報告題目：學(xué)習(xí)驅(qū)動的動態(tài)多目標優(yōu)化關(guān)鍵技術(shù)

報告時間：2023年6月11日（周日）?15:00

報告地點：線上

報告人：閆李副教授

報告人單位：中原工學(xué)院

報告人簡介：

閆李, 男，中原工學(xué)院電子信息學(xué)院副教授，博士，碩士生導(dǎo)師，中國仿真學(xué)會智能仿真優(yōu)化與調(diào)度專委會委員，中國人工智能學(xué)會會員，中國自動化學(xué)會會員，河南省自動化學(xué)會理事。長期從事計算智能、機器學(xué)習(xí)理論、算法設(shè)計及應(yīng)用方面的研究。近年來主持國家自然科學(xué)基金1項，參與國家自然基金項目3項，主持省自然科學(xué)基金、高校重點科研項目2項； 發(fā)表SCI、EI檢索論文30余篇；獲河南省高校青年骨干教師，?！叭恕毕冗M個人等榮譽。

?

報告摘要：

動態(tài)多目標優(yōu)化問題在科學(xué)研究與工程應(yīng)用中廣泛存在，該類問題不僅具有多個相互制約的目標函數(shù)，而且會隨時間變化發(fā)生改變，這無疑加劇了問題的復(fù)雜度和求解難度。報告首先對基于超限學(xué)習(xí)機預(yù)測的動態(tài)多目標進化優(yōu)化算法進行介紹，從超限學(xué)習(xí)機的網(wǎng)絡(luò)拓撲設(shè)計和參數(shù)選擇方法入手，提出基于超限學(xué)習(xí)機的時間序列預(yù)測方法，提升算法對問題最優(yōu)解集的搜索效率與精度；其次，從歷史解集的局部相關(guān)性出發(fā)，介紹一種基于流形學(xué)習(xí)的預(yù)測方法，利用流形學(xué)習(xí)挖掘歷史解集在局部區(qū)域的相似性，找到具有相似移動趨勢的個體，構(gòu)建出線性預(yù)測模型，實現(xiàn)對新環(huán)境解集位置的準確預(yù)測；最后，為提升算法對歷史信息的利用和學(xué)習(xí)效率，介紹一種基于個體相關(guān)性和維度雙重遷移學(xué)習(xí)的預(yù)測策略，從時間和空間兩個維度對歷史信息進行高效提取和遷移，生成高質(zhì)量預(yù)測種群，提升算法預(yù)測精度和收斂效率。

邀請單位：智能制造學(xué)院