面向进化多目标优化算法的基于逆模型的解生成方法

基于摘要分析。本文研究进化多目标优化算法（EMOAs）中的后代解生成，提出结合当前与历史种群，在目标空间估计未来改进解的位置，再通过逆模型映射到决策空间生成候选解。核心贡献是将逆模型的用途从当前解附近的插值生成，转向由预测改进目标引导的解生成。 在多目标优化中，逆模型近似从目标空间到决策空间的映射。摘要指出，已有相关方法通常基于当前种群构建逆模型，并在当前种群附近生成后代；本文则利用当前及先前种群估计改进后的目标向量，再将这些向量输入逆模型。这里的“未来”指后续进化代的候选解，不是时序信号预测。目标位置估计方式、逆模型形式、训练与更新策略，以及目标向量对应多个决策解时的处理方式，均尚未验证。 作者将该生成方法分别嵌入 NSGA-II、NSGA-III，以及基于逆模型的 IM-MOEA、IM-MOEA/D。作者报告，在所测试的多数三目标 WFG 和 LSMOP 问题上，这些算法的性能获得改善。摘要未提供具体指标、改进幅度、评价预算、重复运行次数或显著性检验，故不能判断增益大小、稳定性与计算代价；实验协议、消融及统计信息尚未验证。作者称该方法易于嵌入几乎所有 EMOAs，但摘要中的实验仅明确涉及上述四种算法。 本文的主要研究对象是通用多目标优化，而非 EEG 解码或 BCI。材料未提供具体神经信号任务、数据结构或优化目标，尚不足以建立明确迁移路径；已有 EEG 相关工作尚未检索确认。复现前需取得全文，核对目标预测与逆映射的实现、基线设置，以及预测目标不可达时的处理机制。