3月28日，让我们相聚广州华南理工大学软件学院，一起探讨面向大数据的演化计算。
|
姓名
|
|
单位名称
|
|
|
联系电话
|
|
Email
|
|
|
是否教师？
|
|
职称
|
|
特邀讲者: 范衠教授，汕头大学
演讲题目：机器人系统的集成智能研究
简介：汕头大学工学院教授、电子工程系主任、广东省数字信号与图像处理重点实验室主任、电气与电子工程师学会(IEEE)高级会员。2004年获得密歇根州立大学 (Michigan State University) 电子工程系博士学位。博士毕业后受聘于丹麦科技大学（Technical University of Denmark -DTU)。在2004年到2007年间任机械工程系助理教授，2007年7月被聘为副教授 (终身职位) 、博士生导师。2012年进入汕头大学任特聘教授。研究领域主要为计算智能、进化计算、智能机器人、智能机电一体化系统、设计自动化、微机电系统等。已出版一部英文专著，著作章节8章，发表国际期刊和国际会议论文100余篇。2014年入选中组部第十批‘国家千人’计划青年人才项目，广东省首批‘扬帆计划’急需紧缺人才项目。
摘要：大力发展智能机器人产业以实现‘机器换人’已经成为继续促进我国经济发展，实现经济转型升级的必然选择。目前国内机器人在性能上普遍难以达到国外同类机器人水平，造成该现象的主要原因是我国在机器人系统的设计上缺乏一套系统化的持续优化和自动设计的方法。如何形成一套机器人系统智能设计框架，使设计的机器人系统在性能上接近、达到、并超过国际上同类产品的水平，是本报告将要探讨的一个问题。
机器人系统的集成智能研究包含两方面，分别是机器人系统的智能设计和和机器人系统智能集成。在智能设计方面，提出了一种对机电系统的拓扑结构和参数进行并行自动设计的方法，并对多种机电系统的应用实例进行了自动设计。在智能机器人系统方面，在智能交通服务机器人领域，采用分而治之的模块化集成方法，解决了工作环境的可扩充性和工作可靠性这两个困扰服务机器人商业应用的重要瓶颈问题，使得服务机器人可以在不影响系统可靠性的前提下，根据用户的需求方便可靠地增加或减少工作环境。在基于视觉感知的焊接机器人方面，融合图像处理和机器学习的方法，使机器视觉能够代替人的视觉，感知并判断焊接质量的好坏，并向机器手给出正确的控制指令以提高焊接质量。
特邀讲者: 李晓东教授，墨尔本皇家理工大学
演讲题目：Decomposition and Cooperative Coevolution Techniques for Large Scale Global Optimization
简介：李晓东教授本科毕业于西安电子科技大学，博士毕业于新西兰奥塔哥大学。目前，他是澳大利亚墨尔本皇家理工大学计算机科学与信息技术的副教授。他的研究兴趣包括了进化计算、神经网络、复杂系统、多目标优化和群体智能。他是著名国际学术期刊IEEE Transactions on Evolutionary Computation，journal of Swarm Intelligence (Springer), 和 International Journal of Swarm Intelligence Research的副主编。他也是IEEE CIS学会的副主席，以及该学会超高维全局优化分会的主席。他还是SEAL’08的大会主席，AI’09的程序主席，IEEE CEC’2012的程序主席等。最近，他还获得了2013 SIGEVO最具影响力奖。
摘要：Many real-world optimization problems involve a large number of decision variables. For example, in shape optimization a large number of shape design variables are often used to represent complex shapes, such as turbine blades, aircraft wings, and heat exchangers. However, existing optimization methods are ill-equipped in dealing with this sort of large scale global optimization (LSGO) problems. A natural approach to tackle LSGO problems is to adopt a divide-and-conquer strategy. A good example is the early work on a cooperative coevolutionary (CC) algorithm by Potter and De Jong (1994), where a problem is decomposed into several subcomponents of smaller sizes, and then each subcomponent is “cooperatively coevolved” with other subcomponents.
特邀讲者: 刘海林教授，广东工业大学
演讲题目：自适应分区域的进化超多目标优化算法
简介：刘海林,广东工业大学应用数学学院教授,博士生导师,IEEE Guangzhou Subsection 副主席,广东省现场统计学会副理事长，广州工业与应用数学学会副理事长。主要研究领域智能计算、移动通信网络规划与优化的研究工作。
摘要：针对采用确定性分解超多目标优化进化算法不容易求出具有代表性的Pareto最优解的不足，研究自适应分区域超多目标优化问题的策略。首先，利用统计设计方法研究解空间自适应划分为若干个跟研究问题有关的动态变化的子空间的方法，把超多目标优化问题分解为若干个子问题，以利于分解权重的多样性；其次，对每个子问题通过对当前种群分布信息的学习，自适应调节权重向量，使得采用该组权重向量聚合目标的进化算法能够求出均匀散布的Pareto最优解。
特邀讲者: 王甲海副教授，中山大学
演讲题目：单/多目标协同演化框架
简介：王甲海，中山大学数据科学与计算机学院副教授，研究兴趣包括先进智能算法研究与应用，提出了多种先进智能算法，对经典的和工程实践中的复杂单/多目标的连续/组合优化问题进行求解。在IEEE Transactions, IEEE Journal, Information Sciences, Applied Soft Computing等国际期刊发表数十篇文章，主持完成两个国家自然科学基金和多个省部级基金。2011年获广州市首届珠江科技新星人才专项资助。
摘要：我们提出了一种基于差分演化的新的单/多目标协同演化框架，能够很好的解决多目标优化问题和高维多目标优化问题。框架巧妙的利用已有的单目标优化算法来解决多目标问题，为有效解决多目标优化问题提供了新的途径和思路。这种新提出的单多目标协同演化框架特点是简单有效，在所测算例上表现出了比著名的NSGAII（NSGAIII）和MOEA/D框架更好的性能。新框架能够进一步的扩展解决约束和大规模的多目标优化问题。
执行主席 黄翰 华南理工大学软件学院教授
黄翰，博士，男，1980年出生，华南理工大学软件学院教授、博士生导师、智能算法与智能软件研究所主任、华工-香港城大物流优化研究室主任、广东省杰出青年基金获得者、广东省特支计划青年拔尖人才获得者、广州市珠江科技新星获得者、广东省计算机学会软件工程专业委员会秘书长；曾兼职香港城市大学管理科学系高级研究助理，广东省电子学会教育专业委员会副主任和中山大学管理学院项目管理专业（MPM）校外硕士生导师。近5年来承担了国家自然科学基金面上项目、国家自然科学基金青年项目、教育部博士点基金项目、广东省自然科学杰出青年基金项目、广东省自然科学基金面上项目、广州市珠江科技新星项目以及企事业委托研发的多项课题。获得广东省科技进步一等奖、广东省自然科学二等奖。在Information Science,IEEE Transaction on Cybernetics,《中国科学》、《计算机学报》和GECCO等学术刊物和国际会议上发表50多篇，申请国家发明专利21项(授权7项，公开5项)，获软件著作权26项。多项智能算法与智能软件技术成功实现了成果转化，成功应用30多例。
所有评论仅代表网友意见