职称：教授
部门：计算机科学与工程系
电话：13873257348
办公室：工科北楼312
郑金华，男，湖南邵阳人，1963年12月生，教授、博士生导师，中共党员，享受国务院特殊津贴。1986年7月南京理工大学计算机软件专业大学本科毕业并获学士学位，1989年2月南京理工大学计算机应用专业硕士研究生毕业并获硕士学位。1997年考入中南大学控制理论与控制工程专业攻读博士研究生，师从蔡自兴教授，从事进化算法研究，2000年4月毕业并获博士学位。2001年4月至2005年4月，师从中科院计算技术研究所史忠植教授，从事博士后研究工作，主攻多目标进化算法。2003年11月至2004年10月，在加拿大西安大略大学访学，师从Charles X Ling教授，从事基于进化环境的多目标进化计算的研究。 郑金华教授的研究工作得到了国家自科基金(主持5项)、教育部留学回国人员科研启动基金(主持1项)、湖南省自科基金（主持5项）、湖南省教育厅重点科研项目(主持3项)等10多个项目的资助。发表学术论文200余篇，在科学出版社出版学术专著2部（独著或第一完成人），以第一完成人获得湖南省自然科学奖二等奖1项、霍英东青年教师奖1项、湖南省优秀教学成果奖二等奖2项。以第一作者在电子工业出版社等出版教材2部。
研究生招生：
计算机科学与技术（学硕）、电子信息（专硕）
工作经历
2021年-至今： 2024欧洲杯购票官网教授
2015年-2021年：衡阳师范学院副校长
2000-2015年：2024欧洲杯购票官网教授，其中2001年-2005年：中国科学院计算技术研究所，博士后；2003年-2004年：加拿大西安大略大学，访问学者
1995年-2000年： 2024欧洲杯购票官网副教授
1992年-1995年 ： 2024欧洲杯购票官网 讲师
研究领域
1、进化算法：主要研究动态环境下，进化算法的设计与实现。
2、多目标进化算法，主要研究有：
（1）基于进化环境的多目标进化的一般规律、算法设计与实现；
（2）基于进化环境的多目标进化算法的性能分析和评价；
（3）多目标进化算法在工程上的应用。
3、机器学习：主要研究机器的自主学习，以及机器智力的自主发育。
科研项目
主持的主要科研项目：
1.面向应急资源优化配置的动态多目标进化优化关键技术研究，国家自科基金，2022-2025。
2．基于偏好信息的高维多目标进化优化关键问题研究，国家自科基金，2018-2021。
3.高维多目标进化算法关键问题研究, 国家自科基金 2014-2017。
4.进化多目标优化算法性能评价方法的研究, 国家自科基金， 2011-2013。
5.基于进化环境的多目标进化机理的研究，国家自科基金 2008-2010。
6.数字化衡阳旅游及信息化云平台，湖南省自科基金， 2017-2019。
7.高维多目标进化算法收敛性研究，湖南省自科基金，2014-2016。
8.基于多目标进化的鲁棒优化机理研究，湖南省自科基金， 2009-2011。
9.多目标进化中Pareto最优解集构造方法的研究，湖南省自科基金项目， 2005.7-2007.6。
10.多目标遗传算法及其应用,湖南省自科基金项目,2002-2003。
11.基于Pareto 优化的MOEA中非支配集构造方法的研究，教育部留学回国人员科研启动基金，教外司留[2005]546号,3万元。
12.基于高维目标空间的进化优化方法研究，湖南省教育厅重点科研项目，2012－2015。
13.基于进化环境的多目标进化算法及其收敛性研究，湖南省教育厅重点科研项目，2007-2009。
专著
1.郑金华，邹娟.多目标进化优化. 北京：科学出版社，2017.
2.郑金华.多目标进化算法及其应用.北京：科学出版社，2007.
主要论文
1.Xiang Y, Zheng J, Hu Y, et al. Weak relationship indicator-based evolutionary algorithm for multimodal multi-objective optimization. Information Sciences, 2024, 652: 119755.
2.Zheng J, Du Z, Zou J, et al. A weight vector generation method based on normal distribution for preference-based multi-objective optimization[J]. Swarm and Evolutionary Computation, 2023, 77: 101250.
3.Wang S T, Zheng J H, Liu Y, et al. An extended fuzzy decision variables framework for solving large-scale multiobjective optimization problems[J]. Information Sciences, 2023, 643: 119221.
