近日，西北農林科技大學理學院黨乾龍副教授以第一作者身份分別在《IEEE Transactions on Evolutionary Computation（IEEE TEVC）》和《IEEE Computational Intelligence Magazine（IEEE  CIM）》上發表題為“Data-Driven Evolutionary Algorithm Based on Inductive Graph Neural Networks for Multimodal Multi-Objective Optimization”和“Transformer-Based  Intelligent  Prediction  Model  for  Multimodal Multi-Objective Optimization”的研究成果。據悉，這是我校首次以第一單位在IEEE TEVC和IEEE CIM期刊上發表論文。

第一篇論文設計了一種基于歐幾里德距離的圖拓撲構造方法。它通過計算決策空間中個體的歐幾里德距離來確定鄰域，并建立拓撲關系來構建表示種群分布的圖。在此基礎上，構建了一個基于歸納圖神經網絡的模型來輔助后代生成，該模型可以通過采樣和聚合現有信息來學習未知節點。此外，提出了一種數據驅動的生成策略來預測具有良好多樣性和收斂性的后代，該策略使用傳統的變異算子生成訓練數據，并采用這些數據來訓練模型。所提出的方法具有優異的性能。

圖1 基于歸納圖神經網絡的算法框架

第二篇論文構建了一個基于Transformer的預測模型，通過捕捉相鄰世代種群分布的變化來生成有前途的后代。此外，許多算法只關注全局帕累托最優解集（PS），而忽略了局部PS。雖然局部PS在目標值方面不如全局PS，但在某些實際應用中獲得全局PS的成本是巨大的。全局PS目標相似的局部PS是決策者可接受的替代方案，為檔案更新設計了一種基于差異的注意力機制，通過計算注意力值將解決方案保存在全局PS和局部PS上。本文提出的方法達到了國際領先水平。

圖2 基于Transformer的預測模型

IEEE TEVC 和IEEE CIM 是計算智能領域頂尖期刊，年發文量分別是80篇和20篇左右，影響因子分別為11.7和10.3，都是中國人工智能協會（CAAI）推薦的A類期刊，以發表計算智能領域新發現、重要理論和重大應用而受到全世界人工智能領域研究學者的尊重。

該研究得到中國博士后面上項目（2024M762632）、陜西省自然科學基金（2024JC-YBQN-0687）和陜西省社會科學基金（2024R027）的聯合資助。