报告题目：多任务智能优化（Multi-Task Optimization）

时间：2021年12月1日（周三）下午3:30

地点：逸夫楼I319

报告摘要：传统的智能优化算法，例如进化算法，群体智能优化算法等，都是基于随机初始化，并针对某一个给定优化问题进行独立求解的单任务智能优化算法。由于该类算法基于种群迭代搜索，其优化效率较低下。在国内外研究中，出现了很多优秀的研究来提升传统智能优化算法的效率，例如利用surrogate model的研究、自适应智能优化算法的研究、多种群智能优化算法的研究等。由于优化任务往往不是独立存在，一个优化问题的求解通过适当的处理，通常能提升其在相关的问题求解的过程。多任务优化正是受到此启发提出的新智能优化模型。与传统单任务智能优化相比，多任务智能优化提出在一次优化过程中，同时对多个任务进行优化，通过任务间的信息迁移，到达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。

报告人简介：冯亮为重庆大学“百人计划”研究员、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 Magzine, Memetic Computing Journal，Congnitive 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.