本方向重点研究：
1）求解昂贵地学计算问题的优化理论
大规模空间数据中涉及很多耗时的计算优化问题，如大规模地震数据反演所涉及的数据量大、模型参数多等，每次反演计算模型参数需要大量的计算时间，是典型的昂贵计算优化问题。为了能在可接受时间内有效求解大规模昂贵约束优化问题，我们需要把演化算法和传统数值优化算法相结合，设计自适应的智能算法框架。目前，自适应的智能算法可以把所优化问题已有的专家知识加入到演化算法的搜索过程中，进一步提升优化算法的性能，更有效解决所优化的问题。因此，设计高效的自适应智能计算算法框架对求解大规模昂贵约束优化问题具有十分重要的理论意义和应用价值。
主要研究内容：协作演化框架和多继承模型研究；基于概率的单目标/多目标的智能计算框架研究；基于认知和脑科学启发的算法研究；自适应智能计算算法框架研究等。
2）空间数据挖掘和知识发现理论
空间数据具有关系复杂、非结构化、数据量大等特点，传统的数据处理方法无法有效处理大规模非结构化空间数据，在空间数据获取、空间动态建模与知识发现等方面存在困难。随着空间信息获取技术的飞速发展，复杂多变的空间数据急剧膨胀，迫切需要一类新型方法来处理海量非结构化信息，并进行空间数据挖掘和知识发现。
主要研究内容：基于联机分析处理技术的数据挖掘新方法；基于贝叶斯网络的数据挖掘和知识发现新方法；基于类不平衡及代价敏感学习的贝叶斯学习新技术；面向资源环境物联网的数据挖掘与智能空间数据处理分析技术。
3）复杂空间环境下自适应演化理论
演化硬件是指将数字信号处理、计算机体系结构和演化计算等理论和技术应用到恶劣环境下的数据采集和处理，使系统具有自适应、自组织、自修复的能力。由于人类对于深空、深海、极地、高寒等各种恶劣环境的探索不断发展，对于极端环境下的计算机体系结构、微传感器及软件系统的研究提出了新的要求，这一学科方向已经成为国内外相关领域的前沿研究热点。相关研究工作在地球科学、空间科学、环境科学等领域都有广泛应用，对于国防科技的发展和武器装备现代化也具有重大意义。
主要研究内容：生物启发式智能计算方法与自适应技术；电子器件（包括天线、电路等）的自动设计软件研发；在各种环境（特别是恶劣环境）下具有自适应、自组织、自修复能力的硬件（自适应阵列、机器人等）研究与开发。