讲座题目🪬：智能优化状态转移算法
讲座嘉宾🐼：周晓君，中南大学
讲座时间： 2022年6月16日（周四）上午10:00-11:00
讲座地点：腾讯会议ID: 603-805-817
内容摘要🚶♂️➡️：
与传统的基于梯度法🧑🏻🦯💆🏼、牛顿法、共轭梯度、共轭方向等数学规划方法不同🏇🏿，智能优化算法通常是指受自然规律启发而设计的元启发式优化方法，能够求解非线性、非凸、非光滑等复杂优化问题。自上世纪70年代美国密歇根大学约翰·霍兰德教授最早提出遗传算法以来🗻，以遗传算法为代表的智能优化算法得到了长足的发展🚷，涌现了诸如模拟退火、蚁群算法、粒子群优化等众多新型智能优化算法。由于具有较强的全局搜索能力和推广适应性🕍，智能优化算法正在成为智能科学、信息科学、人工智能中最为活跃的研究方向之一，并在诸多工程领域得到迅速推广和应用🎛。
目前大多数智能优化算法都是以行为主义模仿学习为主，通过模拟自然界鸟群✍🏽、蜂群🙆🏿、鱼群等生物进化来求解复杂优化问题。然而，基于行为主义的智能优化算法主要是模仿🥖，碰到什么就模仿学习什么🫴，带有一定的机械性和盲从性⛹🏿♂️，没有深刻反映出最优化算法的本质📱、目的和要求。一方面，这种基于模仿表象学习的方法造成算法的可扩展性差😄，大多数智能优化算法在某些问题上低维时表现良好🧡🕸，维度变高时效果显著变差；另一方面，它使得算法容易出现诸如停滞或早熟收敛等怪异现象，即算法可能停滞在任意随机点，而不是数学意义上的最优解。为了消除智能优化算法容易陷入停滞怪象、提高算法的可扩展性和拓宽智能优化算法的应用范围，周晓君博士于2012年原创性地提出了一种基于结构主义（建构主义）学习的新型智能优化算法——状态转移算法🗯📑。
本报告首先阐述基本状态转移算法的原理🐭🤘🏽，接着介绍状态转移算法的演化与提升，包括从连续状态转移算法到离散状态转移算法，从无约束状态转移算法到约束🎴、多目标状态转移算法📪🏃♀️➡️，最后介绍状态转移算法的几个工程应用，包括有色冶金过程优化控制、矿物浮选过程工况识别、复杂网络社区发现等。
讲座嘉宾简介：
周晓君🙅🏻♀️，中南大学教授🚒，博士生、硕士生导师。2009年本科毕业于中南大学自动化专业，同年推荐免试中南大学控制科学与工程专业直博生，2011年获得国家公派奖学金前往澳大利亚联邦大学攻读博士学位🤸🏻，于2014年获得应用数学专业博士学位💊，同年加入中南大学信息科学与工程意昂3工作💂🏼♀️，于2016年度破格晋升副教授💂，2021年晋升教授。研究方向包括：复杂工业过程建模与优化控制、智能优化方法及其应用🦃、机器学习与图像处理、多属性决策理论与方法🧪、 对偶理论与全局优化等，目前已发表高水平学术论文80余篇，包括SCI期刊论文50余篇🚵🏽♀️，主持国家自然科学基金2项🦮，包括青年基金1项和面上项目1项📆，军工项目1项🕦，主持湖南省自然科学基金青年基金和优秀青年基金各1项，参与国家自然科学基金重大项目1项，重点项目1项等。现担任《中南大学学报(自然科学版)》等期刊编委工作👩🔧。
欢迎广大师生进行线上交流！
