EN
学术报告
Evolutionary Computation: A Path from Biology to Artificial Intelligence&演化多目标相容控制(MOCC)
发布时间:2019-10-20        浏览次数:598

报告一:Erik D. Goodman


报告题目:Evolutionary Computation:  A Path from Biology to Artificial Intelligence

报告人:    Prof.Erik D. Goodman  进化计算领域国际著名学者、美国密歇根州立大学  

主持人:    周爱民 副院长(主持工作)

报告时间:20191029日  周二14:00-15:00

报告地点:中北校区数学馆201



报告摘要:

In its early days, prior to about 1990, evolutionary computation (genetic algorithms, genetic programming, evolution strategies, etc.) used only a very simple model of evolution in nature, in part because computers were too slow to handle difficult real-world problems that required more complex algorithms to solve. But researchers began to take more lessons from nature, resulting in more powerful evolutionary algorithms that capture the effects of distinct subpopulations experiencing different selective pressures, resulting in maintenance of far more diversity in the overall population. Collaborative problem solving by human teams has also informed the structure of newer evolutionary algorithms, yielding the ability to solve much more difficult real-world problems, as examples to be presented will demonstrate. But these strong capabilities were largely ignored by the machine learning (ML) community until deep convolutional neural networks became popular. Evolutionary algorithms have shown that they can efficiently evolve improved architectures for DNNs, which is most important when the resulting nets are to be deployed in cell phones and other devices with strong hardware limitations. The big Deep Learning companies are now hiring evolutionary computation experts to complement their ML strength.

报告人简介:

Erik D. Goodman教授是进化计算领域国际著名学者。现任密歇根州立大学电子与计算机工程系教授、美国国家科学技术研究中心“生物进化在行动”BEACINBio/computational Evolution in Action CONsortium Center)的中心主任。他曾担任第一届进化计算及其应用国际会议主席,2001-2004年担任国际遗传进化计算协会创始主席,2005-2007年间担任美国计算机学会(ACM)基因及进化计算特别兴趣小组(SIGEVO)的创始人及第一届主席。自2008年起,成为纽约城市大学John Jay学院突发紧急事件分析学院的指导委员会核心成员。他曾是同济大学、华东师大、汕头大学等国内多所高校的顾问教授。

Erik D. Goodman教授还获得了大量的奖项,包括2011年的密歇根州立大学的杰出教员奖,2011ACM SIGEVO 杰出服务奖(以表彰作为ACM SIGEVO 创始人所做的贡献),2009年的密歇根州杰出教授奖,2007年的密歇根州立大学最高教学奖。他还当选为乌克兰国家工程学院院士、及国际信息科学院院士。担任包括进化计算领域权威期刊《Evolutionary Computation》等在内的多个国际期刊编委。

 

报告二:徐立鸿

报告题目:演化多目标相容控制(MOCC

报告人:   徐立鸿  二级教授  国家有突出贡献的人工智能控制专家

主持人:   王晓玲 教授

报告时间:20191029日  周二15:00-16:00

报告地点:中北校区数学馆201



报告摘要:

实际问题中多个控制目标往往是冲突的(例如节能控制问题),传统的方法是对多个控制目标加权后变成单目标性能函数实现最优控制。这带来权值难以选取、甚至丢失有效控制解的严重问题。多目标控制问题必须用多目标的方法去解决。为此,我们首次提出了“多目标相容控制(MOCC)”的概念和方法。该方法的理论基础是多目标优化方法和理论。多年来,我们聚焦于演化多目标优化方法的研究,得到了高维多目标优化、动态多目标优化和数据驱动鲁棒多目标优化的一系列创新成果,在此基础上,形成多目标相容控制方法和理论。近期我们聚焦于人工智能的机器学习(ML)方法,突破演化计算多目标优化方法框架,首次提出基于概率分布的数据驱动多目标优化新方法,进一步拓展了多目标相容控制的理论,为获得稳定可靠的相容控制方法奠定了理论基础。

报告人简介:

徐立鸿博士,二级教授。国家有突出贡献的人工智能控制专家。1994年在东南大学破格晋升正教授。现任同济大学控制学科资深教授,博士生导师;中国教育部设施农业(网上合作)研究中心主任;同济大学国家设施农业工程技术研究中心学术带头人;上海市农业工程学会理事长。曾任同济大学现代农业科学与工程研究院首任院长和上海市菜篮子工程专家组负责人。2006年至2011年,在美国密歇根州立大学作为高级研究学者合作研究五年,之后,兼任美国密歇根州立大学国家级BEACON科技中心顾问教授合作研究至今;国际电子电气工程师协会(IEEE)高级会员,IEEE 计算智能上海分会主席;国际计算机学会(ACM) 2009遗传与演化计算世界峰会主席。

徐立鸿教授在人工智能控制领域取得了国际国内领先的理论研究成果和可 观的应用经济效益。先后获得国家科技进步二等奖、教育部科技进步一等奖和国际计算机学会(ACM)贡献奖等国内国际奖。作为国家科技奖获奖代表获得总书记和总理等中央领导的接见。2019年获得中共中央国务院中央军委颁发的“共和国国庆70周年纪念章”。


中山北路3663号理科大楼 200062

沪ICP备05003394


Copyright 2019计算机科学与技术学院