近日，我校在人工智能、智能优化与决策、复杂系统建模等研究方向取得新进展。信息学院张灵燕老师以共同第一作者身份参与完成的研究成果“A doubly reinforced local search for solving the Quadratic Multiple Knapsack Problem”被人工智能应用领域高水平学术期刊Engineering Applications of Artificial Intelligence（EAAI）接收并在线发表。该研究由滇西科技师范学院与华中科技大学、国防科技大学等高校合作完成，体现了我校在人工智能算法设计、复杂优化建模和智能决策方法研究等方面的持续积累。

据悉，Engineering Applications of Artificial Intelligence是人工智能在工程应用领域的顶级SCI期刊，为中国科学院分区1区TOP期刊，由Elsevier出版，当前影响因子为8.0。期刊重点关注人工智能方法在工程优化、智能决策、智能制造、系统调度与智能控制等领域中的实际应用，刊发成果兼具方法创新性与工程应用价值，在智能优化、人工智能应用研究领域具有较高学术影响力。

本次研究成果聚焦的二次多背包问题（Quadratic Multiple Knapsack Problem, QMKP），是组合优化领域典型的NP-hard问题，是经典背包问题在多背包约束和二次收益情形下的扩展。该问题需要同时考虑物品收益、背包容量以及物品之间的成对交互收益等多重变量，具有解空间规模大、变量耦合强、约束处理复杂等特点，在资源分配、任务调度、物流装载、云计算资源管理和投资决策等场景中具有广泛应用价值。

针对QMKP中搜索空间复杂、局部最优易陷入以及传统启发式算法依赖人工经验等问题，研究团队提出了一种双重强化局部搜索算法框架。该方法将强化学习、多臂老虎机机制与禁忌搜索相结合，使算法能够根据搜索状态自适应选择有效的邻域操作，在局部开发与全局探索之间实现动态平衡，从而提升复杂约束条件下的搜索效率和解析质量。实验结果表明，该方法在多组标准测试实例上取得了具有竞争力的求解性能，在解质量、搜索稳定性和计算效率等方面表现良好。

该研究成果不仅为复杂组合优化问题的智能求解提供了新的思路，也夯实了我校在人工智能、智能优化与决策、算法工程应用等方向的研究基础。未来，学校将继续围绕人工智能与运筹优化交叉领域开展研究，推动相关成果在资源调度、工程决策、复杂任务规划和智能信息系统等实际场景中的落地转化，不断提升学校学科科研实力与服务地方、行业发展的能力。

论文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0952197626010511