日前，由安徽大学张兴义教授和田野博士、南方科技大学程然博士以及西湖大学可信及通用人工智能实验室主任金耀初教授编写的专著《Evolutionary Large-Scale Multi-Objective Optimization and Applications》由Wiley-IEEE出版社出版。该专著凝聚了作者在大规模多目标进化优化领域近十年的研究成果，同时也是该领域的首部专著。

专著网址：

https://www.wiley.com/en-hk/Evolutionary+Large-Scale+Multi-Objective+Optimization+and+Applications-p-9781394178438

进化计算经历了三十余年的快速发展，在多目标优化领域取得了令人瞩目的性能优势。然而在大规模多目标优化这一更加现实且更具体挑战性的难题上，进化算法因遭遇“维数灾难”现象性能急剧下降。为此，包括该专著作者在内的一批学者在近十年提出了解决大规模多目标优化问题的新型进化优化思想，显著增强了进化算法在大规模多目标优化问题上的性能和效率。该专著详细介绍了大规模多目标优化的基本概念、问题定义和度量方法，并重点描述了近十年具有代表性的大规模多目标进化算法的设计思路和具体流程，同时阐述了大规模多目标进化优化技术在智慧物流、智能电网、智慧医疗等领域的重点应用。

该专著共分九章，具体如下：

第一章介绍大规模多目标优化的基本概念，包括问题背景、问题定义和多目标进化算法基本思想。

第二章介绍大规模多目标优化的度量方法，包括基准测试问题和性能指标的详细定义。

第三章详细描述四个代表性大规模多目标进化算法，包括基于变量随机分组、变量聚类、问题重构和竞争粒子群的进化算法。

第四章详细描述三个代表性稀疏大规模多目标进化算法，包括基于双层编码、机器学习辅助和数据挖掘辅助的进化算法。

第五章介绍大规模多目标进化优化在社团检测任务上的应用，包括优化模型、面向社团检测的降维进化算法和并行进化算法。

第六章介绍大规模多目标进化优化在智慧物流中的应用，包括面向有容量约束车辆路径的进化算法和面向不确定环境下设施选址的进化算法。

第七章介绍大规模多目标进化优化在电压互感器检测任务上的应用，包括问题背景、优化模型和电压互感器检测知识驱动的协同进化算法。

第八章介绍大规模多目标进化优化在放射治疗任务上的应用，包括问题挑战、优化模型和基于双粒度编码的协同进化算法。

最后，第九章介绍大规模多目标进化优化在深度学习中的应用，包括面向深度神经网络训练的梯度引导进化算法和面向神经结构搜索的动作命令编码进化算法。

该专著作者张兴义教授、程然博士、田野博士和金耀初教授长期从事进化计算尤其是大规模多目标进化优化领域的研究工作。他们发表的大规模多目标进化优化论文《A decision variable clustering-based evolutionary algorithm for large-scale many-objective optimization》曾获进化计算领域旗舰期刊IEEE Transactions on Evolutionary Computation的年度唯一杰出论文奖，同时他们也发表了大规模多目标进化优化领域的ESI高被引综述论文《Evolutionary large-scale multi-objective optimization: A survey》。更值得一提的是，他们开发了进化优化领域的开源平台PlatEMO，目前拥有200多个代表性进化算法以及500多个代表性优化问题，包含该专著介绍的绝大部分算法、问题和性能指标的开源代码。