报告题目：基于性能指标填充采样的昂贵多目标优化

报告人：秦淑芬 太原科技大学 博士

报告时间：2024年1月12日上午10:00—11:00

报告地点：腾讯会议：862-825-080

报告对象：感兴趣的教师、研究生等

主办单位：电气与信息工程学院

报告人简介：

秦淑芬，太原科技大学，博士，硕士生导师，自2022年工作以来，主持国家自然科学基金青年项目一项，山西省基础研究计划青年项目一项，并多次参与国家自然科学基金和省重点项目研发。主要研究领域为多目标优化、大规模优化、数据驱动的进化优化、贝叶斯优化，在相关领域发表期刊和会议学术论文10余篇，其中以第一作者在计算智能研究领域Top期刊《IEEE Transactions on Evolutionary Computation》上发表学术论文2篇，获得2022年山西省优秀博士学位论文，现为TEVC、CAIS、TETCI、AI等多个期刊审稿人。

内容简介：

代理模型辅助的进化优化算法是求解昂贵多目标优化问题的有效手段之一，而基于机器学习模型替代每个目标函数，每个解都有一个对每个目标的近似值，由于不同目标之间的复杂权衡，以及多个目标函数逼近过程中估值不确定度的累积，将导致选择解以用于昂贵的目标函数评价来更新模型的难度增加。因此，在代理辅助的昂贵多目标优化中，设计一种高效的模型管理策略具有极大的挑战。本报告将介绍一种基于性能指标填充采样的代理模型辅助的多目标优化算法，包括模型辅助搜索最优解策略和基于指标模型引导的期望改善函数填充准则。提出的算法在三个基准问题集和实际问题上进行验证，表明了该算法在求解昂贵多目标或者高维多目标优化问题上的有效性。

欢迎全校师生踊跃参加！