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𓀒，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！

意昂3开户网