2023年澳门太阳集团9728网站
信息技術研究生論壇（四）
場次一、
時間：2023年3月22日（星期三）9:00-12:00
地點：澳门太阳集团9728网站604教室
報告題目一：基于分解的多模多目标進化算法的研究
報告人：張珅
報告簡介：在多目标優化問題（MOPs）中，決策空間隻有一個帕累托最優解集（PS）映射到目标空間中的真實帕累托前沿（PF）。然而在更有挑戰的多模多目标優化問題（MMOPs）中，決策空間中有多個帕累托解集映射到目标空間中的同一個PF。傳統的多目标優化算法在多模多目标優化問題上表現不佳。近年來研究者們提出許多多模多目标進化算法（MMEAs），然而在許多複雜的多模多目标測試問題上，大多數現有的MMEAs在收斂到PF的同時尋找到決策空間中的多個PSs的性能并不理想。為了解決這些問題，提出了一種新的基于分解的多模多目标進化算法，稱為 MMOEA/D。首先，我們設計了一種基于标量函數的種群分配（SFPA）方法來将種群中的個體分配到合适的子種群中，以避免随機分配帶來的資源損耗。其次，提出了一種基于動态小生境距離的精英再生（DNDER）模型來解決基于分解的多模多目标算法收斂速度不理想的問題。之後，我們設計了一種基于 超距離的多非支配層（UMNL）的最終種群選擇來篩選最後的優質解集。最後，提出了一種新的針對多模多目标算法的綜合評價指标。
報告題目二：差分進化算法的收斂性和多樣性平衡策略的研究
報告人：楊冠雄
報告簡介：目前，DE算法已經廣泛應用在求解各類優化問題上。然而，DE算法也存在早熟收斂和搜索停滞等缺陷，限制了其優化能力和應用範圍，特别是應用于求解動态優化問題，迫切需要加以研究和改進。而解決DE算法的缺陷在于如何有效平衡算法的收斂性和多樣性，針對這個問題,大多數改進的DE算法都是結合側重收斂性的策略和側重多樣性的策略，或者直接使用能平衡收斂性和多樣性的策略。首先，兩種側重不同策略的有效結合是十分困難的，在全局傾向探索時必然減少全局的開發能力，在全局傾向開發時必然減少全局的探索能力。其次，直接使用能平衡收斂性和多樣性的策略在求解更為複雜的問題時，要想得到更好的解需要融合過多策略從而占用更多的計算資源，而為了避免浪費計算資源采用單一策略可能并沒有好的表現。因此，考慮在有限計算資源情況下，如何有效結合兩種側重不同的策略和選擇平衡策略的多少，從而有效平衡算法的收斂性和多樣性是值得研究的。我們提出一種從局部到全局的思想去解決收斂性和多樣性之間的平衡問題，從局部去傾向探索或開發并不會影響全局，再通過局部探索和開發之間互相學習信息達到全局的平衡，從這種思想得到基于雙層結構的平衡變異策略剛好能夠不占用過多資源，且能有效解決這個問題。
報告題目三：遺傳編程方法的研究及其在圖像分類中的應用
報告人：張智強
報告簡介：圖像分類是計算機視覺領域中的一項重要任務，它廣泛的應用于各類場景，如遙感、醫療診斷、生物識别和自動駕駛。然而，在圖像獲取、存儲和傳輸的過程中，圖像的質量可能會下降。例如，使用監控攝像頭或傳感器可能會獲得模糊、帶有噪聲的低質量圖像，這使得分類任務變得困難。GP是一種進化計算（EC）技術，通過預定義的框架在進化過程搜索最佳圖像特征提取方案。GP可以為簡單的圖像分類任務找到淺/簡單方案，為困難任務找到深/複雜方案。目前，現有的GP方法在進行特征學習時，隻能将生成的局部特征或全局特征的一類輸入分類算法，這樣的簡單特征對于複雜圖像集分類效果不佳。此外，在當前的GP程序中，大多數的GP方法在進化後期個體的規模不僅龐大，而且容易發生個體适應值停滞的現象，從而造成無意義的資源浪費。所以，本文的目的是開發一種新的基于GP的方法，設計一種新的程序框架，提取更有效的特征并且加權融合得到更好的分類精度。此外，應對後期個體停滞現象，提出了一種新的基于種群适應度的選擇策略，它将解決後期的資源浪費問題。
