进化知识学习与复杂约束优化求解

复杂优化决策问题普遍存在于工业生产、农业信息化、航空航天等关键领域，对提高生产效率、改善决策质量意义重大。复杂约束为优化求解带来诸多现实难题，本报告系统梳理约束优化领域研究现状与主流发展方向，重点阐述团队围绕约束多目标、动态、多模态、昂贵优化开展的相关研究工作，介绍基于进化知识学习的约束优化求解方法，并展示算法在工业生产调度、多农机协同调度场景下的应用探索与初步成效。最后分析约束进化优化当前面临的技术瓶颈，探讨该领域未来的发展机遇，为复杂约束条件下智能优化算法的理论研究与工程应用提供参考。

于坤杰，郑州大学特聘教授，博士生导师，中原领军人才、中原青年拔尖人才、河南省高校科技创新人才。从事群体智能优化理论与应用研究，在IEEE汇刊及中科院一区等期刊发表SCI收录论文100余篇，Google学术引用9400余次，H指数49，ESI高被引论文15篇。入选2025科睿唯安“全球高被引科学家”榜单、全球前2%顶尖科学家“终身科学影响力榜单”。主持国家自然科学基金项目3项、省部级科研项目13项。担任3个SCI期刊编委、中国仿真学会智能仿真优化与调度专委会副秘书长。获得中国自动化学会自然科学二等奖、第二届全国博士后创新创业大赛金奖、河南省个人记大功、智能优化与调度学术会议青年科学家奖等奖项。