院新聞網訊（通訊員 曾憲森）近日，永利許志偉博士團隊最新研究成果論文《Multi-objective Optimization for Multimodal Multi-objective Multi-point Shortest Path Problem Considering Unforeseeable Road Eventualities》在國際權威期刊《IEEE Transactions on Intelligent Transportation Systems》（CCF-B類）上正式發表。許志偉博士為該論文的第一作者、通訊作者，英國伯明翰大學李密青教授、西班牙巴斯克大學Javier Del Ser教授共同參與了此項重要研究。

多目标多點最短路徑規劃問題（Multi-objective Multi-point Shortest Path Problem）廣泛存在于物流調度、應急響應和智能交通等實際場景中。該類問題不僅涉及多個沖突的優化目标，還需路徑同時滿足多個必經點的約束，并在極端事件（如道路封閉、事故等）下具備魯棒性和多樣性。因此，其優化建模極具挑戰性，尤其在面對大量等價解時，傳統進化算法往往難以全面識别和保持這些多樣解。

針對上述問題，許志偉博士團隊提出了一種面向多模态多目标多點路徑問題的進化算法MMOEA-CDP。該算法在兩個關鍵技術上取得了創新性突破：

一是基于約束支配原則（Constraint Dominance Principle, CDP）的路徑比較策略。該策略通過将每個必要點建模為獨立約束，并引入約束滿足度量機制，允許算法在進化過程中保留部分不可行但潛在優良解，有效穿越不可行區域，最終逼近真實的受約束帕累托前沿（Constrained Pareto Front）。

二是基于路徑相似度的多模态解選擇機制。該機制突破傳統算法隻關注目标空間多樣性的限制，通過評估候選解在決策空間中的結構差異性，顯著提升了算法保留等價最優路徑（即在目标值相同但路徑結構不同的方案）能力，從而為實際調度提供更多候選方案以應對突發情況。

在源自IEEE CEC 2021路徑規劃競賽的真實城市交通圖測試集上，MMOEA-CDP與五種國際先進算法進行了對比實驗，涵蓋多目标、多模态和受約束三類典型問題。在所有測試實例中，該算法均取得最優性能，尤其在等價最優解數量多達千級規模的測試問題上，能完整發現所有有效路徑，驗證了其在多目标路徑規劃中的卓越适應性與穩定性。

本研究成果不僅在理論上深化了對多模态多目标組合優化問題的理解，也為複雜交通網絡中魯棒路徑規劃提供了高效實用的新路徑，具有重要的學術價值與應用前景。

據悉，《IEEE Transactions on Intelligent Transportation Systems》是智能交通系統領域的頂級國際期刊，由IEEE Intelligent Transportation Systems Society主辦，具有廣泛的國際影響力。許志偉博士團隊長期緻力于演化計算、智能交通調度及多目标優化等研究，近年來在相關方向上取得一系列突破性成果，多項成果發表于《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Cybernetics》等國際權威期刊，持續推動領域學術進步。