報告題目四：面向大規模多目标優化問題的權重優化框架研究
報告人：江代晉
報告簡介：科學研究和工程實踐中優化問題是最常見的問題之一，當目标大于2個以上時，該問題稱為多目标問題，多目标問題的顯著特點是目标之間是相制衡、相互約束的。而大規模多目标問題是指決策變量個數在100個以上，該類問題維度較高，計算代價大，傳統的進化算法不能有效解決。因此，找尋一種更加适合大規模多目标問題的解決思路是十分有必要的。問題轉換方法中的權重優化框架（WOF）是解決該問題優秀的方法之一。權重優化框架主要思路是通過分組策略将衆多的決策變量分成小組，并且為每組決策變量賦子對應的權重值。權重值和原決策變量結合生成新的決策變量，通過優化權重變量達到優化決策變量的目的。權重向量的維度小于決策變量的維度，這樣就降低了問題的解決難度。該方法将變量的優化直接轉換成權重向量的優化，通過評估解在評價指标上的表現來區分解的好壞。這樣可以節省較多的函數評估次數用于後面的優化過程。但是在優化方面具有單一性，改變決策變量的程度有限，不能較好地保證産生的新決策變量是有效的，對于問題的優化力度有限。而通過粒子群分層學習策略、基于中心線對稱策略和改進的問題轉化函數，能夠将産生的決策變量更好地分布在目标空間中，從而平衡多樣性和收斂性。
報告題目五：求解拐點多目标問題的雙策略差分演化算法的研究
報告人：李詩明
報告簡介：差分演化算法已經被證明能夠有效解決多目标優化問題。通常，其求解結果是由上百個均勻分布的解組成的帕累托前沿。對決策者而言，并不需要上述所有解。過多的解會對沒有先驗知識的決策者造成困擾，并且在高維優化問題的搜索過程将消耗大量計算資源。因此，僅搜索各個優化目标上相較最突出的代表性解，可以将求解結果精練到個位數，這種代表性解被稱為拐點。為搜索拐點，本文提出了一種結合先驗方法和後驗方法的雙策略拐點導向差分演化算法。算法的優化過程分為拐點探索階段和拐點開發階段。拐點探索階段設計了一種随機導向跨代差分突變算子和基于α支配的環境選擇；拐點開發階段設計了一種拐點導向跨代差分突變算子和基于拐點導向支配的環境選擇。并結合了一種基于曼哈頓距離的拐點定義方法，将其用于臨界層個體的選擇和參考向量更新策略。
場次二、
時間：2023年3月20日（星期一）9:00-12:00
地點：澳门太阳集团9728网站604教室
報告題目一：利用卷積和遞歸神經網絡通過序列和本體表示改進circRNA-疾病關聯預測算法研究
報告人：李春靈
報告簡介：新的研究表明，環狀RNA（circRNAs）廣泛參與人類疾病的進展。由于其穩定的特殊結構，circRNAs是有前途的疾病診斷和預後生物标志物。然而，circRNA與疾病相關性的實驗驗證費用昂貴，且僅限于小規模。預測潛在circRNA與疾病關聯的有效計算方法被視為當務之急。盡管已經提出了幾種模型，但過度依賴已知的關聯和缺乏生物功能特征，使得精确預測仍然具有挑戰性。本報告将介紹一種基于序列和本體表示的預測CircRNA與疾病關聯的方法，其使用卷積和遞歸神經網絡。對于circRNA序列，用連續的k-mers對其進行編碼，獲得k-mers的低維向量，用1D CNN提取其局部特征向量，并利用雙向長短記憶學習其長期依賴性。對于疾病，将疾病本體序列化為包含本體層次的句子，獲得疾病本體術語的低維向量，并獲得術語的依賴性在上述步驟之後，得到了circRNAs和疾病的高質量表示，這些表示有助于改進預測。
