报告人：南方科技大学唐珂教授
时间：2018年12月25日（周二）上午10:00-11:30
地点：实验十五楼207
题目：可扩放的演化搜索
摘要：以演化算法为代表的元启发式搜索算法正逐渐成为解决目标函数非凸、不可导、带噪声、甚至难以建模的NP难优化问题的重要手段。尽管这类方法往往能获得比经典搜索算法质量更佳的解，但由于可扩放性较差，导致在求解大规模问题时耗时过长。这一缺陷严重制约了演化算法在实际中的应用。本报告将从演化算法三类最常见的使用场景出发，介绍在提高演化算法可扩放性方面的最新研究成果，以及相关方法在车辆路径规划、社交网络分析、深度神经网络压缩等领域的应用案例。
简历：唐珂，南方科技大学教授。在计算智能及其应用领域发表论文150余篇，Google Scholar引用6000余次。曾获教育部自然科学二等奖（2011）、中国电子学会自然科学一等奖（2015）、教育部自然科学一等奖（2017）、教育部新世纪优秀人才（2012）、英国皇家学会牛顿高级学者（2015）、IEEE计算智能学会杰出青年奖（2018Outstanding Early Career Award）等奖励或荣誉。担任IEEE Transactions on Evolutionary Computation 等期刊编委、十余次担任国际学术会议程序委员会主席。主要研究方向为大规模演化智能、演化多峰优化、演化学习等。