卷首语

本期"决策与优化"专栏的五篇文章, 从进化计算、模仿学习、代理优化、语义建模及故障诊断等不同视角, 回应了复杂工程决策中高维、稀缺数据、计算昂贵、不确定性及可解释性等共性挑战. 针对高维多目标优化问题, 有研究提出了基于指标与自适应分解的进化算法, 在保持种群收敛性与多样性的同时提升了搜索效率; 在模仿学习领域, 借助条件变分自编码器生成潜在空间特征, 为从有限演示中学习高效策略提供了新思路. 面向实际工程优化场景, 代理优化算法被成功应用于致密油压裂施工参数优化, 在昂贵评估条件下实现了快速寻优; 基于概率语义模型的最优期望时间目标搜索方法, 则将语义信息与时间约束融合, 提升了动态环境下决策的鲁棒性. 此外, 结合极限学习机与对抗自编码器的工业过程故障诊断框架, 不仅实现了故障的准确检测, 还完成了故障深度的定量估计. 上述工作尽管应用领域各异——从石油压裂到过程监控、从机器人学习到目标搜索——但共同体现了数据驱动与模型引导深度融合的决策范式, 为求解高不确定性、高代价的复杂优化问题提供了可扩展的方法论支撑.

论文

基于指标和自适应分解的高维多目标进化算法

【作者】

田瑾然, 刘建昌, 张伟, 田家鑫, 刘圆超

【摘要】

针对基于分解的高维多目标进化算法在求解不同类型Pareto前沿的问题时综合性能下降的问题, 本文提出一种基于指标和自适应分解的高维多目标进化算法 (MaOEA-IAD). 首先, 设计一个实时维护的外部档案库来保留有期望个体, 以发现潜在的未开发但有前景的参考向量; 同时, 为了评价个体的收敛性和多样性, 提出一种小生境技术与收敛性指标相结合的综合性能指标I(x); 此外, 为了提升算法处理不同Pareto前沿问题时的综合性能, 提出一种参考向量自适应策略, 并与基于空间划分的精英替代策略相结合, 进一步提升算法在真实Pareto前沿上的分散能力.实验结果表明, 所提算法能够在不同复杂类型的高维多目标优化问题上有效的平衡种群收敛性和多样性, 并具有一定的优越性.

【关键词】

高维多目标优化; 进化算法; Pareto前沿; 自适应分解

【引用格式】

田瑾然, 刘建昌, 张伟, 等. 基于指标和自适应分解的高维多目标进化算法. 控制理论与应用, 2026, 43(5): 937 – 950

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240307&flag=1

条件变分自编码器生成潜在空间特征的模仿学习算法

【作者】

左国玉, 何流远, 吴启飞, 于双悦, 李建更

【摘要】

高维环境下的任务是复杂任务中常见的一种. 该类任务的特点就是任务环境的信息数据和机器人的控制数据中包含很多种类, 具有很高的特征维度. 现有的模仿学习方法因专家示教数据分布复杂, 难以快速学习到较好的策略. 本文针对由高维环境空间和复杂数据分布导致模仿学习算法训练时间过长和应用受限的问题, 设计了一种条件变分自编码器生成潜在空间特征的模仿学习算法. 通过主动降低环境空间维度, 减少神经网络复杂程度以加快训练速度; 利用动作损失预测网络和扰动层, 从输出中获得反馈以提升训练准确率. 本文通过D4RL基准测试、微软MoCapAct人形机器人的连续控制任务和人形五指手机器人复杂操作任务的仿真测试, 以验证所提算法的有效性, 结果表明, 本文所提方法表现出训练速度更快、准确率更高以及策略更稳定.

