【本站讯】近日，我校理学院王健教授团队在稀疏大规模多目标优化方向取得重要进展，相关成果分别发表在进化计算领域期刊《IEEE 进化计算汇刊》（IEEE Transactions on Evolutionary Computation）、《群智能和进化计算》（Swarm and Evolutionary Computation）上。论文第一作者为我校硕士研究生王翔宇，通讯作者为王健教授和欧洲科学院院士金耀初教授。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。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。这使得基于稀疏大规模多目标问题的研究变得急迫且重要。王健教授团队提出的两个算法能够高效精准地解决稀疏问题，并理论证明算法的收敛性，为后续大规模稀疏多目标进化算法的发展提供了新的起点和理论支撑。

研究论文《大规模多目标优化的强凸稀疏算子增强竞争群优化算法》（An Enhanced Competitive Swarm Optimizer With Strongly Convex Sparse Operator for Large-Scale Multiobjective Optimization）发表在进化计算领域权威期刊《IEEE 进化计算汇刊》（IEEE Transactions on Evolutionary Computation）上。在S-ECSO中，作者依据一范数及次梯度的相关性质，构造出了一个新型强凸函数，并进行严格的理论推导，得到最优化条件，从而对解进行稀疏优化。该方法开创性地使用数学理论对进化算法中的稀疏优化问题进行改进，使得该算法具有强大的理论支撑。同时，针对变量数目超高的问题特点，团队还提出了三方竞争机制，通过改变变量更新的方式，平衡搜索空间中常常难以平衡的探索与开发之间的关系，并且给出了详尽的收敛证明。

研究论文《基于稀疏截断算子的多目标聚类竞争粒子群优化算法》（A Cluster-Based Competitive Particle Swarm Optimizer with a Sparse Truncation Operator for Multi-Objective Optimization）发表在进化计算领域权威期刊《群智能和进化计算》（Swarm and Evolutionary Computation）上。在ST-CCPSO中，作者提出了稀疏截断算子，创造性地提出了“累积梯度”这一概念，并将其作为稀疏置零的标准。这一操作，可以很好地提升算法在解决稀疏优化问题上的性能，在同类算法中处于优势地位。另外，ST-CCPSO还将经典的粒子群算法和竞争粒子群算法做了优化组合，使得新的算法可以很好地结合两者之间的优势，规避了缺点，可以高效地寻找全局最优解。

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，在进化计算领域形成了一定的国际影响力。论文链接：

https://ieeexplore.ieee.org/document/9531955 

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