新闻网讯（通讯员苏宙行）近日，计算机学院吕志鹏教授指导的团队在进化计算领域的GECCO 2024国际会议系列竞赛中斩获多模态优化的小生境方法竞赛（Benchmarking Niching Methods for Multimodal Optimization）和不确定环境下动态堆栈调度（Dynamic Stacking Optimization in Uncertain Environments）的Hotstorage竞赛双冠军。

GECCO（Genetic and Evolutionary Computation Conference）是由ACM主办的遗传和进化计算领域的重要国际会议。从1999年开始，每年的GECCO会议汇聚了学术界和工业界的研究人员和从业者，讨论和展示最新的研究成果和应用。会议内容涵盖了遗传算法、遗传编程、演化策略、差分进化、多目标优化、进化机器学习等多个主题。

本届多模态优化的小生境方法竞赛赛题为多模态黑盒连续优化。其中，黑盒优化面向优化目标难以用解析表达式刻画的场景，其解的优劣难以进行增量评估，往往非常耗时。而多模态优化需要在其搜索空间中找到尽可能多的全局和局部最优解，从而为决策者提供更多的选择。该问题的搜索空间庞大，通常包含多个山峰和谷底，使得算法需要在全局和局部探索之间找到平衡，同时需要保持解的多样性。多模态黑盒优化可广泛应用于半导体、机械、建筑、材料等行业的设计自动化，包括模拟电路结构参数优化、机械结构强度优化、空气动力学性能优化、冶炼工艺优化等工业应用场景。

吕志鹏教授团队设计的多模态黑盒优化算法针对问题的多峰和黑盒优化特点，结合了小生境方法、聚类和进化算法，将问题空间划分为不同的区域进行搜索，并在冗余解检测、局部细化和禁忌重启等方面取得突破。根据GECOO 2024会议公布的竞赛结果，该团队设计的算法在所有算例的平均F1得分和精确度方面领先其他队伍，为解决多模态黑盒优化问题提供了可行的方案。团队学生成员包括研究生汪源、裴文铖和博士生甘子康，共同参与指导的老师有苏宙行。

本届不确定环境下动态堆栈调度竞赛的主题为动态港口集装箱调度。要求在动态不确定环境下，调度龙门吊搬运一系列先后到达堆场的集装箱，在给定时间窗内将集装箱从达到区经由若干堆栈组成的缓冲区移动至交付区。其优化目标是最小化到达区的阻塞时间，同时减少超时集装箱的数量和龙门吊的移动次数。其中集装箱的到达时间和就绪时间、堆吊的移动时间等均为动态不确定的，需同时考虑既定计划的延误或提前，以及随机发生的故障，对全局优化算法的鲁棒性、实时性要求更高。该问题与实际港口集装箱调度场景十分贴合，同时也是钢材、预制件堆场调度的核心算法挑战，是物流、供应链、制造、建造等众多实际工业应用场景的共同挑战，具有重要的研究意义与实际工业应用价值。

吕志鹏教授团队针对问题的动态不确定性，设计了基于多目标的启发式优化算法，其中包括“最大最小”启发式方法、加权排序、集束搜索等多种优化方法和策略。经过四个多月的反复调试和迭代改进，该算法在测试算例和最终算例集上均全面领先于其他参赛队伍，在最终的决赛中斩获冠军。本次竞赛的主要成员有博士生张俊杰，指导老师还包括丁俊文、苏宙行和张庆雲等。

吕志鹏教授所在实验室自成立至今的40余年来，一直聚焦于复杂问题的求解算法研究与工业应用，曾多次获得国际算法竞赛全球冠军。包括2022年获得DIMACS车辆路径优化国际算法挑战赛两项冠军，2021年获得国际计算机辅助设计会议（ICCAD 2021）EDA布局布线国际算法竞赛冠军，2020年至2022年连续三年获得GECCO国际会议最优相机布局算法竞赛和动态堆栈调度竞赛的冠军，以及2017年获得SAT国际算法竞赛主赛道冠军等。