鲁棒优化是最优化研究的一个重要分支，旨在处理实际生产生活中复杂优化问题面临的多重不确定性，帮助决策者寻找抗干扰能力强的最优解。在进化计算的框架下开展鲁棒优化研究是近年来受到较多关注的研究方向，其主要原因在于进化计算求解多目标、非线性、不可微、非连续等复杂优化问题时其所展现出的优异性能。
本项工作面向不确定环境下复杂优化问题求解的实际需求，针对决策者给定的候选解，探究如何高效求解其鲁棒区间的可行方案。本项工作将该问题建模为双层优化问题，并创新性地提出含有峰搜索、峰分配、扰动值计算和鲁棒区间微调策略的启发式优化方法求解上层优化问题，并采用基于差分进化的全局优化算法求解下层优化问题。结果表明，所提出的方法在1维、2维、5维和10维鲁棒优化问题上均能成功地找到给定候选解的鲁棒区间。本项工作为后续实际工业调度优化、操作优化等应用场景提供算法支撑。
上述研究工作由我校青年教师堵威副教授和博士生宋文江共同完成，研究工作得到了钱锋院士、欧洲科学院院士金耀初教授和唐漾教授的悉心指导。研究工作受到了国家自然科学基金基础科学中心项目、国际合作项目、****基金项目、111引智计划项目等资助。值得指出的是，IEEETransactions on Evolutionary Computation是计算机科学与人工智能领域排名前3的顶级期刊，最新影响因子为11.169，本项工作是我校信息学院自动化系在该刊物发表的首篇成果。
