近日，计算机工程学院、人工智能学院封文清博士以第一作者身份，联合青岛科技大学等单位在国际权威学术期刊《Swarm and Evolutionary Computation》发表题为《A Hybrid Decomposition and Adaptive Grid Evolutionary Algorithm for Multi-Objective Optimization with Irregular Pareto Fronts》的研究论文。该期刊是中科院一区TOP期刊，2026年影响因子达9.6。

针对多目标进化优化领域不规则帕累托前沿求解这一长期技术难题，研究团队提出融合分解与自适应网格策略的新型混合进化算法MOEA/D-AG，为复杂场景下的多目标优化决策提供了高效求解新路径。当前主流分解型多目标进化算法的搜索方向与邻域协作高度依赖预设均匀参考向量，面对形态不规则的帕累托前沿时求解性能会显著退化；传统网格方法受固定均匀划分的局限，对不规则前沿适配性不足，若通过细化网格粒度提升前沿覆盖能力，又会引发计算开销指数级增长，始终难以兼顾求解精度与运行效率。该算法采用两阶段协同进化机制：第一阶段在分解框架中嵌入外推引导搜索，主动识别高潜力搜索方向，加速种群向真实帕累托前沿收敛；第二阶段通过“快速粗调+渐进微调”两步策略动态调整网格粒度，匹配当前前沿的分布特征，实现目标空间柔性离散化，在控制计算成本的同时有效维持种群多样性。两阶段以收敛指标变化率为定量阈值平滑切换，实现收敛性与多样性的动态平衡。经基准测试与国际前沿算法对比验证，该算法性能具备显著优势，在不规则前沿算例中表现尤为突出，且在碳纤维成型工艺的真实工业场景中可稳定输出高质量最优解集，兼具学术创新价值与工程应用前景。

论文链接：https://doi.org/10.1016/j.swevo.2026.102556