【关键词】

机器人学习; 离线模仿学习; 潜在空间; 行为克隆; 条件变分自编码器

【引用格式】

左国玉, 何流远, 吴启飞, 等. 条件变分自编码器生成潜在空间特征的模仿学习算法. 控制理论与应用, 2026, 43(5): 989 – 1000

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240139&flag=1

代理优化算法驱动的致密油压裂施工参数优化方法

【作者】

徐世乾, 郭建春, 曾凡辉, 任文希, 田助红

【摘要】

现有基于裂缝扩展的优化通常最大化改造体积, 无法评价经济效益; 基于油藏数模的优化假设裂缝为平面双翼形态, 现场施工难以实现. 为此, 本文以经济效益最大为优化目标, 建立了致密油压裂施工参数优化数学模型.基于致密油压裂生产一体化多机理数值模拟方法, 明确了该优化问题特征为解平面多峰值、高粗糙度, 数模计算成本高. 利用符合该特征的测试函数与压裂优化问题优选出代理优化算法. 形成了压裂施工参数优化设计方法, 进而开展矿场实例应用. 研究结果表明, 与遗传算法、随机简单近似梯度算法和人工原生动物优化器相比, 代理优化算法寻优速度更快, 找到最优值更准. 有限模拟次数下, 与同时优化相比, 分级优化不仅可以获得更高的经济净现值,还可以获得更高的产油量. 因此, 推荐采用分级优化策略开展实际储层的优化方案设计. 该方法为致密油压裂施工参数优化提供了高效工具.

【关键词】

致密油; 压裂; 优化; 压裂生产一体化模拟; 解平面特征

【引用格式】

徐世乾, 郭建春, 曾凡辉, 等. 代理优化算法驱动的致密油压裂施工参数优化方法. 控制理论与应用, 2026, 43(5): 1023 – 1033

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240302&flag=1

基于概率语义模型的最优期望时间目标搜索

【作者】

李昕哲, 张波涛, 汪江平, 吕强, 陈云

【摘要】

针对目前离散目标搜索方法不适于在3D动态环境中进行目标搜索的问题, 本文提出了一种基于概率语义地图的3D概率离散双层规划策略(3D-PDBP), 所述方法可用于搜索位置不确定的低机动性目标, 适用于目标短期内不会连续变化的场景. 为实现目标分布概率的动态更新, 基于艾宾浩斯遗忘曲线构建了仿人记忆与遗忘机制的概率动态更新模型HMF-PU. 结合目标的先验语义信息和分布概率, 基于包含环境观测点的拓扑地图, 构建了适用于目标搜索的概率语义地图. 3D-PDBP将观测点搜索序列规划与深度视觉传感器运动规划相结合, 基于概率语义地图规划观测点搜索序列, 并根据目标在3D空间中的概率分布模型规划视觉传感器的伺服过程. 实验结果表明3DPDBP可在不确定环境中高效完成目标搜索任务, HMF-PU可有效平衡目标信息的重要性与实时性.

【关键词】

移动机器人; 运动规划; 概率语义模型; 最优期望时间

【引用格式】

李昕哲, 张波涛, 汪江平, 等. 基于概率语义模型的最优期望时间目标搜索. 控制理论与应用, 2026, 43(5): 1043 – 1051

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240013&flag=1

ELM-AAE驱动的工业过程故障诊断与故障深度估计

【作者】

李灵, 刘自鹏, 王雅琳, 刘述, 潘卓夫, 李磊

【摘要】

对抗自编码器(AAE)模型训练时, 样本与特征表示间的互信息衰减现象, 不仅影响模型的故障检测性能, 而且难以直接用于故障估计. 为此, 本文设计了一种基于逐层扩展互信息对抗自编码器的故障检测策略, 通过合并隐层特征与原始数据, 显性引入特征空间与每层神经网络的互信息, 实现了信息的高效整合及特征与输入样本间的最大化相关性; 并在此基础上, 开发了一种梯度下降反馈算法, 设计了基于深度学习的故障估计策略, 有效避免了故障估计的复杂机理建模与大规模系统参数辨识; 最后, 通过连续搅拌釜式加热器验证了所提方法的有效性和优越性.