報告題目二：基于注意力機制的scATAC建模的研究
報告人：周偉豪
報告簡介：atacseq是一種可以用來研究基因調控和轉錄組結構的變化，從而揭示基因轉錄的活性。它比其他類型的序列數據更加靈活，可以提供更多的信息，如基因的活性水平、轉錄因子的結合位點和基因組結構的變化。同時他也是一種利用DNA轉座酶結合高通量測序技術，研究染色體的可及性的方法。高通量測序技術得出的數據，用于研究細胞内的轉錄組結構和功能。
類似的測序技術還有ChiP-Seq、MNase-Seq、DNase-Seq、FAIRE-Seq等，與以上方法對比，ATAC-seq是用Tn5轉座酶，操作起來也更加簡單，重複性好，而且最重要的一點是實驗隻需要很少的細胞/組織量，出來的信号也更加漂亮，所以ATAC-seq目前是研究染色質開放性首選的技術方法之一。但是通過ATAC-Seq獲取的數據同樣擁有其他數據的一些特性，比如說高維性、稀疏性，所以基于ATAC-Seq數據的建模一直是研究者的關注點之一。ATAC-Seq建模的好壞一般通過上遊分析，例如聚類與多組細胞狀态的表示等的結果進行判别。同時由于atacseq本身具有的特性，我将講述該數據類型如何使用注意力機制使得建模結果更為精準與高效。
報告題目三：錨點優化的張量分解技術
報告人：劉名揚
報告簡介：張量分解是矩陣分解的高階泛化，它在應用中有三個主要用途，即降維處理、缺失數據填補或稀疏數據填補和隐性關系挖掘。在近年來的研究中，錨點作為一項可以大幅簡化計算量的技術被引入多組學研究，進行提前的錨點學習有助于程序适應更大規模的數據，這也幫助現在的多組學聚類算法獲得了更好的計算效率。
報告題目四：基于深度學習的多組學融合用于藥物的反應預測
報告人：廖海波
報告簡介：精準腫瘤學是利用基因組數據為個别癌症患者量身定做治療方法。然而，對癌症治療(化療或靶向藥物)的反應是一種複雜的表型，往往取決于多種因素，特别是患者的基因組特征。目前，隻有11%的接受精準腫瘤學治療的患者可以進行臨床試驗，隻有5%的患者受益于精準腫瘤學。從曆史上看，基因表達被證明是預測藥物反應的最具信息量的數據。最近的證據表明，整合額外的組學可以提高預測的準确性，結合臨床數據集的多組學方法可以提高藥物反應預測的臨床相關性。因此，一種基于深度神經網絡的多組學後期整合方法被提出來用于藥物反應預測。該方法
以體細胞突變、拷貝數畸變和基因表達數據為輸入，通過整合這些數據進行藥物反應預測。
場次三、
時間：2023年3月20日（星期一）14:00-16:00
地點：澳门太阳集团9728网站一樓報告廳
報告題目一：基于異步聯邦學習的内容流行度預測緩存方案
報告人：遊玲
報告簡介：智能駕駛交通系統中車輛環境複雜且變化迅速，請求數據激增，内容成功獲得率低，如何設計緩存方案以滿足車輛用戶對通信質量的高要求已成為關鍵技術。針對如何在保護無人駕駛車輛隐私安全的同時，保證緩存内容的新鮮時效性這個問題，介紹一種基于異步聯邦學習的内容流行度預測緩存方案。從多個角度對比所提出方案的優劣性，并對下一步發展進行期望。
報告題目二：知識表示學習進展研究
報告人：李慶華
