6月14日，华南师范大学数据科学与工程学院院长、博士生导师谢承旺教授应邀在线为人工智能学院、广西人机交互与智能决策重点实验室作题为《多模态多目标优化问题及其求解》的学术报告。报告会由人工智能学院院长、重点实验室常务副主任闭应洲主持，校内相关学院教师及研究生参会。

谢承旺长期深耕人工智能理论与应用领域，主持并完成国家自然科学基金项目5项、省部级重大科技专项及科技支撑计划项目近10项；发表学术论文70余篇，获授权发明专利等知识产权20余件，入选2024年中国知网高被引学者TOP 1%，在智能优化方向具备深厚的学术积累与广泛的行业影响力。

谢承旺从经典多目标优化的研究背景切入，以“购车决策中权衡价格与舒适度”的生活化场景为例，阐释了Pareto前沿的核心概念，由此引出多模态多目标优化问题——即决策空间中多个差异化解，可映射至目标空间同一Pareto最优点的优化场景。他结合路径规划、特征选择等工程实例，解读完整求解多模态Pareto解集对提升决策灵活性、增强系统鲁棒性、满足个性化场景需求的核心研究价值。

针对传统多目标进化算法难以完整保留多模态解、易丢失解多样性的难题，谢承旺介绍其团队研发的基于动态小生境非支配等级改善的多模态多目标进化算法（MMEA/DN）。该算法核心目标是提升搜索全部全局与局部Pareto解集（PSs）的能力，三大核心创新设计如下：一是FINCH层次聚类机制：在决策空间中对种群实现无参数、自适应的多层次划分，完成对决策空间探索与开发的精细化调控，更好地平衡决策空间的种群多样性与算法收敛性。二是LocalPCA局部建模采样：对潜在Pareto解集区域进行局部主成分分析（LocalPCA）建模与重采样，有效填充解集上的空白与稀疏区域，显著增强解的分布均匀性。三是动态小生境非支配等级改善机制：精准识别并标记具有多模态潜质的个体，动态调整其非支配等级，有效提升潜在多模态个体的生存优先级，避免优质多模态解在进化过程中被过早淘汰。实验验证显示，该算法在IGDX指标上，决策空间的解集多样性与平稳性显著优于对比算法；在IGD指标上，目标空间的收敛性与多样性同样具备明显优势。消融实验进一步验证了三大核心组件的协同增效作用，印证了算法设计的科学性与有效性。

谢承旺展望了混合策略设计、离散与大规模多模态多目标优化、多模态特性自动识别等方向的研究趋势，并表达了与我校师生深化科研交流、开展联合攻关、推动成果落地的合作意愿。

互动环节，在场师生踊跃提问。李林副教授就实验运行平台（PlatEMO）与GPU环境适配、算法应用场景探索等问题展开交流；麦雄发老师针对对比算法源码获取、结合广西本土工程需求申报科研项目等方向进行探讨；闭应洲就“多模态多目标优化”与多峰优化（Multi-modalOptimization）的概念关联、算法底层设计逻辑等与谢承旺进行深度研讨。

本次报告内容前沿详实、拓宽了师生在进化计算与智能优化方向的学术视野，深化了对该新兴研究领域的认知，同时为广西人机交互与智能决策重点实验室对接高水平科研团队、开展跨校联合研究、推进学科内涵建设奠定了良好基础。