很多实际问题可建模为约束多目标优化问题，该类问题不但要求优化变量满足一定数量的约束条件，还要优化多个相互冲突的性能指标，平衡优化解的收敛、多样和可行性是该类问题求解的关键。
最近，信息学院巩敦卫教授与中国矿业大学左明成助理研究员、南非比勒陀利亚大学叶先明副教授、华北电力大学曾博副教授和英国曼彻斯特大学孟繁霖高级讲师等在该方向取得进展，研究成果形成的论文“Process knowledge-guided autonomous evolutionary optimization for constrained multi-objective problems”，发表在中科院一区、Top期刊《IEEE Transactions on Evolutionary Computation》(IF: 16.497)。
论文基于进化种群的收敛和多样性定义种群状态，在种群进化前期，评价搜索策略对种群状态的适用性，获取二者的关联数据并建立映射模型；根据建立的映射模型和当前种群状态，推荐预期效果好的搜索策略，提高了进化算法求解过程中自主选择搜索策略的能力。
该成果的价值和意义体现在：首次为约束多目标优化问题求解提供了有效的自主智能优化方法，填补了该方向的研究空白；将所提方法应用于矿山综合能源生态系统运行优化问题求解中，得到的性能优越的优化方案满足了多能平衡，兼顾了经济与低碳指标。
