报告主题：基于关系邻域决策学习的多特性启发式算法与应用研究
时间：2024年5月30日
地点：九章楼316会议室
主讲人：杨舒玲，华南理工大学博士，东莞理工学院任教。主要从事启发式算法、多目标优化、组合优化求解算法、深度强化学习、结构方程建模方法等研究工作。已在IEEETransactions onCybernetics、IEEE Transactions on Systems，Man,and Cybernetics: Systems、IEEE Internet of Things Journal等国内外的期刊和会议发表或录用了13余篇论文。荣获广东省计算机学会优秀研究生学术成果奖、第五届智能优化与调度学术会议优秀论文一等奖等。多次参与人工智能会议报告，如2023 IEEE 29th International Conference on Parallel and DistributedSystems (ICPADS)，2022年“数据科学与人工智能”秋季论坛会议等。
报告摘要：组合优化问题由于其巨大的搜索空间和复杂多变的约束条件，给现有启发式组合优化求解算法带来重大的挑战。现有的启发式组合优化求解算法几乎没有学习策略的能力且非常依赖人工设计规则，导致求解复杂的组合优化问题性能大大下降。研究通过分析解的结构与空间分布特性，度量和评估其特性与最优解的相关性程度，并依据相关性程度高的特性作为先验知识，以此特性来设计知识驱动的子空间构造模型。为了使得启发式算法能够处理复杂高维的、搜索空间不连续的组合优化问题。以解的结构与空间分布特性来设计启发式规则，设计一种基于关系邻域决策学习的多特性启发式组合优化算法。将关系邻域决策学习与启发式规则相融合，使得启发式算法具有高效的搜索和决策学习能力。在此基础上，建立针对高维超多目标双层路径优化问题、结构方程模型问题和电网调度问题的多种关系邻域决策学习的多特性启发式方法，从而实现高效准确的组合优化求解启发式算法。
报告现场缩影：
