我校梁静教授在人工智能领域顶级期刊发表系列高水平研究成果

来源：河南工学院时间：2024-11-06 07:21:08

近日，我校梁静教授以河南工学院为通讯单位围绕约束多目标优化、特征选择以及差分进化等方向在《IEEE/CAA Journal of Automatica Sinica》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《CSEE Journal of Power and Energy Systems》、《Evolutionary Computation》等国际权威期刊发表一系列高质量文章。

题目为《Constraints Separation Based Evolutionary Multitasking for Constrained Multi-Objective Optimization Problems》的论文发表在期刊《IEEE/CAA Journal of Automatica Sinica》（Top 期刊，IF: 15.3）。本文尝试使用单约束的信息来帮助解决约束多目标优化问题。提出一种辅助任务优先级方法，分析任务之间的关系，保留最有用的辅助任务；提出了一种改进的试探性方法来识别有用的知识，以提高知识转移的有效性。

题目为《A Cooperative Multi-step Mutation Strategy for Multi-objective Optimization Problems With Deceptive Constraints》的论文发表在期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》（TOP期刊，IF:8.6）。为了解决欺骗性约束多目标优化问题，本文提出了一种具有合作多步变异策略的进化多任务算法，分别创建一个主要任务和一个辅助任务，从可行区域和不可行区域接近约束帕累托前沿。

题目为《Collaborative resource allocation-based differential evolution for solving numerical optimization problems》的论文发表在期刊《Information Sciences》（TOP期刊，IF:8.1）。本文提出了一种基于协同资源分配的差分进化算法。这种创新方法动态地将计算资源分配给三种变异策略，每种策略都有不同的搜索行为，这种协作资源分配和参数自适应的双重机制不仅保留了不同的搜索能力，而且最佳地利用了特定的突变策略来满足不同搜索阶段种群不断变化的需求。

题目为《Genetic Programming for Automatically Evolving Multiple Features to Classification》的论文发表在期刊《Evolutionary Computation》（IF:4.6）。本文弥合特征选择和特征构建方法之间的差距，通过使用具有新终端功能的GP来进化信息丰富的原始特征和/或构建新的高级特征进行分类。此外，提出了一种新的具有相关性引导的交叉算子，以提高分类后代的质量。

题目为《Optimization design method of power distribution relationship for LLC-DAB hybrid bidirectional converter based on Sigma structure》的论文发表在期刊《CSEE Journal of Power and Energy Systems》（IF:6.9）。本文提出了一种基于多目标粒子群优化算法的配电优化设计方法，用于设计转换器子模块之间的最优配电关系，而获得最优功率分布关系和相应的最优电路参数。