報告簡介：知識圖譜通常以網絡的形式組織知識，網絡中每個節點代表實體，邊代表實體間關系，因此大部分知識往往可以用三元組來表示。然而基于網絡形式的知識表示存在一些問題：一是計算效率問題，計算實體間的語義關系或推理關系時，往往需要設計專用的圖算法加以實現，可移植性差，計算效率低；二是數據稀疏問題，大規模知識庫通常與其他大規模數據集相似，也遵守長尾分布，存在部分罕見實體和關系隻有極少的知識或路徑涉及它們，在計算其語義或推理關系時往往準确率極低。使用知識表示學習将實體和關系表征為稠密低維向量可以在低維空間中高效計算實體和關系的語義聯系，有效解決數據稀疏問題，使知識獲取、融合和推理的性能得到顯著提升。
報告題目三：用于無線邊緣網絡中自适應直播流的通信變壓器深度強化學習算法研究
報告人：龍泉劍
報告簡介：新興的移動邊緣計算 (MEC) 技術最近已被應用于提高網絡服務的體驗質量 (QoE)，例如實時視頻流，報告主要介紹無線邊緣網絡中的能量感知自适應直播流媒體方案。特别是，優化目标是設計一種聯合上行鍊路傳輸和邊緣轉碼算法，最大限度地提高視頻跟随者的 QoE，同時最大限度地減少視頻流媒體的能耗，問題表述為馬爾可夫決策過程 (MDP)，并提出了一個名為 SACCT 的基于深度強化學習 (DRL) 的框架，以确定流媒體的編碼比特率、上傳功率以及邊緣轉碼比特率和頻率。将 MDP 問題分解為幀間和幀内問題，以解決由連續-離散混合動作空間、時變狀态和動作空間以及未知網絡變化引起的關鍵設計挑戰。
場次四、
時間：2023年3月20日（星期一）21:00-22:00
地點：澳门太阳集团9728网站605教室
報告題目一：移動群智感知基于DBSO的隐私保護任務分配研究
報告人：湯靓
報告簡介：移動群智感知是一種結合衆包思想和移動設備感知能力新的數據收集模式，通過用戶的移動設備形成交互式的感知網絡，并将感知任務發布給網絡中的個體或群體來完成。我們的目的主要将一種新穎的智能算法離散天牛須粒子群，與傳統的貪婪、PSO等算法在移動群智感知任務分配領域進行比較。同時為防止隐私洩露，采用了隐私保護的方式為平台使用者保障個人信息的安全。
報告題目二：基于本地化差分隐私的用戶招募
報告人：陳嘉元
報告簡介：在移動群智感知中，平台通常需要根據用戶的位置和信譽度來選擇一部分用戶來完成任務。這就要求用戶在被選擇階段就要上傳自己的位置，如果上傳位置的用戶多次沒有被選中，那麼該用戶可能會對平台喪失信心而離開平台。在本文中，我們提出了一個重點保護未被選中用戶位置隐私的任務分配方案，可以保護未參與用戶的位置隐私。該方案先通過本地化差分隐私機制收集用戶分布情況，根據用戶分布和任務分布确定不同區域的任務報酬系數，用戶根據自己的任務報酬，選擇是否繼續參與任務，繼續參與任務的用戶使用平面拉普拉斯上傳位置，平台根據用戶上傳隐私保護後的位置給用戶分配合适的任務。
報告題目三：基于布谷鳥粒子群優化的雲環境多目标優化任務調度
報告人：張思遠
報告簡介：在雲計算中，對不斷變化的資源提出了不同的需求。任務調度在雲計算環境中扮演着非常重要的角色，該調度過程需要将任務調度到虛拟機，同時減少制造時間和成本。任務調度問題屬于NP難範疇。高效的調度方法使雲計算服務更好更快。通常，優化算法用于解決雲中的調度問題。因此，本研究結合了兩種優化算法，即布谷鳥搜索（CS）和粒子群優化（PSO）。研究的主要目的是減少制造時間、成本和期限違規率。
報告題目四：基于多目标優化的重疊聯盟博弈群智感知任務分配
報告人：劉潇
