内容

进化计算及其在机器人系统设计与航空应用中的研究系列报告

阅读数:273    发布:2018-08-20 16:13    更新:2018-08-29 00:49    

题目:进化计算及其在机器人系统设计与航空应用中的研究

时间:2018年8月22日下午14:30-17:30

地点:计算机与软件学院117会议室

邀请人:马晓亮博士


报告1题目:基于进化计算的智能机器人系统设计自动化

报告时间:2018年8月22日 14:30–15:30

报告人简介:范衠,工学博士,教授,博士生导师,广东省数字信号与图像处理技术重点实验室主任,汕头市机器人与智能制造研究院执行院长,汕头大学工学院电子信息工程系主任。入选中组部国家“千人计划”青年人才、广东省“扬帆计划”紧缺急需人才、中国侨界贡献奖创新人才、汕头市首届优秀人才青年英才。2004年5月获得密西根州立大学电子与计算机工程博士学位。2004年 受聘于丹麦科技大学,历任助理教授和副教授。2012年4月至今受聘于汕头大学,2013年1月至今担任汕头大学工学院电子信息工程系主任,2014年9月至今担任汕头大学广东省数字信号与图像处理技术重点实验室主任。2018年5月至今担任汕头市机器人与智能制造研究院执行院长。

主要研究方向为:人工智能,机器人,计算智能,智能控制,设计自动化,进化计算,机器学习,机器视觉。当前研究的重点工作内容包括:1、融合约束多目标进化算法和知识提取的复合机器人设计自动化研究。2、群体智能机器人在火力发电厂集控运行中的应用与研究3、基于深度学习的图像处理与视觉伺服研究。主持完成丹麦技术创新局3项国家级科技项目,培养3名博士生获得丹麦科技大学博士学位。目前,主持国家和省级科研项目5项,发表国际期刊会议论文100多篇,其中SCI检索论文30多篇,EI检索论文70多篇,出版英文专著1部,中文专著1部,代表性成果在《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Industrial Electronics》、《IEEE Transactions on Automation Science and Engineering》等国际重要期刊发表。多次受邀在重要的国内国际会议(如GECOO、WCCI、CEC、ECOLE等)上做主题演讲。先后担任IEEE高级会员、广东省图像图形学会理事、ACM广州分会副主席、中国人工智能学会智能机器人专委会执行委员、中国智能仿真优化与调度专委会委员、中国自动化学会大数据专委会委员,是国家自然科学基金、教育部科技奖励、教育部长江学者等项目的评审专家。

报告摘要:发展智能机器人产业实现机器换人,成为促进我国经济发展、经济转型升级的必然选择。国内机器人性能普遍难以达到国外同类水平的主要原因,在于缺乏系统化持续优化和自动设计方法。如何形成机器人系统设计自动化框架,是本报告探讨的核心问题。主要涉及:智能机器人系统多角度建模方法、融合机器学习的约束多目标进化求解框架、基于分而治之的模块化集成方法,以及融合图像处理和机器学习的机器视觉等。


报告2题目:基于网格化协作的多目标优化及其航空应用研究

报告时间: 2018年8月22日15:30 – 16:30

报告人简介:蔡昕烨,南京航空航天大学计算机科学与技术学院副教授。2004获华中科技大学工学学士学位,2006年获英国约克大学研究型硕士学位,2010年获美国堪萨斯州立大学工学博士学位。研究方向为复杂条件下(如复杂约束、多目标、不确定性等)的智能优化方法、数据挖掘、机器学习,及其在智能航空电子系统、智能民航调度系统等应用。已在IEEE Transaction on Evolutionary Computation, IEEE Transaction on Cybernetics, Information Sciences等计算智能领域的重要刊物发表论文40余篇,其中第一作者SCI检索论文10余篇(包括中科院1区IEEE 汇刊长文5篇),已授权国家发明专利2项。联合编写《数据挖掘》教材一本。主持国家自然科学基金等国家、省部级科研项目8项,并作为主要成员参与了国家自然科学基金重点项目1项。带领研究团队获得了2017年国际进化计算大会(CEC2017)超多目标优化竞赛第一名,并入选了第一届江苏省青年科技人才托举资助。指导研究生分别获得了2015年和2017年江苏省优秀硕士毕业论文奖。目前他担任SCI检索期刊《Swarm and Evolutionary Computation》(Elsevier,影响因子:3.89)的副主编。

报告摘要:在信息学中,网格(grid)是一种用于集成或共享地理上分布的各种资源,使之成为有机的整体,共同完成各种所需任务的机制。不同于传统数学规划中的单点搜索,基于种群的多目标优化是一种协作型多点搜索方法。因此,我们将网格化的思想应用于多目标优化中的种群管理,并实验证明了其在收敛性、多样性以及对Pareto前沿(PF)形状鲁棒性上均具备良好的性能。特别由于其具有天然的多样性保持能力,在如组合多目标优化等复杂问题上,网格化种群管理可显著提高多点(局部)搜索过程中的协作性。最后,我们将介绍近期在多目标优化上的一些工作进展以及在航空等领域的应用。


报告3题目:数据驱动的头脑风暴优化算法

报告时间: 2018年8月22日16:30 – 17:30

报告人简介:程适,2005年在厦门大学获得学士学位,2008年在北京航空航天大学获得硕士学位,2013年获得英国利物浦大学博士学位。2013年3月至2016年3月在宁波诺丁汉大学计算机科学系工作。2016年5月进入陕西师范大学计算机科学学院工作。

在国际国内知名期刊和群体智能国际会议上发表文章数十篇。其中包括《IEEE Transactions on Cybernetics》、《Applied Soft Computing》、《Computers & Operation Research》《Information Sciences》、《Knowledge-Based Systems》、《Artificial Intelligence Review》、《Industrial Management & Data Systems》等知名国际期刊和IEEE Congress on Evolutionary Computation (CEC) 、IEEE Symposium on Swarm Intelligence (SIS)会议。并担任期刊 《 International Journal of Swarm Intelligence Research (IJSIR)》的 Managing Editor,期刊 《Memetic Computing》、《International Journal of Bio-Inspired Computation》《郑州大学学报(工学版)》的客座编辑(Guest Editor)、《International Journal of Computing Science and Mathematics (IJCSM)》的编委。

报告摘要:头脑风暴优化(Brain Storm Optimization,BSO)算法是一种新兴的群体智能优化方法,以众人集思广益解决问题为原型,抽取其中解决问题的模式,将其抽象为智能优化算法。BSO 算法通过聚类/分类方法分析解集合构成,基于解的分布生成新解,经过迭代求解,具有求解过程不依赖数学模型的特点。本报告将首先介绍了头脑风暴优化算法的优化算子和基本原理。在对基本头脑风暴优化算法和目标空间中的头脑风暴优化算法比较的基础上,对头脑风暴优化算法的研究现状,包括发展式群体智能、群体多样性、求解不同类型问题和实际应用的研究进展进行了全面的综述。最后对头脑风暴优化算法有待进一步研究的问题进行展望。


深圳大学计算机与软件学院 2009-2016