日前，由安徽大學(xué)張興義教授和田野博士、南方科技大學(xué)程然博士以及西湖大學(xué)可信及通用人工智能實驗室主任金耀初教授編寫的專著《Evolutionary Large-Scale Multi-Objective Optimization and Applications》由Wiley-IEEE出版社出版。該專著凝聚了作者在大規(guī)模多目標(biāo)進(jìn)化優(yōu)化領(lǐng)域近十年的研究成果，同時也是該領(lǐng)域的首部專著。

專著網(wǎng)址：

https://www.wiley.com/en-hk/Evolutionary+Large-Scale+Multi-Objective+Optimization+and+Applications-p-9781394178438

進(jìn)化計算經(jīng)歷了三十余年的快速發(fā)展，在多目標(biāo)優(yōu)化領(lǐng)域取得了令人矚目的性能優(yōu)勢。然而在大規(guī)模多目標(biāo)優(yōu)化這一更加現(xiàn)實且更具體挑戰(zhàn)性的難題上，進(jìn)化算法因遭遇“維數(shù)災(zāi)難”現(xiàn)象性能急劇下降。為此，包括該專著作者在內(nèi)的一批學(xué)者在近十年提出了解決大規(guī)模多目標(biāo)優(yōu)化問題的新型進(jìn)化優(yōu)化思想，顯著增強(qiáng)了進(jìn)化算法在大規(guī)模多目標(biāo)優(yōu)化問題上的性能和效率。該專著詳細(xì)介紹了大規(guī)模多目標(biāo)優(yōu)化的基本概念、問題定義和度量方法，并重點描述了近十年具有代表性的大規(guī)模多目標(biāo)進(jìn)化算法的設(shè)計思路和具體流程，同時闡述了大規(guī)模多目標(biāo)進(jìn)化優(yōu)化技術(shù)在智慧物流、智能電網(wǎng)、智慧醫(yī)療等領(lǐng)域的重點應(yīng)用。

該專著共分九章，具體如下：

第一章介紹大規(guī)模多目標(biāo)優(yōu)化的基本概念，包括問題背景、問題定義和多目標(biāo)進(jìn)化算法基本思想。

第二章介紹大規(guī)模多目標(biāo)優(yōu)化的度量方法，包括基準(zhǔn)測試問題和性能指標(biāo)的詳細(xì)定義。

第三章詳細(xì)描述四個代表性大規(guī)模多目標(biāo)進(jìn)化算法，包括基于變量隨機(jī)分組、變量聚類、問題重構(gòu)和競爭粒子群的進(jìn)化算法。

第四章詳細(xì)描述三個代表性稀疏大規(guī)模多目標(biāo)進(jìn)化算法，包括基于雙層編碼、機(jī)器學(xué)習(xí)輔助和數(shù)據(jù)挖掘輔助的進(jìn)化算法。

第五章介紹大規(guī)模多目標(biāo)進(jìn)化優(yōu)化在社團(tuán)檢測任務(wù)上的應(yīng)用，包括優(yōu)化模型、面向社團(tuán)檢測的降維進(jìn)化算法和并行進(jìn)化算法。

第六章介紹大規(guī)模多目標(biāo)進(jìn)化優(yōu)化在智慧物流中的應(yīng)用，包括面向有容量約束車輛路徑的進(jìn)化算法和面向不確定環(huán)境下設(shè)施選址的進(jìn)化算法。

第七章介紹大規(guī)模多目標(biāo)進(jìn)化優(yōu)化在電壓互感器檢測任務(wù)上的應(yīng)用，包括問題背景、優(yōu)化模型和電壓互感器檢測知識驅(qū)動的協(xié)同進(jìn)化算法。

第八章介紹大規(guī)模多目標(biāo)進(jìn)化優(yōu)化在放射治療任務(wù)上的應(yīng)用，包括問題挑戰(zhàn)、優(yōu)化模型和基于雙粒度編碼的協(xié)同進(jìn)化算法。

最后，第九章介紹大規(guī)模多目標(biāo)進(jìn)化優(yōu)化在深度學(xué)習(xí)中的應(yīng)用，包括面向深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的梯度引導(dǎo)進(jìn)化算法和面向神經(jīng)結(jié)構(gòu)搜索的動作命令編碼進(jìn)化算法。

該專著作者張興義教授、程然博士、田野博士和金耀初教授長期從事進(jìn)化計算尤其是大規(guī)模多目標(biāo)進(jìn)化優(yōu)化領(lǐng)域的研究工作。他們發(fā)表的大規(guī)模多目標(biāo)進(jìn)化優(yōu)化論文《A decision variable clustering-based evolutionary algorithm for large-scale many-objective optimization》曾獲進(jìn)化計算領(lǐng)域旗艦期刊IEEE Transactions on Evolutionary Computation的年度唯一杰出論文獎，同時他們也發(fā)表了大規(guī)模多目標(biāo)進(jìn)化優(yōu)化領(lǐng)域的ESI高被引綜述論文《Evolutionary large-scale multi-objective optimization: A survey》。更值得一提的是，他們開發(fā)了進(jìn)化優(yōu)化領(lǐng)域的開源平臺PlatEMO，目前擁有200多個代表性進(jìn)化算法以及500多個代表性優(yōu)化問題，包含該專著介紹的絕大部分算法、問題和性能指標(biāo)的開源代碼。