最近，范衠教授的博士研究生朱贵杰和李文姬，硕士研究生游煜根、李晓明、林培涵与北京理工大学辛斌教授共同合作完成的综述论文《进化计算在复杂机电系统设计自动化中的应用综述》被自动化与计算机领域国内顶级期刊《自动化学报》（入选中国科技期刊卓越行动计划“梯队期刊”，在自动化与计算机领域，2019年入选“中国最具国际影响力学术期刊”中唯一的中文期刊，2019年复合影响因子：5.936）录用。论文的第一作者是汕头大学范衠教授，通讯作者是北京理工大学辛斌教授。

       复杂机电系统是一类由机械、电子、气动、液压和控制系统相互作用而组成的系统，它融合了机械、电子、计算机及信息技术的优势, 将多个子系统进行有机融合。其涵盖面极广，且已渗入到我们生活中的方方面面。如汽车、手机、空调、冰箱等，都可以认为是机电系统的典型代表，其它典型的机电系统还包括工业机器人、无人机、机床、智能交通设备等等。由于机电系统的强耦合性和复杂性，对上述机电系统的设计往往比较困难，而传统的设计方法通常依赖于工程人员长期的经验积累和探索，不仅设计周期长、需要进行频繁修改，而且不能保证所设计的机电系统性能是全局最优的。

       近年来, 进化算法(Evolutionary algorithms, EAs)由于具有潜在的并行性(通过种群来搜索)、良好的全局搜索能力以及不需要梯度信息就能很好地求得一组近似最优解等优点, 已成为研究热点。且以进化计算为核心优化方法的复杂机电系统设计自动化技术近年来也取得了一些成果，但现有文献暂无对近年来进化计算在复杂机电系统设计自动化方面的综合讨论。因此，范衠教授团队通过该论文弥补了这一空缺，对进化计算在复杂机电系统设计自动化方面的应用进行了系统的综述（文章主体脉络如图1所示），为对此领域感兴趣的研究人员提供一个更为清晰的思路。

图1 文章主体脉络

图2  不同系统的设计自动化之间的关系

图3  机电系统的进化设计框架

       范衠教授带领的重点实验室团队长期深入研究机电系统设计自动化技术，取得了喜人的成果，具体的工作有：1）提出结合基因编程和键合图的方法实现了机电系统的自动设计[1]，结果发表在《Mechatronics》；2）提出了用键合图表示连续控制器，并用基因编程协同进化出机电系统控制器和被控对象[2]，将 键合图/基因编程方法与人类知识相结合, 提出一种基于知识交互的机电系统进化设计框架, 如图 3所示，结果发表在《IEEE Transactions on System, Man and Cybernetics Part C: Applications and Reviews》；3）提出了一种差分进化算法[3]，并成功地应用于微机电系统的自动鲁棒设计，结果发表在《IEEE Transactions on Industrial Electronics》；4）提出了用模型预测控制表示离散逻辑控制器，混合键合图表示混合被控对象，并用基因编程协同进化出混合机电系统控制器和被控对象[4]，结果发表在《IEEE Transactions on Evolutionary Computation》。

       此外，范衠教授团队先后有多项约束多目标进化算法研究及机器人设计优化应用的研究工作登上国外SCI顶级期刊，具体的工作有：1）提出了一种基于Push和Pull相结合的搜索算法[5]，研究结果发表在SCI人工智能1区期刊《Swarm and Evolutionary Computation》；2提出了一种基于角度约束支配的约束处理方法[6]，研究结果发表在SCI人工智能1区期刊《Applied Soft Computing》；3）提出一种改进的Epsilon约束处理方法[7]，研究结果发表在SCI人工智能2区期刊《Soft Computing》；4）针对现有约束多目标测试问题的不足，定义了一类难度可控，目标和约束数量可调的约束多目标测试问题[8]，研究结果发表在SCI人工智能1区期刊《Evolutionary Computation》；5）采用基于 Push 和 Pull Search (PPS) 框架的算法对一种六自由度示教机械臂进行设计优化[9]，研究结果发表在SCI人工智能1区期刊《Swarm and Evolutionary Computation》。这些成果在该论文中均进行了相关报导。

       随着人工智能、大数据、云计算、物联网等技术的迅速发展，机电系统正朝着智能化、网络化、绿色化方向迈进，机电系统在工业中的重要性也日益凸显。机电系统设计自动化作为知识自动化的一重要分支，在上述技术的助力下，将推动复杂机电系统在学术界及产业界的进一步发展。而重点实验室仍将在机电系统设计自动化技术研究中再接再厉，取得更大的成果。

论文下载：Download PDF

论文引用：Fan Zhun, Zhu Gui-Jie, Li Wen-Ji, You Yu-Gen, Li Xiao-Ming, Lin Pei-Han, Xin Bin. Applications of evolutionary computation in the design automation of complex mechatronic system: A survey. Acta Automatica Sinica, 2020. DOI: 10.16383/j.aas.c190767

(范衠, 朱贵杰, 李文姬, 游煜根, 李晓明, 林培涵, 辛斌. 进化计算在复杂机电系统设计自动化中的应用综述. 自动化学报, 2020. DOI: 10.16383/j.aas.c190767)

参考文献：

[1] Seo K, Fan Z, Hu J, Goodman E D, Rosenberg R C. Toward a unified and automated design methodology for multi-domain dynamic systems using bond graphs and genetic programming. Mechatronics, 2003, 13(8-9): 851-885

[2] Wang J, Fan Z, Terpenny J P, Goodman E D. Knowledge interaction with genetic programming in mechatronic systems design using bond graphs. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2005, 35(2): 172-182

[3] Fan Z, Liu J, Sorensen T, Wang P. Improved differential evolution based on stochastic ranking for robust layout synthesis of MEMS components. IEEE Transactions on Industrial Electronics, 2009, 56(4): 937-948

[4] Dupuis J F, Fan Z, Goodman E D. Evolutionary design of both topologies and parameters of a hybrid dynamical system. IEEE Transactions on Evolutionary Computation, 2012, 16(3): 391-405

[5] Fan Z, Li W, Cai X, Li H, Wei C, Zhang Q, et al. Push and pull search for solving constrained multi-objective optimization problems. Swarm and Evolutionary Computation, 2019, 44: 665-679

[6] Fan Z, Fang Y, Li W, Cai X, Wei C, Goodman E. MOEA/D with angle-based constrained dominance principle for constrained multi-objective optimization problems. Applied Soft Computing, 2019, 74: 621-633

[7] Fan Z, Li W, Cai X, Huang H, Fang Y, You Y, et al. An improved epsilon constraint-handling method in MOEA/D for CMOPs with large infeasible regions. Soft Computing, 2019, 23(23): 12491-12510

[8] Fan Z, Li W, Cai X, Li H, Hu K, Zhang Q, et al. Difficulty adjustable and scalable constrained multi-objective test problem toolkit. Evolutionary Computation, 2019, 1-40

[9] Fan Z, You Y, Cai X, Zheng H, Zhu G, Li W, et al. Analysis and multi-objective optimization of a kind of teaching manipulator. Swarm and Evolutionary Computation, 2019, 50: 100554