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。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