4.Zheng J, Zhou F, Zou J, et al. A dynamic multi-objective optimization based on a hybrid of pivot points prediction and diversity strategies[J]. Swarm and Evolutionary Computation, 2023, 78: 101284.
5.Zheng J, Wu Q, Zou J, et al. A dynamic multi-objective evolutionary algorithm using adaptive reference vector and linear prediction[J]. Swarm and Evolutionary Computation, 2023, 78: 101281.
6.Hu Y, Zheng J, Jiang S, et al. A mahalanobis distance-based approach for dynamic multi-objective optimization with stochastic changes[J]. IEEE Transactions on Evolutionary Computation, 2023.
7.Zheng J, Zhang B, Zou J, et al. A dynamic multi-objective evolutionary algorithm based on Niche prediction strategy. Applied Soft Computing, 2023, 142: 110359.
8.Hu Y, Zheng J, Jiang S, et al. Handling dynamic multiobjective optimization environments via layered prediction and subspace-based diversity maintenance[J]. IEEE Transactions on Cybernetics, 2021, 53(4): 2572-2585.
9.Zheng J, Zhang Z, Zou J, et al. A dynamic multi-objective particle swarm optimization algorithm based on adversarial decomposition and neighborhood evolution[J]. Swarm and Evolutionary Computation, 2022, 69: 100987.
10.Zheng J, Liu S, Zou J, et al. A Preference Algorithm Based on Objective Proportion for Evolutionary Multiobjective Optimization[J]. 2022.
11.Hu Y, Zheng J, Zou J, et al. Dynamic multi-objective optimization algorithm based decomposition and preference[J]. Information Sciences, 2021, 571: 175-190.
12.Ruan G, Zheng J, Zou J, et al. A random benchmark suite and a new reaction strategy in dynamic multiobjective optimization[J]. Swarm and Evolutionary Computation, 2021, 63: 100867.
13.Zheng J, Zhou Y, Zou J, et al. A prediction strategy based on decision variable analysis for dynamic multi-objective optimization[J]. Swarm and Evolutionary Computation, 2021, 60: 100786.
14.Yaru Hu,Jinhua Zheng,Juan Zou,Shengxiang Yang,Junwei Ou,Rui Wang. A dynamic multi-objective evolutionary algorithm based on intensity of environmental change. Information Sciences,2020(523):49-62.
15.Bai, Hui and Zheng, Jinhua and Yu, Guo and Yang, Shengxiang and Zou, Juan.A Pareto-based many-objective evolutionary algorithm using space partitioning selection and angle-based truncation. Information Sciences,2019(478):186-207.
16.Junwei Ou,Jinhua Zheng,Gan Ruan,Yaru Hu,Juan Zou,Miqing Li,Shengxiang Yang,Xu Tan. A pareto-based evolutionary algorithm using decomposition and truncation for dynamic multi-objective optimization. Applied Soft Computing, 2019(85):1-22.
16.郑金华,董南江,阮干,邹娟,杨圣祥. 决策空间定向搜索的高维多目标优化策略. 软件学报,2019,30(9):2686-2704.
17.刘元,郑金华,邹娟,喻果. 基于邻域竞赛的多目标优化算法.自动化学报, 2018,44(7):1304-1320.
18.王帅发,郑金华,胡建杰,邹娟,喻果. 自适应偏好半径划分区域的多目标进化方法.软件学报, 2017,28(10):2704-2721.
19.Shen, Ruimin and Zheng, Jinhua and Li, Miqing and Zou, Juan. many-objective optimization based on information separation and neighbor punishment selection. Soft Computing,2017(21):1109-1128.
20.JinhuaZheng,GuoYu,QiaofengZhu,XiaodongLi,JuanZou. On decomposition methods in interactive user-preference based optimization. Applied Soft Computing, 2017(52): 952-973.
21.Ruan, Gan and Yu, Guo and Zheng, Jinhua and Zou, Juan and Yang, Shengxiang. The effect of diversity maintenance on prediction in dynamic multi-objective optimization. Applied Soft Computing, 2017(58): 631-647.
22.郑金华, 喻果, 贾月. 基于权重迭代的偏好多目标分解算法解决参考点对算法影响的研究[J]. 电子学报, 2016, 44(1): 67-76.
