近期，电子科技大学经济与管理学院梁德翠教授团队在国际A类期刊European Journal of Operational Research在线刊发了研究成果“A stability–plasticity balanced continual learning paradigm for dynamic three-way classification and ranking”。该论文由电子科技大学梁德翠教授、博士生杨成龙合作撰写。其中，杨成龙为第一作者，梁德翠教授为通讯作者，论文的第一完成单位与唯一通讯单位均为电子科技大学经济与管理学院。
近年来，开放环境持续学习在机器学习与智能决策领域受到广泛关注，并逐步应用于智能制造、医学诊断、风险识别和自主决策等场景。作为面向动态、未知和持续变化环境的重要学习方式，其突破了传统封闭环境中类别空间和数据分布预先确定的基本假设，为提升模型在复杂环境中的持续适应能力提供了新的研究视角。然而，在开放环境下，已观测备选方案集合与总体之间可能存在统计差异，使依赖备选方案内部比较的决策过程容易受到局部信息限制，进而产生决策偏差。与此同时，随着信息持续更新，传统“先分类、后排序”的决策过程还可能导致相邻阶段结果发生非连续变化，影响决策的一致性与稳定性。因此，如何在保持历史知识稳定性的同时有效吸收新信息，实现稳定性与可塑性的协调，成为开放环境持续学习与智能决策研究中的重要问题。
针对上述问题，本研究提出一种面向动态三支分类与排序的稳定性—可塑性平衡持续学习方法。首先，在损失函数中引入外部准则，将备选方案之间的内部比较与反映总体特征或领域要求的外部基准相结合，构建兼顾内外部信息的自适应决策阈值，以降低局部信息偏差对决策结果的影响。其次，借鉴变权思想，设计稳定性与可塑性辅助增强机制，根据环境变化动态调节历史信息与当前信息的作用，在保持跨阶段决策一致性的同时增强模型对新增信息的响应能力。进一步，构建兼顾稳定性与可塑性的多目标优化模型，并设计相应的进化求解算法，通过稳定性参照与可塑性参照共同引导决策演化，以适应不同决策者的个性化偏好。最后，基于多个领域的数据集开展实验验证。结果表明，所提方法能够有效协调历史知识保持与新知识吸收，在稳定性与可塑性的权衡方面表现出明显优势，为开放动态环境下的智能决策提供了一种新的持续学习方法。
European Journal of Operational Research是欧洲运筹学会联合会会刊，是英国商学院协会(Association of Business School)ABS认定的四星级期刊，是学院认定的国际A类期刊。该刊JCR分区为1区，是运筹学领域国际公认的权威期刊，主要刊载有关运筹学与管理科学理论发展及其在商业、工业和政府工作等应用的高水平研究成果。
原文链接：https://www.sciencedirect.com/science/article/pii/S0377221726007289
作者简介：
杨成龙，电子科技大学经济与管理学院2024级博士研究生，主要从事开放环境下的粒计算与智能决策研究。
梁德翠，电子科技大学经济与管理学院教授、博导，国家级青年人才，是IET/BCS/RSA Fellow和四川省学术和技术带头人，主要从事数据科学与智慧决策、生成式人工智能与偏好学习、粒计算与知识发现等方向的研究。
