近期，我院服装设计智能化重点实验室智能分析与决策团队刘俊华老师指导的刘存焱同学在硕士期间撰写的题为《Constraint-tightening based adaptive two-stage evolutionary algorithm for constrained multi-objective optimization》的学术论文在国际期刊《Swarm and Evolutionary Computation》（DOI:10.1016/j.swevo.2025.102137，中科院一区期刊，IF8.5）上发表。该期刊是进化优化领域具有国际影响力的权威学术期刊。
约束多目标优化问题（CMOPs）在实际应用中广泛存在，但现有方法往往难以应对其多样化特征，例如：不可连通的可行域以及真实约束帕累托前沿附近的不可行解。为应对这些挑战，本文提出一种基于约束收紧的自适应两阶段进化算法（CT-TSEA），该算法融合约束边界收紧策略与参数动态调整策略并将算法进程分为两个阶段。第一阶段：算法采用基于评估次数的约束边界收紧策略引导种群向可行域移动，通过放松约束边界全面探索解空间，识别潜在解。随着评估次数增加，搜索边界逐步收缩以提升解的可行性。同时，设计了一种步长自适应调整方法并利用不可行解的信息进行优化，从而提高搜索效率和解的多样性；第二阶段：算法设计了一种交叉概率与缩放因子动态调整机制，通过优化种群的探索与开发能力来实现收敛性与多样性之间的平衡。算法CT-TSEA通过与七种目前先进的算法在四个基准测试套件所包含的59个测试实例及21个实际问题案例上进行对比实验，结果表明，与这些先进算法相比，CT-TSEA在处理复杂CMOPs时具有更强的竞争力。（撰稿：刘俊华 审核：张凯兵）
Fig 1. Population distribution of the eight algorithms on the MW13 test problem.
人物链接：
刘存焱，男，目前在西安工程大学攻读硕士学位。主要研究方向为动态多目标优化，昂贵约束多目标优化及其在工业生产过程中的应用等。
刘俊华，女，博士，副教授，硕士生导师。陕西省服装设计智能化重点实验室学术骨干，长期从事最优化方法、进化算法、多目标优化等方面的研究工作。主持国家自然科学青年基金项目1项，陕西省自然基金青年项目1项，参与国家级项目2项，主持横向项目1项。近年来在《knowledge-based systems》、《Integrated Computer-Aided Engineering》等国际学术会议和期刊上公开发表学术论文近二十余篇。受邀成为《Information Sciences》，《Applied Soft Computing》等学术期刊审稿人。