【关键词】

对抗自编码器; 故障诊断; 互信息; 故障估计; 梯度下降算法

【引用格式】

李灵, 刘自鹏, 王雅琳, 等. ELM-AAE驱动的工业过程故障诊断与故障深度估计. 控制理论与应用, 2026, 43(5): 1133 – 1141

【全文链接】

https://jcta.ijournals.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240103&flag=1

结语

回望本期"决策与优化"专栏所汇集的五篇论文, 它们从进化计算、模仿学习、代理优化、语义建模与故障诊断等不同维度切入, 共同展现了应对高维、不确定、计算昂贵等复杂决策挑战的方法创新. 无论是面对高维多目标优化的搜索效率瓶颈, 还是数据稀缺场景下的策略学习难题, 亦或是动态环境中语义与时间约束的协同优化, 研究者们均在算法融合与领域适配中探索新的求解路径.

从基于指标的进化分解到条件变分自编码的潜在空间学习, 从代理模型驱动的施工参数优化到概率语义融合的目标搜索, 这些成果不仅在方法层面推进了优化效率与决策可靠性的提升, 也为石油工程、智能制造、机器人学习等领域的实际应用提供了可扩展的解决方案. 在数据与模型之间、在计算代价与决策质量之间、在泛化能力与可解释性之间寻找最优平衡, 正是现代决策优化研究不断突破的关键方向.

复杂约束与不确定性既是现实挑战, 也是方法创新的驱动力. 决策优化领域正持续与机器学习、运筹学、控制理论及领域知识深度融合, 推动优化系统从"依赖完整模型"走向"适应动态环境与稀疏反馈". 期待这些工作能激发更多跨学科的思考与协作, 促使优化方法在更广泛的工程系统中落地生根.

感谢各位作者的深入探索与审稿专家的专业评审. 希望本专刊能为从事相关领域研究的学者与工程师提供有益参考, 共同推动智能决策与优化技术向更高效、更稳健、更可信的新阶段发展.

期刊介绍

《控制理论与应用》(Control Theory & Applications)是经国家科学技术部批准, 教育部主管, 由华南理工大学和中国科学院数学与系统科学研究院联合主办的全国性一级学术刊物, 1984年创刊, 月刊, 国内外公开发行. 《控制理论与应用》是中国科学引文数据库首批统计源期刊之一，中文核心期刊，入选中国精品科技期刊顶尖学术论文F5000项目，中国科协自动化学科领域高质量科技期刊目录以及中国科协百篇优秀科技论文遴选计划，2021年入选广东省高质量科技期刊建设项目，2022-2024年连续获得基金委资助（科技活动专项）。

【收录】

目前被美国《工程索引》（Ei Compendex）、SCOPUS、CSCD、美国的《化学文摘》(CA)、英国《科学文摘》(Inspec)、德国《数学文摘》、俄罗斯《文摘杂志》(AJ)、《日本科学技术振兴机构中国文献数据库》等国内外检索系统收录。

官网：https://jcta.ijournals.cn/cta_cn/ch/index.aspx

知网优先发表：https://navi.cnki.net/knavi/journals/KZLY/detail

投稿：https://jcta.ijournals.cn/cta_cn/ch/author/login.aspx

微信：控制理论与应用

视频号：控制理论与应用

科学网博客：http://blog.sciencenet.cn/u/CTACTT

小红书：控制理论与应用（ID:8742781006）

Email：aukzllyy@scut.edu.cn   

Tel：020-8711 1464

欢迎扫码关注控制理论与应用公众号

【2024-2026年期刊合集】

2026年第43卷第5期

2026年第43卷第4期

2026年第43卷第3期

2026年第43卷第2期

2026年第43卷第1期（“非线性系统与控制”专刊）

2025年第42卷第12期（“智能决策与预测控制”专刊）

2025年第42卷第11期（“新一代智能优化理论方法与应用暨纪念郑大钟教授诞辰90周年”专刊）

2025年第42卷第10期

2025年第42卷第9期

2025年第42卷第8期

2025年第42卷第7期

2025年第42卷第6期

2025年第42卷第5期

2025年第42卷第4期

2025年第42卷第3期

2025年第42卷第2期

2025年第42卷第1期