報告簡介：随着傳感器技術和移動服務的快速發展，移動人群感知（MCS）能夠利用用戶群體攜帶的移動終端設備來感知數據并完成大規模、分布式的任務，因此任務分配是MCS的重要環節。重疊聯盟博弈能夠模拟多任務條件下MCS用戶與平台之間的博弈過程，從而保證在平台資源配置最優的情況下把任務分配給用戶。我們通過多目标粒子群算法優化重疊聯盟博弈中的任務價格傾向度和任務完成傾向度參數，并通過優化後的重疊聯盟博弈獲得MCS最優任務分配，能夠保證得到優良的平台收益、用戶平均收益以及任務完成率。
報告題目五：基于弱監督學習的衆包數據質量檢驗
報告人：韓維庚
報告簡介：随着人工智能技術的發展，科研人員和企業對指定數據的需求急劇增大，對數據真實性的要求也與日俱增。衆包則正好為此問題提供了有效的解決途徑。參與者通過提交指定的數據獲取報酬，為了獲取更多報酬參與者可能會上傳非指定數據。同時設備、外界環境的影響等也會影響到數據的質量。如何從海量的上傳數據中篩選出正确的數據是一個值得研究的問題。我們通過半監督學習的方法在無需先驗數據集的情況下訓練模型對收集的數據進行質量檢驗。
報告題目六：社交網絡中基于隐私保護的多目标工人招募
報告人：陸盛林
報告簡介：随着移動智能設備的普及，移動人群感知（MCS）逐漸受到研究界的關注。工人招募是MCS系統中的一個關鍵研究問題，平台為發布的感知任務招募合适工人。我們研究在社交網絡中位置隐私保護的多目标工人招募問題。具體說提出了随機加權貪婪快速非支配排序遺傳算法在保護工人隐私的前提下利用社交網絡來進行工人招募，來最大化工人和平台效用。
場次五、
時間：2023年3月20日（星期一）19:00-20:30
地點：澳门太阳集团9728网站508教室
報告題目一：醫學圖像分割中的多模态融合
報告人：餘為民
報告簡介：多模态被廣泛應用于醫學成像，因為它可以提供關于一個目标（腫瘤、器官或組織）的多種信息。使用多模态的分割包括融合的多信息來改進分割。近年來，基于深度學習的方法在圖像分類、分割、目标檢測和跟蹤任務方面取得了最先進的性能。由于深度學習在大量數據上的自學習和泛化能力，近年來在多模态醫學圖像分割方面也獲得了極大的興趣。
報告題目二：肝髒CT圖像血管分割
報告人：葉炎鑫
報告簡介：由于肝髒分割難度大，效果差，報告主要将傳統的卷積神經網絡CNN與循環卷積網絡RNN進行結合，進行肝髒血管分割。通過利用RNN捕獲肝髒CT圖像中血管的連續性，指導CNN網絡進行分割，通過一些常用的醫學分割指标來評價分割精度。
報告題目三：對抗生成模型的醫學影像合成
報告人：蕭芊牧
報告簡介：對抗生成模型以及衆多衍生模型在醫學影像領域的應用方向，包括影像合成，模态轉換，數據增強，超分辨率和加速成像等等。
報告題目：輕量級人體姿态估計算法
報告人：闫忠心
報告簡介：為追求更準确的關鍵點檢測結果，現有許多有關人體姿态估計研究多采用複雜的深度網絡架構構建模型，忽略了模型的實際部署成本，導緻模型在資源受限的邊緣設備上很難實際部署，缺乏實用性。為了解決上述問題，我們設計了一種融合自我知識蒸餾和卷積壓縮的輕量化人體姿态估計模型。該模型首先使用改進的 EfficientNet 網絡構建一個編碼器，提取圖像的多尺度特征；其次，基于深度可分離轉置卷積，設計一種輕量化上采樣解碼器，估計人體姿态；最後，采用輕量化多尺度雙向融合與知識自我蒸餾方法，進一步提高人體姿态估計的準确性。
場次六、
時間：2023年3月20日（星期一）19:30-21:00
地點：澳门太阳集团9728网站601教室
報告題目一:分布式優化熱點研究
報告人:黃镘潼