23.郑金华, 刘磊, 李密青, 等. 差分选择策略在复杂多目标优化问题中的研究[J]. 计算机研究与发展, 2015, 52(9): 2123-2134.
24.Yu G, Zheng J, Shen R, et al. Decomposing the user-preference in multiobjective optimization[J]. Soft Computing, 2015: 1-17.
25.郑金华,申瑞珉,李密青,邹娟. 一种基于信息分离的高维多目标进化算法，软件学报，2015 (5): 1013-1036.
26.郑金华，申瑞珉，李密青，邹娟，袁琦钊. 多目标优化的环境进化模型及实现，计算机学报，2014, 37(12): 2530-2547.
27.郑金华,谢谆志。关于如何用角度信息引入决策者偏好的研究，电子学报，2014，42(11): 2239-2246.
28.Miqing Li, Shengxiang Yang, Jinhua Zheng, Xiaohui Liu. ETEA: A Euclidean Minimum Spanning Tree-Based Evolutionary Algorithm for Multi-Objective Optimization. Evolutionary Computation 22(2): 189-230 (2014).
29.Shengxiang Yang, Miqing Li, Xiaohui Liu, Jinhua Zheng: A Grid-Based Evolutionary Algorithm for Many-Objective Optimization. IEEE Trans. Evolutionary Computation , 2013, 17(5): 721-736.
30.郑金华，李珂。一种基于Hypervolume指标的自适应邻域多目标进化算法，计算机研究与发展，2012.49(2),312-326.
31.郑金华，刘磊，刘文盼，邹娟，一种自适应小生境分布性保持策略，电子学报，2012，40(11)：2330－2335.
32.李密青，郑金华。一种多目标进化算法解集分布广度评价方法，计算机学报，2011，34(4)：642－664。
33.郑金华，周聪，李珂，吕卉。基于最小二乘法的高维目标减少算法，控制理论与应用。2011，28(7)：947－955.
34.李密青，郑金华，李珂。一种非均匀分布问题分布性维护方法，电子学报，2011，39(4)：946－952。
35.郑金华，周聪，李珂，吕卉。基于最小二乘法的高维目标减少算法，控制理论与应用。2011，28(7)：947－955.
36.Ke Li, Jinhua Zheng, Miqing Li, Cong Zhou, Hui Lv. A Novel Slicing Based Algorithm to Calculate Hypervolume for Multi-objective Optimization Problems. ICIC-Express Letters: An International journal of Research and Surveys, 2010, 4(4): 1113-1120.
37.李密青, 郑金华, 罗彪. 一种基于最小生成树的多目标进化算法. 计算机研究与发展. 2009, 46(5): 803-813.
38.郑金华, 罗彪, 周聪, 李望移. 用多目标进化算法搜索MOPs的鲁棒Pareto最优解. 电子学报. 2009,12(37).
39.李密青, 郑金华, 伍军. 一种新的分布度保持方法. 控制理论与应用. 2009, 26(8).
40.Miqing Li and Jinhua Zheng. Spread Assessment for Evolutionary Multi-Objective Optimization, Evolutionary Multi-Criterion Optimization, 5th International Conference (EMO 2009), Nantes, France 216-230, 2009 .
41.Ke Li ,Jinhua Zheng,Cong Zhou,Hui Lv. An improved Differential Evolution for Multi-objective optimization(CSIE 2009),2009(18):825-829.
42.李密青, 郑金华, 谢炯亮, 杨平, 李晶. 一种MOEA分布度的逐步评价方法. 电子学报. 2008, 36(10): 1986-1991.
43.Biao Luo, Jinhua Zheng. A New Methodology for Searching Robust Pareto Optimal Solutions with MOEAs. CEC'08.
44.郑金华, 蒋浩, 邝达, 史忠植. 擂台赛法则构造多目标Pareto最优解集的方法研究, 软件学报, 2007, 18(6): 1287-1297.
45.Jinhua Zheng, Guixia Xiao, Wu Song, Xuyong Li. A Multi-Objective Genetic Algorithm Based on Density. The 2nd International Symposium on Intelligence Computation and Application, 2007.5.22. Advances in Intelligent Systems Research, Atlantis Press, PP.474-477, Taiwan, October 2006.
46.Kuang Da and Zheng Jinhua. Strategies Based on Polar Coordinates to Keep Diversity inMulti-Objective Genetic Algorithm. 2005 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION Proceedings , 2005-9-5; Vol.2:P1276-1281.
