徐标，工学博士，硕士研究生导师，汕头市高层次人才，中国仿真学会智能仿真优化与调度专委会委员，2019年毕业于中国矿业大学信息与控制工程学院。研究方向包括智能优化算法，智慧物流协同配送，化工过程系统优化与控制，集成电路设计自动化等。先后主持广东省自然科学基金面上项目2项，安徽省高校自然科学基金项目2项；参与科技部重大项目、国家自然科学基金项目、广东省自然科学基金面上项目以及区域联合基金-重点项目；科研成果发表在《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《IEEE Transactions on Instrumentation and Measurement》、《Information Sciences》等具有重要影响力的学术期刊。获教育部高等学校科学研究优秀成果奖（科学技术）二等奖、安徽省教学成果奖二等奖各1项；指导学生在各类竞赛中获得多项省部级以上奖励，被授予全国大学生数学建模竞赛优秀指导教师，中国机器人及人工智能大赛广东省分赛优秀指导教师等称号。

01 亮点工作

亮点工作一：基于约束条件分组的复杂约束多目标优化问题求解方法

针对工业生产中广泛存在的复杂约束多目标优化问题，提出了一种基于约束分组的智能优化算法。该算法通过将复杂约束进行分类和分组，构建多个子问题，利用进化算法和强化学习相结合的方法，实现对该类问题的高效求解。具体而言，算法首先对约束条件进行分析和分类，将强约束和弱约束进行分组，形成多个约束子集；然后，基于这些约束子集构建多个子问题，并为每个子问题分配独立的种群进行优化；最后，通过信息提取和转移策略，将子问题优化过程中的有效信息传递到原始问题的优化过程中，加速原始问题的求解。

该成果巧妙利用约束条件的强弱特征将复杂问题分解为若干子问题以辅助原复杂问题求解。这一成果为解决实际生产场景中的复杂约束多目标优化问题提供了新的理论和技术支持。

亮点工作二：基于相似度分析的动态区间多目标协同进化优化算法

动态区间多目标优化问题普遍存在于实际的生产与生活中，因性能指标或约束中包含随环境变化的区间参数，该问题的求解远难于一般的动态多目标优化问题，在最优解比较、追踪最优解的速度和精度等方面具有很大的挑战性。我们通过对区间参数与决策变量的相关性分析将决策变量分组，并使用不同种群协同优化各组变量，提高了算法的求解质量与效率。主要贡献包括：1. 提出了动态区间多目标优化问题有针对性的决策变量分组方法，为多种群协同优化奠定了基础；2. 给出了动态区间多目标优化问题的环境变化检测方法，快速、及时的检测环境变化；3. 建立了区间优化问题变化强度的衡量方法，为环境变化后的种群精准响应提供了依据；4. 将所提算法应用于证券投资组合问题，为投资者提供了更多低风险、高收益的决策方案。

亮点工作三：风光可再生能源与电动汽车接入的配电网无功优化模型

该成果针对高渗透率风光可再生能源与电动汽车接入的配电网无功优化问题。针对风光出力波动性、电动汽车充放电随机性以及传统配电网控制手段不足的问题，构建了以线损最低、电压偏差最小、静态电压稳定裕度最高为目标的多目标优化模型，并提出新型算法框架解决复杂约束下的协同优化难题。主要贡献包括：1.将EV充放电站作为无功调节资源整合至配电网多目标优化模型，突破传统仅依赖电容器/电抗器的局限；建立了基于结构熵的可行域稀疏性度量指标，量化约束冲突强度，指导算法优先搜索高潜力区域。2. 提出分层混合编码策略，实现离散分接头与连续无功补偿量的协同优化；设计动态约束松弛机制，通过虚拟个体引导种群跨越局部不可行域，提升复杂约束下的收敛性。3. 开发工业级验证平台，在IEEE 33/118节点系统中验证模型有效性，支持风光-EV协同优化策略的快速部署。

该成果通过算法创新与多源协同建模，解决了高渗透率新能源与EV接入带来的配电网无功优化难题，为智能电网的灵活调控提供了理论支撑与工具链支持。

亮点工作四：决策变量规模变化的动态多目标协同优化算法

工业生产中，参数的规模随着环境变化而变化的场景随处可见。参数规模的改变，导致系统优化过程中，变量间交互模式动态变化，传统固定分组方法无法适应；变量维数可达千维，使得解空间巨大且非凸，需平衡全局搜索与局部优化效率，同时动态环境下需同时优化收敛性、多样性与分布性，并快速追踪漂移的最优解集。针对上述难点，我们提出一种基于动态分组的协同共进化算法。重点解决变量维度变化导致帕累托前沿动态漂移、变量间耦合关系复杂等问题。主要贡献包括：1. 提出基于变量间互信息的动态分组机制，突破传统静态分组局限，精准捕捉变量交互模式；将最大熵信息的应用扩展至多目标优化，通过交互矩阵融合多个目标的影响。2. 给出决策变不了分组的动态调整策略；历史归档集信息融合利用的高斯初始化策略，加速算法收敛并维持种群多样性。3. 成功应用于高维动态投资组合优化，验证算法在真实场景中的有效性。

该算法为动态复杂系统优化提供了高效工具，理论价值与工程意义并重。

02 代表性论著（*通讯作者）

[1] Biao Xu; Yiwu Zheng; Wenji Li; Xiaozhi Gao; Dunwei Gong*; Jie He*; Zhun Fan; Handling multi-objective optimization problems with complex constraints: a constraints grouping-based approach, IEEE Transactions on Systems Man Cybernetics: Systems, DOI:10.1109/TSMC.2025.3547618, 2025.(SCI, 中科院1区Top期刊)

[2] Biao Xu; Dunwei Gong*; Yong Zhang; Shengxiang Yang; Ling Wang; Zhun Fan; Yonggang Zhang; Cooperative co-evolutionary algorithm for multi-objective optimization problems with changing decision variables, Information Sciences, 2022, 607: 278-296. (SCI, 中科院1区Top期刊)

[3] Biao Xu; Guiyuan Zhang; Ke Li*; Bing Li; Hongyuan Chi; Yao Yao; Zhun Fan ; Reactive power optimization of a distribution network with high-penetration of wind and solar renewable energy and electric vehicles, Protection and Control of Modern Power Systems, 2022, 7(1), 51:1-13. (SCI, 中科院1区Top期刊)

[4] Dunwei Gong; Biao Xu*; Yong Zhang; Yinan Guo*; Shengxiang Yang; A similarity-based cooperative co-evolutionary algorithm for dynamic interval multi-objective optimization problems, IEEE Transactions on Evolutionary Computation, 2020, 24(1): 142-156. (SCI, 中科院1区Top期刊)

[5] Yanyun Tao, Biao Xu*, Yuzhen Zhang*, Refined self-attention transformer model for ECG-based arrhythmia detection, IEEE Transactions on Instrumentation and Measurement, 2024, 73, 4007314: 1-14. (SCI, 中科院2区Top期刊)