報告簡介:分布式優化早已成為研究熱點，本次報告旨在介紹分布式優化的發展曆程和國内外研究現狀。為了實現保持所有節點狀态一緻和共同找到原分布式優化問題的解，在設計算法時，通常需要設計一緻項協議并且與集中式優化算法結合，但尋求一緻所有節點狀态一緻的方向與梯度方向相沖突，為了克服這種沖突一個可行的方案是采用衰減步長，但是其會導緻收斂速度變慢。本報告讨論克服上述缺陷的分布式優化算法，并對更複雜的分布式優化算法設計進行可靠的指導。
報告題目二：加權平衡圖上的連續時間的分布式凸優化
報告人：覃海華
報告簡介：首先介紹基于有向圖的凸函數連續時間分布式優化的概念以及适用場景。在基于動力學的一緻性問題上，無向圖的連續時間優化問題在轉化為有向圖時會有無法收斂的情況。本次彙報的主要内容就是介紹一個推論，并通過将不變性和強制性的概念與圖矩陣的正定性特性結合來确定推論的正确性，即在保證任何強連通并且加權平衡的有向圖上，一定能找到一個目标函數收斂到具有全局Lipschitz梯度的凸可微函數的之和的最小化集上。
報告題目三：分布式僞凸優化
報告人：王思鑒
報告簡介：首先介紹分布式優化相關背景和課題來源。在基于集中式優化的基礎上，彙報當前分布式優化的研究進度。主要研究為分布式優化模型的證明，在原有的凸函數優化上進一步探索僞凸優化的收斂性，根據僞凸函數和問題建立的神經網絡模型是否能證明可行。
報告題目四：非凸分布式優化的研究
報告人：周順
報告簡介：首先介紹非凸分布式優化的研究背景以及研究的意義。目前在分布式優化中大多數的研究是以凸函數為目标函數，但是現實存在的基于非凸函數的問題是常見的，并且目前以非凸函數作為目标函數的分布式優化研究成果比較少。報告詳細介紹了幾種目前比較新的基于非凸函數的分布式優化算法，并且對其算法進行分析和總結。
報告題目五：分布式優化問題模型的構建方法
報告人：李浩宇
報告簡介：目前分布式優化問題已經成為研究熱點。與集中式的神經網絡模型相比，分布式還需要解決一緻性等相關問題，報告分享了一些分布式優化相關的模型并給出在構建模型時常用的方法以及它們的特點，常見的方法有：罰函數法、投影法、拉格朗日乘子法等等。
報告題目六：約束分布式模糊凸優化的遞歸神經網絡方法
報告人：林日新
報告簡介：分布式優化理論方法日益發展，但某些特定分布式優化場景構建的問題模型，如一些通常以模糊的凸目标函數和約束形式存在的優化問題研究較少。本次報告主要總結一類具有約束的分布式模糊凸優化問題求解方法，其中目标函數是一組局部模糊凸目标函數的和，約束包括偏序關系和閉凸集約束，為此提出了一種利用罰函數基于遞歸神經網絡的模型算法，并且該分布式模糊優化問題在最優解上達成共識。
報告題目七：抗幹擾以及抗噪聲的分布式優化方法
報告人：黃慶洲
報告簡介：多智能體系統分布式優化近年來已成為熱門研究問題。多智能體系統往往受各類内外部幹擾的影響，如何使系統獲得強壯的抗幹擾以及抗噪聲性能和快速收斂性能是分布式優化研究的重點和難點問題，包括介紹多類抗幹擾以及抗噪聲的分布式優化方法。所提方法有效提升了閉環系統的動、穩态性能，适用于多類系統的分布式優化問題。
場次七、
時間：2023年3月22日（星期三）9:00-12:00
地點：澳门太阳集团9728网站604教室
報告題目一：基于分解的多模多目标進化算法的研究
報告人：張珅
