报告时间：2023年10月26日 15：:00---16:30
报告地点：学院210会议室
报告题目：知识引导的多目标进化优化
报告简介：
面向进化过程中的隐性知识，给出相应的知识挖掘策略，并提出相应的自适应知识引导算子；针对动态多目标优化问题中迁移学习机制响应环境变化时效性问题，提出域适应学习方法，引入子空间分布对齐方法，减少知识迁移过程的计算消耗，有效权衡了算法性能和效率；面向不同动态特性的动态多目标优化问题，历史环境间差异性具有不确定性，现有方法很难同时兼顾多种环境变化，提出知识引导迁移策略，通过知识匹配方法从知识池中挑选适用于当前环境的知识，并利用混合迁移机制提高历史知识的利用效率；基于此，拓展其求解群智能感知中的任务分配等问题，提出基于Q-学习的超启发式多目标动态感知任务分配机制。
报告人简介：
郭一楠，中国矿业大学（北京）机电学院教授、博士生导师，江苏省六大高峰人才，江苏省青蓝工程骨干教师，中国煤炭青年科技奖获得者。1999年至2023年任教于中国矿业大学信控学院；现任教于中国矿业大学（北京）机电学院；清华大学、美国明尼苏达大学、英国伯明翰大学访问学者。
主要从事群智优化与智能控制、智能数据解析与影像理解、数字孪生与平行理论，以及相关方法在有限资源调度、复杂装备控制、主动健康、矿山智能化等领域的应用研究。主持/参与国家重点研发计划、国家973计划、国家863计划、国家自然科学基金和校企合作课题等科研项目30余项，以第一作者/通讯作者在TEVC、TNNLS、TCYB、CEP等权威期刊上发表SCI论文50余篇，授权国家发明专利19项，软件著作权14项。获教育部科技进步奖二等奖、江苏省科学技术奖二等奖、吴文俊人工智能科学技术奖二等奖等科研奖励12项。任中国仿真学会智能仿真优化与调度专委会秘书长、中国人工智能学会高级会员、IJCST和IJBIC编委。
