多任務智能優化

講座題目：多任務智能優化

講座嘉賓：馮亮,重慶大學教授

講座時間： 2020年11月10號周二，上午10:30-11:30

講座地點：騰訊會議，https://meeting.tencent.com/s/JrhHYrO3ocY9，會議ID:610 243 042

內容摘要：傳統的智能優化算法，例如進化算法，群體智能優化算法等，種群大都始於隨機初始化，並對某一個給定優化問題進行獨立求解。因此，它們可歸為單任務智能優化算法。由於該類算法基於種群迭代搜索，故其優化效率較低。為提升求解效率，國內外研究人員已提出很多性能優良的智能優化算法。例如基於代理模型（surrogate model）的智能優化算法、基於自適應機製的智能優化算法、和基於多種群的智能優化算法等。但是，考慮到實際優化任務在某些情況下不是獨立存在，故可以通過對一個優化問題的求解來提升其在相關問題的求解能力。多任務優化正是受到此啟發而提出的一種新型智能優化方法。與傳統單任務智能優化相比，多任務智能優化能夠在一次優化過程中，同時對多個任務進行優化，並通過任務間的信息遷移，達到提高優化效率的目的。本報告主要介紹報告人在多任務智能優化方面近期的研究工作，包括面向連續及離散優化問題的多任務優化算法。

講座嘉賓簡介：

       馮亮為重慶大學“-”引進人才、教授、博士生導師、重慶市高層次引進人才，新加坡南洋理工大學博士。先後在南洋理工智能計算實驗中心，多平臺遊戲創新中心，以及新加坡A*Star南洋理工聯合復雜系統實驗室從事研究工作。研究方向包括（但不局限於）智能計算，大數據挖掘與優化，機器學習，以及多智能體系統等。相關研究成果先後發表於IEEE Transactions on Evolutionary Computation, IEEE Transactions on Cybernetics, IEEE Intelligent System, World Congress on Computational Intelligence等國際主流期刊及會議。獲得IEEE Congress on Evolutionary Computation 2012 最佳學生論文提名。擔任IEEE Computational Intelligence Magazine, Memetic Computing Journal，Cognitive Computing Journal副主編。擔任Task force on transfer learning and transfer optimization 主席。受邀為多個國際期刊會議審稿人，包括：IEEE TEVC, IEEE TNNLS, IEEE TSMC, ECJ, IJSS, Applied Soft Computing, Soft Computing, Memetic Computing, CEC, GECCO等。獲得2015 IEEE Transactions on Cybernetics Outstanding Reviewer; 獲得2019 IEEE Transactions on Evolutionary Computation Outstanding Paper Award.

歡迎廣大師生前來交流！

意昂体育