報告簡介：在多目标優化問題（MOPs）中，決策空間隻有一個帕累托最優解集（PS）映射到目标空間中的真實帕累托前沿（PF）。然而在更有挑戰的多模多目标優化問題（MMOPs）中，決策空間中有多個帕累托解集映射到目标空間中的同一個PF。傳統的多目标優化算法在多模多目标優化問題上表現不佳。近年來研究者們提出許多多模多目标進化算法（MMEAs），然而在許多複雜的多模多目标測試問題上，大多數現有的MMEAs在收斂到PF的同時尋找到決策空間中的多個PSs的性能并不理想。為了解決這些問題，提出了一種新的基于分解的多模多目标進化算法，稱為 MMOEA/D。首先，我們設計了一種基于标量函數的種群分配（SFPA）方法來将種群中的個體分配到合适的子種群中，以避免随機分配帶來的資源損耗。其次，提出了一種基于動态小生境距離的精英再生（DNDER）模型來解決基于分解的多模多目标算法收斂速度不理想的問題。之後，我們設計了一種基于 超距離的多非支配層（UMNL）的最終種群選擇來篩選最後的優質解集。最後，提出了一種新的針對多模多目标算法的綜合評價指标。
報告題目二：差分進化算法的收斂性和多樣性平衡策略的研究
報告人：楊冠雄
報告簡介：目前，DE算法已經廣泛應用在求解各類優化問題上。然而，DE算法也存在早熟收斂和搜索停滞等缺陷，限制了其優化能力和應用範圍，特别是應用于求解動态優化問題，迫切需要加以研究和改進。而解決DE算法的缺陷在于如何有效平衡算法的收斂性和多樣性，針對這個問題,大多數改進的DE算法都是結合側重收斂性的策略和側重多樣性的策略，或者直接使用能平衡收斂性和多樣性的策略。首先，兩種側重不同策略的有效結合是十分困難的，在全局傾向探索時必然減少全局的開發能力，在全局傾向開發時必然減少全局的探索能力。其次，直接使用能平衡收斂性和多樣性的策略在求解更為複雜的問題時，要想得到更好的解需要融合過多策略從而占用更多的計算資源，而為了避免浪費計算資源采用單一策略可能并沒有好的表現。因此，考慮在有限計算資源情況下，如何有效結合兩種側重不同的策略和選擇平衡策略的多少，從而有效平衡算法的收斂性和多樣性是值得研究的。我們提出一種從局部到全局的思想去解決收斂性和多樣性之間的平衡問題，從局部去傾向探索或開發并不會影響全局，再通過局部探索和開發之間互相學習信息達到全局的平衡，從這種思想得到基于雙層結構的平衡變異策略剛好能夠不占用過多資源，且能有效解決這個問題。
報告題目三：遺傳編程方法的研究及其在圖像分類中的應用
報告人：張智強
報告簡介：圖像分類是計算機視覺領域中的一項重要任務，它廣泛的應用于各類場景，如遙感、醫療診斷、生物識别和自動駕駛。然而，在圖像獲取、存儲和傳輸的過程中，圖像的質量可能會下降。例如，使用監控攝像頭或傳感器可能會獲得模糊、帶有噪聲的低質量圖像，這使得分類任務變得困難。GP是一種進化計算（EC）技術，通過預定義的框架在進化過程搜索最佳圖像特征提取方案。GP可以為簡單的圖像分類任務找到淺/簡單方案，為困難任務找到深/複雜方案。目前，現有的GP方法在進行特征學習時，隻能将生成的局部特征或全局特征的一類輸入分類算法，這樣的簡單特征對于複雜圖像集分類效果不佳。此外，在當前的GP程序中，大多數的GP方法在進化後期個體的規模不僅龐大，而且容易發生個體适應值停滞的現象，從而造成無意義的資源浪費。所以，本文的目的是開發一種新的基于GP的方法，設計一種新的程序框架，提取更有效的特征并且加權融合得到更好的分類精度。此外，應對後期個體停滞現象，提出了一種新的基于種群适應度的選擇策略，它将解決後期的資源浪費問題。
報告題目四：面向大規模多目标優化問題的權重優化框架研究
報告人：江代晉
