近期，在上海举行的第九届群体智能国际会议（ICSI 2018）中，郑州大学计算智能实验室梁静教授等关于多模态多目标问题的自组织多目标粒子群算法的研究结果获得The best special session paper award of ICSI 2018。
为了解决具有两个或者多个帕累托解集的多模态多目标优化问题，提出了一种新的具有自组织机制的多目标粒子群优化算法（SMPSO-MM）。首先，利用自组织映射网络发现种群的分布结构，并在决策空间中构造邻域关系。然后，为种群粒子在对应的邻域中选取引导粒子。同时，采用精英学习策略用于子代的更新，避免种群过早收敛。最后，采用一种特殊拥挤距离的非支配排序方法对外部存档进行更新。在自组织机制的帮助下，可以将相似的个体映射到同一邻域中。此外，特殊拥挤距离可以保留多模态问题中在目标空间中可能非常接近但是在决策空间距离较远的个体。SMPSO-MM与其他四种多目标优化算法进行了比较。实验结果表明，该算法在解决多模态多目标优化问题上优于其他四种算法。
此项研究得到了国家自然科学基金（61473266和61673404）、河南省高校优秀青年教师研究奖励基金资助项目（2014GGJS-004）、河南省大学创新人才科技计划（16HASTIT041和16HASTIT033），河南省科技攻关项目（152102210153）的资助。
论文信息：
Title：A Self-organizing Multi-objective Particle Swarm Optimization Algorithm for Multimodal Multi-objective Problems
Authors：Jing Liang，Qianqian Guo，Caitong Yue，Boyang Qu，Kunjie Yu
Source：International Conference on Swarm Intelligence
DOI：10.1007/978-3-319-93815-8_52
First Online：16 June 2018
全文链接：
https://link.springer.com/chapter/10.1007/978-3-319-93815-8_52#citeas
