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