近日，郑州大学计算智能实验室在国际权威期刊《IEEE Transactions on Evolutionary Computation》上发表学术论文《Historical Information-assisted Dynamic Response Integration and Adaptive Niche Methods for Dynamic Multimodal Optimization》，提出了解决动态多模态优化问题的进化算法。
多模态优化问题指具有多个最优解的问题，其广泛存在于现实应用中。然而现有的研究多集中在无时间属性问题，当将多模态问题和时间属性结合后，空间地形会随时间的推移发生改变，从而导致了最优解数量和位置的改变。为了随时间变化不断跟踪所有最优解，本文提出了历史信息辅助的动态响应集成和自适应小生境方法。首先，设计了一种具有自适应调整机制的动态响应集成方法，通过集成具有不同优势的动态响应机制来应对各种变化类型。此外，在静态优化部分提出了一种小生境自适应划分策略，该策略可以通过动态调整小生境的划分来平衡进化过程中种群的多样性和收敛性。本文的主要贡献包括：
1. 提出了一种具有自适应调整机制的动态响应集成方法，该方法集成了多种动态响应机制，以应对多种类型的变化。同时，该方法还提出了一种准确率指标，该指标用来衡量所集成动态响应机制在历史环境中的性能，然后根据不同机制的性能自适应调整机制的使用权重，以平衡新环境中初始种群的多样性和收敛性。
2. 设计了一种小生境自适应划分策略，根据当前的进化代数和所使用动态响应机制在历史环境中的表现，动态调整小生境的划分。这种策略可以在进化过程中平衡种群多样性和收敛性，从而提高静态多模态优化器的性能。
该成果得到国家自然科学基金，国家重点研发计划项目等项目的资助。《IEEE Transactions on Evolutionary Computation》是计算智能领域中重要学术期刊，最新影响因子为11.7。
题目：Historical Information-assisted Dynamic Response Integration and Adaptive Niche Methods for Dynamic Multimodal Optimization
作者：Kunjie Yu, Xuyang Zhang, Dezheng Zhang, Jing Liang, Yumeng Li, Heshan Wang*, Ke Chen, Caitong Yue
DOI：10.1109/TEVC.2025.3527478
链接：https://ieeexplore.ieee.org/document/10835229