最近，中国矿业大学博士研究生刘益萍与专委会委员巩敦卫教授等合作，在国际顶级期刊《IEEE Transactions on Evolutionary Computation》上发表题为"A multi-modal multi-objective evolutionary algorithm using two-archive and recombination strategies"的学术论文，报导了多模态多目标优化问题的最新研究成果。

       多模态多目标优化问题普遍存在于实际生产与生活中，该问题在决策空间存在多个不同的Pareto最优解具有相同的目标函数值。现有多目标进化优化方法因没有考虑解集在决策空间的多样性，难以找到所有Pareto最优解。本成果的贡献如下：

1.提出基于双保存集与重组策略的多模态多目标进化优化方法，利用双保存集协同降低求解难度，采用重组策略减小进化种群规模，有效解决了多模态多目标优化问题。

2.提出一套多模态多目标基准测试问题，从多方面测试了算法性能。

3.提出新型性能评价指标，综合评价了解集在目标与决策空间的收敛与分布性能。

据悉，刘益萍于2014年9月至2017年12月在中国矿业大学攻读博士学位，上述成果是他在读博期间完成的。《IEEE Transactions on Evolutionary Computation》是控制与信息学科具有重要影响力的学术期刊，最新影响因子8.124，位列中科院和JCR一区。

论文信息：

Title: A multi-modal multi-objective evolutionary algorithm using two-archive and recombination strategies

Authors: Yiping Liu, Gary G. Yen, and Dunwei Gong

Source: DOI: 10.1109/TEVC.2018.2879406.

Link: https://ieeexplore.ieee.org/document/8520873