内容

学术讲座:进化多目标优化算法的相关问题及性能指标

阅读数:167    发布:2017-08-03 00:49    

时间:2017年8月5日上午10:30

地点:计算机楼938会议室


报告摘要:

进化多目标优化在进化计算领域是一个热点问题。为了有效地处理超多目标优化问题,大量新的算法以及对已有算法的改进不断提出。在本次报告中,首先对一些在超多目标优化常见的困难进行介绍,比如搜索Pareto最优解的问题,逼近整个Pareto端面的问题,大量非支配解的可视化问题,选择最终单个解的问题,以及对算法性能的评价问题。其次,将详细讨论为什么搜索超多目标的最优解是困难的。然后介绍当前进化超多目标优化的趋势,也就是新的基于分解的优化算法以及其在DTLZ和WFG测试问题上的性能分析。最后,展示一些对性能指标的研究热点问题:如何设定计算HV的参考点的问题以及在计算IGD的参考点集的问题。多目标和超多目标算法性能的HV和IGD对比结果对于参考点及参考点集有很强烈的依赖性。

主讲人介绍:

HISAO ISHIBUCHI教授现任南方科技大学计算机系讲座教授,主要研究领域为计算智能,包括进化计算、模糊系统、神经网络及其混合系统,是计算智能领域的国际领军学者。Hisao Ishibuchi教授在2010-2013年担任IEEE计算智能协会副主席, ­现为美国电气电子工程师学会会士 (IEEE fellow),IEEE计算智能协会行政委员会成员(IEEE Computational Intelligence Society Administrative Committee Member),IEEE计算智能协会杰出讲师(Computational Intelligence Society Distinguished Lecturer),从2014年起担任该领域顶级学术期刊IEEE Computational Intelligence Magazine的主编,并且是IEEE Trans. On Evolutionary Computation,IEEE Trans. on Cybernetics, IEEE Access等计算智能领域权威期刊的副主编。迄今为止,他已在IEEE Trans. on Evolutionary Computation等国际顶级学术期刊发表期刊论文超过100篇,发表国际会议论文近500篇,Google Scholar总引用次数为20,542次,H-指数为63,并先后获得FUZZ_IEEE杰出论文奖,GECCO杰出论文奖等国际奖项。同时,教授本人也应邀在计算智能领域的国际学术会议上作了多次主题报告。


深圳大学计算机与软件学院 2009-2016