多任务智能优化

讲座题目：多任务智能优化

讲座嘉宾：冯亮,重庆大学教授

讲座时间： 2020年11月10号周二，上午10:30-11:30

讲座地点：腾讯会议，https://meeting.tencent.com/s/JrhHYrO3ocY9，会议ID:610 243 042

内容摘要：传统的智能优化算法，例如进化算法，群体智能优化算法等，种群大都始于随机初始化，并对某一个给定优化问题进行独立求解。因此，它们可归为单任务智能优化算法。由于该类算法基于种群迭代搜索，故其优化效率较低。为提升求解效率，国内外研究人员已提出很多性能优良的智能优化算法。例如基于代理模型（surrogate model）的智能优化算法、基于自适应机制的智能优化算法、和基于多种群的智能优化算法等。但是，考虑到实际优化任务在某些情况下不是独立存在，故可以通过对一个优化问题的求解来提升其在相关问题的求解能力。多任务优化正是受到此启发而提出的一种新型智能优化方法。与传统单任务智能优化相比，多任务智能优化能够在一次优化过程中，同时对多个任务进行优化，并通过任务间的信息迁移，达到提高优化效率的目的。本报告主要介绍报告人在多任务智能优化方面近期的研究工作，包括面向连续及离散优化问题的多任务优化算法。

讲座嘉宾简介：

       冯亮为重庆大学“百人计划”引进人才、教授、博士生导师、重庆市高层次引进人才，新加坡南洋理工大学博士。先后在南洋理工智能计算实验中心，多平台游戏创新中心，以及新加坡A*Star南洋理工联合复杂系统实验室从事研究工作。研究方向包括（但不局限于）智能计算，大数据挖掘与优化，机器学习，以及多智能体系统等。相关研究成果先后发表于IEEE Transactions on Evolutionary Computation, IEEE Transactions on Cybernetics, IEEE Intelligent System, World Congress on Computational Intelligence等国际主流期刊及会议。获得IEEE Congress on Evolutionary Computation 2012 最佳学生论文提名。担任IEEE Computational Intelligence Magazine, Memetic Computing Journal，Cognitive Computing Journal副主编。担任Task force on transfer learning and transfer optimization 主席。受邀为多个国际期刊会议审稿人，包括：IEEE TEVC, IEEE TNNLS, IEEE TSMC, ECJ, IJSS, Applied Soft Computing, Soft Computing, Memetic Computing, CEC, GECCO等。获得2015 IEEE Transactions on Cybernetics Outstanding Reviewer; 获得2019 IEEE Transactions on Evolutionary Computation Outstanding Paper Award.

欢迎广大师生前来交流！

物流科学与工程研究院