BIMK
Institute of
Bioinspired Intelligence and Mining Knowledge
Location:Home > News > 巩敦卫 孙晓燕 梁静教授应邀分别讲授“超多目标优化问题进化求解方法”、“学习驱动的交互式进化优化”以及“多模态多目标优化问题求解策略及标准测试函数集介绍”

巩敦卫 孙晓燕 梁静教授应邀分别讲授“超多目标优化问题进化求解方法”、“学习驱动的交互式进化优化”以及“多模态多目标优化问题求解策略及标准测试函数集介绍”

2018-12-14 21:50:33

20181214下午2点,中国矿业大学巩敦卫教授、中国矿业大学孙晓燕教授郑州大学梁静教授应邀在安徽大学磬苑校区理工D楼318会议室进行学术报告会。报告会由生物智能与知识发现研究所所长张兴义教授主持,学院师生到场聆听。

本次报告会上,首先演讲的是巩敦卫教授,报告的题目是“超多目标优化问题进化求解方法超多目标优化问题已然普遍存在,虽然目前有许多方法求解这类问题但是仍然面临很大挑战。报告中,巩教授,首先介绍了超多目标的一些背景知识。然后详细介绍了采用进化优化解决该类问题的最新成果:逐一环境选择进化算法、元目标进化算法、融入决策空间多样性进化算法和集合进化算法等最后巩教授指出未来需要进一步研究的问题。报告会巩教授老师、学生所提问题做了详细的解答。

其次演讲的是孙晓燕教授报告的题目是学习驱动的交互式进化优化在实际应用中,大量优化问题往往难以建立精确的数学模型,特别是解的优劣需要依据用户/人的喜好进行评价的情况与计算机不知疲劳地计算个体适应值相比,用户评价极易疲劳,导致交互式进化优化算法进化种群规模往往较小,进化代数也较少,为此,基于进化信息,采用机器学习策略,构建用户评价的代理模型,进而设计高效交互式优化策略是非常值得研究的课题。孙教授以定性组合优化问题为对象,考虑少量用户评价信息和大量无评价信息的样本,设计半监督学习机制,构建用户评价模型,实现半监督学习引导的交互式进化优化;以个性化搜索为研究对象,基于用户交互行为,构建兴趣模型,进行个体适应值估计,然后,设计对进化知识挖掘缩小搜索空间的优化机制,研究交互式分布估计算法最后通过在实际问题中的应用证明上述方法的可行性。报告会孙教授老师、学生所提问题做了详细的解答。

最后演讲的是梁静教授,报告的题目是“多模态多目标优化问题求解策略及标准测试函数集介绍多模态多目标优化(Multimodal multi-objective optimization MMO)引起了许多学者的研究兴趣,多模态多目标优化问题即具有多个全局或局部最优的帕累托解集的多目标优化问题。多模态多目标优化问题的所有帕累托解集都可能是决策者寻求的解,在实际应用中部分解的丢失可能造成不必要的困难或经济损失,因此对多模态多目标优化的研究具有极大的实际意义。本次报告梁教授详细讲介绍了多模态多目标优化问题的特点,分析解决此类问题的关键,介绍针对该类问题设计的进化计算解决策略,同时给出多模态多目标优化测试函数集和评价指标,最后指出多模态多目标优化方向的未来研究工作。报告会教授就老师、学生所提问题做了详细的解答。