近日，理学院信息与计算科学专业2022级本科生高小川以第一作者在期刊Information Sciences（2023年中科院分区表最新升级版一区Top，IF值：8.1）上在线发表了题为《Learnable self-supervised support vector machine based individual selection strategy for multimodal multi-objective optimization》的研究论文。理学院为论文第一完成单位，党乾龙副教授为指导教师和通信作者，白尉廷、杨帅和张广辉为论文合作者。

近年来，多模态多目标优化问题逐渐流行，其特点是在决策空间中，多个不同的帕累托最优解对应于目标空间帕累托前沿上的同一点。寻找多个等价的帕累托最优解可以为决策者提供更多样化的选择。传统的算法在选择过程中往往具有收敛性偏好，会优先考虑个体的目标优势，具有相同目标优势的个体才关注多样性。这种收敛优先的选择策略会导致许多潜在的解的丢失。

为解决上述问题，该研究提出了一种基于可学习的自监督支持向量机（SVM）的多模态多目标优化算法（SVMEA）。由于进化过程中无法提供真实数据集，我们设计了一种新训练方法，采用基于适应度的传统选择策略生成可学习SVM的训练数据和伪标签。SVM可以学习区分个体优劣的知识，在这种知识中，个体的目标优势和多样性分布不会分离，可以更全面地分析个体的利弊，从而在选择过程中得到更有前途的解决方案。实验结果表明，SVMEA与其他7种先进的多模态多目标优化算法在34个基准问题和一个基于地图的距离最小化实际问题上具有显著优势。

该研究得到了陕西省自然科学基金（2024JC-YBQN-0687）、国家级大学生创新创业训练计划项目的联合资助（202410712216）。

文章链接：https://www.sciencedirect.com/science/article/pii/S0020025524014671