近日，我院王健教授科研团队在稀疏大规模多目标优化方向取得重要进展，相关成果S-ECSO和ST-CCPSO分别发表在进化计算领域T0顶级期刊《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》、《Swarm and Evolutionary Computation》上。论文第一作者为我校硕士生王翔宇，我校王健教授和欧洲科学院院士金耀初教授为通讯作者。该研究工作得到国家自然科学基金、中国石油大学研究生创新基金等项目资助。

 由于进化计算对函数性质要求不高、可解决多目标问题等特性，近年来成为优化领域的重要研究方向，特别是在多目标领域取得了许多成果。但对于稀疏问题，现存的算法难以很好地解决，这主要是因为其未能考虑稀疏问题的特性，即在最优解中的变量具有较多的零元素。然而，稀疏问题存在于许多优化问题中，例如轻量化神经网络的构造，特征选择等机器学习问题和Portfolio优化等金融领域的问题。这就使得基于稀疏大规模多目标问题的研究变得急迫与重要。

研究团队所提出的两个优化算法可以很好地解决上述问题。在S-ECSO，作者通过构造具有稀疏功能的强凸函数对解进行优化。另外，针对大规模优化问题的特点，提出了三方竞争机制，以更好地平衡探索与开发之间的关系，并且给出了该机制的收敛性证明。另一方面，ST-CCPSO提出了稀疏截断算子，将 “累积梯度”作为稀疏置零的基准。同时，ST-CCPSO改进了竞争粒子群算法，使其同时具有粒子群算法与竞争粒子群算法的优势，即高效地寻找全局最优解。

  审稿专家认为，团队提出两个新颖的稀疏大规模多目标优化算法，给出了理论性证明，并通过数值实验验证了算法在平衡稀疏性、收敛性、多样性之间的优越性能，相关算法均应用在构造轻量化的神经网络上。

《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》和《Swarm and Evolutionary Computation》是国际进化计算领域的顶级期刊，在该领域均排名前三。

近年来，王健教授团队致力于机器学习领域的研究工作，在神经网络、模糊系统、进化领域中取得了重要的进展，在《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》、《Swarm and Evolutionary Computation》、《IEEE Transactions on Cybernetics》等国际权威期刊发表了系列研究成果，丰富和发展了机器学习领域的理论研究，并将成果应用于智能油气田开发等实际生产领域中。

论文链接：https://ieeexplore.ieee.org/document/9531955 、

https://www.sciencedirect.com/science/article/abs/pii/S2210650222000530