【课题推荐发表期刊】

【课题背景】

在当前快速发展的各行各业中，我们面临着越来越多复杂且具有挑战性的工程问题。这些复杂问题往往涉及到多个目标之间的权衡与优化，如成本、效率、质量、可持续性等。传统的单目标优化方法无法有效处理这种多维度问题，因此，多目标优化技术应运而生，并迅速成为处理这类问题的首选方法。多目标优化的核心在于其能够同时考虑多个目标，并试图找到一个最优解集。这为决策者提供了更广阔的选择空间和更丰富的决策支持信息，从而能够更好地符合实际需求和偏好。

本课题将通过平台仿真分析，评估多目标优化算法改进效果和算法性能，开展新质生产力中多目标优化工程应用能力评估分析的研究。

【课题方向参考】

多目标优化设计属群体智能常规问题，基于已有的多目标基准问题模型和平台构建，对新出现的单目标算法进行多目标化，凝练出具有一定新意的组合或改进方式，并通过大量的仿真分析验证其改进效果，评估应用水平，具有一定的创新性。

【适合人群】

计算机、自动化相关学科方向的硕士研究生，需具备较强的英语读写能力，初步掌握Matlab或Python语言进行数值仿真的技术方法。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

高老师，副教授

• 长期担任计算机行业顶级期刊/会议审稿人，包括KBS, ASOC, EAAI等人工智能TOP期刊。
  

• 研究方向：群体智能、智能信息等。

• 以第一作者或通讯作者发表学术论文80余篇，其中SCI、EI检索40余篇；授权专利发明四项。

• 具备极为扎实的工程技术研究和算法功底，丰富的英文写作经验和论文指导经验；熟练使用Matlab、Python、C#、Java、AutoCAD、ANSYS、MCNP等工具。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2003 Performance assessment of multiobjective optimizers: an analysis and review