从高铁网络的智能调度，到灾害发生时的应急资源分配，现实世界的复杂工程往往面临多个互相制约的优化目标。如何在海量数据中让计算机于极短时间内寻找出“最优解”？近日，由我校理学院党乾龙副教授团队，联合我校经济管理学院阮俊虎教授、澳门城市大学朱天清教授自主研发的AscendMOEA平台正式开源发布，为这一难题提供了最优解。
长期以来，随着决策维度与评价成本的持续增长，传统多目标算法由于频繁的数据搬运和单线程计算，常常遭遇严重的算力瓶颈，且高度依赖国外底层软硬件架构。为打破这一技术壁垒，党乾龙团队基于我国自主可控的华为昇腾算力生态，历经攻坚，成功打造了AscendMOEA平台。这是首个面向国产算力的高性能多目标优化平台。该平台的问世，不仅为复杂工程问题求解提供了强大的基础工具，更标志着我国在“智能优化算法与国产AI算力融合”领域迈出了突破性的一步。
AscendMOEA 平台创新性地引入了统一的批量张量运算体系。如果将传统的计算方式比作拥挤的单行道，该平台则为算法铺设了多车道高速公路，使得海量数据能够在国产NPU（神经网络处理器）上畅通无阻地开展超大规模并行计算，彻底释放了硬件的极限算力。平台将种群表示、演化算子、质量评估和实验管理深度集成于统一的计算框架中，构建了包含“底层硬件调度、核心张量算子、全栈算法体系、开放问题生态”的四大核心模块，实现了软硬件协同的极限性能释放。
“科研人员现在可以像搭积木一样，在平台上快速构建、验证并部署算法。”党乾龙介绍，AscendMOEA平台实现了算法与底层硬件的完美解耦。目前，平台已内置18个演化算法、155个问题模型、19个公开算子及11个评估指标，兼顾了前沿学术研究与复杂工业应用的双重需求。平台的中英文在线文档、安装与昇腾环境配置指南、全流程示例、算法与问题目录，以及自动生成的 Python API 参考已同步上线。平台支持在通用CPU上开发调试，并可无缝迁移至昇腾NPU开展大规模实验。这不仅将科研成果从理论设计到规模化应用的开发周期大幅缩短，更将为国家重大工程的智能调度与资源配置提供可靠的“计算大脑”。
据悉，AscendMOEA平台的发布只是一个起点，团队将持续深化软硬件协同机制，为我国的智能制造、智慧城市及复杂系统决策提供更加开放、可靠、可复现的技术基础设施。
项目主页：https://github.com/dqlme/AscendMOEA
中文文档：https://ascendmoea.readthedocs.io/zh-cn/latest/
