5月22日，应学院邀请，安徽大学田野教授以线上方式为学院师生作题为“基于神经网络降维的超大规模二进制进化算法”的学术报告。报告旨在深入探讨利用神经网络进行降维的超大规模二进制优化算法的理论基础与应用前沿，讲座吸引了学院众多教师与研究生的积极参与，学院副院长李飞主持本次活动。

报告中，田野教授系统地介绍了二进制优化问题与稀疏进化算法的基本概念，深入剖析此类问题在实际求解过程中所面临的主要挑战及解决策略。他重点讲解了面向稀疏优化的进化算法——SparseEA，该算法通过引入双层编码机制、设计特定的种群初始化策略，并结合按位交叉与变异算子，有效维持解的稀疏性，在求解高维稀疏二进制优化问题中展现出显著优势。他还讲解了基于神经网络降维策略的稀疏进化算法——MOEA/PSL，该算法分别利用受限玻尔兹曼机（RBM）和降噪自动编码器（DAE）对稀疏的二进制空间与连续空间进行降维，从而构建紧致的搜索空间，提升了优化效率和搜索质量。最后，他分享了基于频繁模式挖掘的稀疏进化算法——PM-MOEA。该方法通过频繁模式挖掘技术对解空间中的决策变量进行模式识别，从而判断哪些变量应为0、为1或为不确定状态，进一步增强了算法在稀疏优化场景中的适应性与搜索能力。田野教授还热心地回答了师生的提问，现场气氛热烈。

此次学术交流活动，进一步拓展我院师生特别是研究生对算法设计优化及其应用领域的学术视野，对神经网络控制及其算法优化有了更深入的了解。通过师生之间的互动，增强了校际之间的学术交流，持续提升了学院浓厚的学术研究氛围。

（撰稿人：刘宇豪、李清莲；审核：李飞、程木田）