武科大網(wǎng)訊（通訊員曾憲森）近日，計算機學(xué)院許志偉博士團(tuán)隊最新研究成果論文《Multi-objective Optimization for Multimodal Multi-objective Multi-point Shortest Path Problem Considering Unforeseeable Road Eventualities》在國際權(quán)威期刊《IEEE Transactions on Intelligent Transportation Systems》（CCF-B類）上正式發(fā)表。許志偉博士為該論文的第一作者、通訊作者，英國伯明翰大學(xué)李密青教授、西班牙巴斯克大學(xué)Javier Del Ser教授共同參與了此項重要研究。

多目標(biāo)多點最短路徑規(guī)劃問題（Multi-objective Multi-point Shortest Path Problem）廣泛存在于物流調(diào)度、應(yīng)急響應(yīng)和智能交通等實際場景中。該類問題不僅涉及多個沖突的優(yōu)化目標(biāo)，還需路徑同時滿足多個必經(jīng)點的約束，并在極端事件（如道路封閉、事故等）下具備魯棒性和多樣性。因此，其優(yōu)化建模極具挑戰(zhàn)性，尤其在面對大量等價解時，傳統(tǒng)進(jìn)化算法往往難以全面識別和保持這些多樣解。

針對上述問題，許志偉博士團(tuán)隊提出了一種面向多模態(tài)多目標(biāo)多點路徑問題的進(jìn)化算法MMOEA-CDP。該算法在兩個關(guān)鍵技術(shù)上取得了創(chuàng)新性突破：

一是基于約束支配原則（Constraint Dominance Principle, CDP）的路徑比較策略。該策略通過將每個必要點建模為獨立約束，并引入約束滿足度量機制，允許算法在進(jìn)化過程中保留部分不可行但潛在優(yōu)良解，有效穿越不可行區(qū)域，最終逼近真實的受約束帕累托前沿（Constrained Pareto Front）。

二是基于路徑相似度的多模態(tài)解選擇機制。該機制突破傳統(tǒng)算法只關(guān)注目標(biāo)空間多樣性的限制，通過評估候選解在決策空間中的結(jié)構(gòu)差異性，顯著提升了算法保留等價最優(yōu)路徑（即在目標(biāo)值相同但路徑結(jié)構(gòu)不同的方案）能力，從而為實際調(diào)度提供更多候選方案以應(yīng)對突發(fā)情況。

在源自IEEE CEC 2021路徑規(guī)劃競賽的真實城市交通圖測試集上，MMOEA-CDP與五種國際先進(jìn)算法進(jìn)行了對比實驗，涵蓋多目標(biāo)、多模態(tài)和受約束三類典型問題。在所有測試實例中，該算法均取得最優(yōu)性能，尤其在等價最優(yōu)解數(shù)量多達(dá)千級規(guī)模的測試問題上，能完整發(fā)現(xiàn)所有有效路徑，驗證了其在多目標(biāo)路徑規(guī)劃中的卓越適應(yīng)性與穩(wěn)定性。

本研究成果不僅在理論上深化了對多模態(tài)多目標(biāo)組合優(yōu)化問題的理解，也為復(fù)雜交通網(wǎng)絡(luò)中魯棒路徑規(guī)劃提供了高效實用的新路徑，具有重要的學(xué)術(shù)價值與應(yīng)用前景。

據(jù)悉，《IEEE Transactions on Intelligent Transportation Systems》是智能交通系統(tǒng)領(lǐng)域的頂級國際期刊，由IEEE Intelligent Transportation Systems Society主辦，具有廣泛的國際影響力。許志偉博士團(tuán)隊長期致力于演化計算、智能交通調(diào)度及多目標(biāo)優(yōu)化等研究，近年來在相關(guān)方向上取得一系列突破性成果，多項成果發(fā)表于《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Cybernetics》等國際權(quán)威期刊，持續(xù)推動領(lǐng)域?qū)W術(shù)進(jìn)步。