报告题目：鲁棒优化的进化计算方法

报告人：贺喆南  四川大学教授、博士生导师

报告时间：2025年06月25日  下午3:00—4:00

报告地点：线上腾讯会议：826-494-591

报告对象：感兴趣的教师、研究生等

主办单位：电力电子与运动控制安徽省高等学校省级重点实验室、安徽省工业企业智能化产业共性技术研究中心、电气与信息工程学院

报告人简介：

贺喆南，四川大学教授，博士生导师，发展规划处副处长。全国学位与研究生教育学会工程专业学位工作委员会委员。于2008年在北京科技大学获得学士学位，2014年在美国俄克拉荷马州立大学获博士学位。担任计算智能国际一流学术杂志 IEEE Computational Intelligence Magazine副主编。主要从事智能优化理论、算法、及应用体系研究。近年来在信息科学国际一流期刊和会议发表论文40余篇，主持10余项科研项目，包括国家自然科学基金、国家重点研发计划项目课题、军委科技委项目、以及中石油和中核集团等国家支柱企业基金项目。

内容简介：

不确定性扰动下的鲁棒优化是智能优化的重要研究方向。本报告深入剖析鲁棒优化问题扰动特性，聚焦于鲁棒优化的进化计算理论方法及应用。首先，针对变量扰动导致的多目标优化鲁棒性问题，建立不确定性对多目标优化的扰动度量机制，提出了不确定性扰动下的变量域修复进化方法；以进化之后的变量域，保证变量扰动下的多目标优化鲁棒性，形成个体“解”自修复、种群“解”自组织能力。第二，针对函数扰动导致的多目标优化鲁棒性问题，挖掘若干典型场景的多目标优化“解”分布特征，针对每一个典型场景，确定相应的鲁棒变量域；提出了不确定性扰动下的变量域聚合进化方法，以若干鲁棒变量域的公共区域，作为进化之后的变量域，保证函数扰动下的多目标优化鲁棒性。第三，针对约束扰动下的多目标路径规划问题，设计了优先度编码与贪心解码机制，结合时间窗信息与鲁棒指标的定向邻域搜索，确保解在不确定环境下的可行性与收敛性能。最后，针对鲁棒性评估的大规模显式采样受限于计算资源等问题，提出了隐式采样方法，在进化求解过程中，以邻域范围内的生成“解”，作为隐式采样点，当生成规模足够大时，则无需采样。

欢迎全校师生踊跃参加！