., Zhao, Z., & Huang, Y. (2024). Integration of Preferences in Multimodal Multi-objective Optimization. Expert Systems with Applications, 124405. (SCI 1区，第一作者)
Li Z, Mao W, Rong H, et al. Improved Convergence-relaxed Mechanism for Handling Imbalance Between Convergence and Diversity in the Decision Space in Multimodal Multi-objective optimization[C]//Proceedings of the Genetic and Evolutionary Computation Conference. 2025: 609-617. (CCF C会议，第一作者)
Li Z, Rong H. Using the Local Auxiliary Population to Balance the Convergence and Constraints in Constrained Multimodal Multi-objective Optimization[C]//2025 IEEE Congress on Evolutionary Computation (CEC). IEEE, 2025: 1-8. (CCF C会议，第一作者)
Li, Z., Rong, H., et al. Deep Reinforcement Learning-Driven Evolutionary Operator Selection for Adaptive Exploration and Exploitation. IEEE Transactions on Emerging Topics in Computational Intelligence. (SCI 2区，第一作者，Under Review)
Li, Z., Rong, H., et al. Boundary Solution-Guided MMEA for Path Planning Problem Considering Environmental Uncertainty. 2026 Parallel Problem Solving From Nature. (CCF B会议，第一作者，Under Review)
