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，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𓀊。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“-”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