報告簡介：科學研究和工程實踐中優化問題是最常見的問題之一，當目标大于2個以上時，該問題稱為多目标問題，多目标問題的顯著特點是目标之間是相制衡、相互約束的。而大規模多目标問題是指決策變量個數在100個以上，該類問題維度較高，計算代價大，傳統的進化算法不能有效解決。因此，找尋一種更加适合大規模多目标問題的解決思路是十分有必要的。問題轉換方法中的權重優化框架（WOF）是解決該問題優秀的方法之一。權重優化框架主要思路是通過分組策略将衆多的決策變量分成小組，并且為每組決策變量賦子對應的權重值。權重值和原決策變量結合生成新的決策變量，通過優化權重變量達到優化決策變量的目的。權重向量的維度小于決策變量的維度，這樣就降低了問題的解決難度。該方法将變量的優化直接轉換成權重向量的優化，通過評估解在評價指标上的表現來區分解的好壞。這樣可以節省較多的函數評估次數用于後面的優化過程。但是在優化方面具有單一性，改變決策變量的程度有限，不能較好地保證産生的新決策變量是有效的，對于問題的優化力度有限。而通過粒子群分層學習策略、基于中心線對稱策略和改進的問題轉化函數，能夠将産生的決策變量更好地分布在目标空間中，從而平衡多樣性和收斂性。
報告題目五：求解拐點多目标問題的雙策略差分演化算法的研究
報告人：李詩明
報告簡介：差分演化算法已經被證明能夠有效解決多目标優化問題。通常，其求解結果是由上百個均勻分布的解組成的帕累托前沿。對決策者而言，并不需要上述所有解。過多的解會對沒有先驗知識的決策者造成困擾，并且在高維優化問題的搜索過程将消耗大量計算資源。因此，僅搜索各個優化目标上相較最突出的代表性解，可以将求解結果精練到個位數，這種代表性解被稱為拐點。為搜索拐點，本文提出了一種結合先驗方法和後驗方法的雙策略拐點導向差分演化算法。算法的優化過程分為拐點探索階段和拐點開發階段。拐點探索階段設計了一種随機導向跨代差分突變算子和基于α支配的環境選擇；拐點開發階段設計了一種拐點導向跨代差分突變算子和基于拐點導向支配的環境選擇。并結合了一種基于曼哈頓距離的拐點定義方法，将其用于臨界層個體的選擇和參考向量更新策略。
場次八、
時間：2023年3月24日（星期五）16:30-18:30
地點：澳门太阳集团9728网站509
報告題目一：基于FPGA的雷達接收機研究
報告人：楊盛億
報告簡介：随着現代信息化戰争的發展，集雷達、電子戰、通信等多種功能于一身的一體化雷達是雷達發展的必然趨勢。作為雷達系統的重要組成部分——雷達接收機，其性能優劣會直接影響雷達系統的整體性能。随着微波集成電路、高速數字信号處理器、高速A／D變換器及專用數字器件的飛速發展與廣泛應用，大大加快了雷達系統的數字化進程。而FPGA使數字電路系統設計趨于小型化、集成化，第三方軟件工具功能的不斷完善，用戶隻需要借助計算機完成電路的設計、仿真和驗證，大大地縮短系統設計周期，減少設計費用，降低設計風險，因此，FPGA在雷達數字信号處理領域的應用越來越廣泛。同時，相對傳統的DSP芯片實現數字信号處理的方式，包含着幾百個MAC單元的并行處理結構的FPGA在高速性能上遠遠領先于采用串行結構的DSP，因此研制基FPGA的雷達數字接收機具有重要意義。
報告題目二：基于深度學習的手勢識别研究
報告人：張超
報告簡介：作為人機交互技術研宄領域的熱點之一，手勢識别得到了國内外研究學者的深入研究，并且在虛拟現實，人工智能等方面也得到了廣泛的應用。根據獲取手部姿态方式不同分為基于視覺傳感器的手勢識别和基于接觸式傳感器的手勢識别。随着傳感器的普及應用，基于接觸式傳感器的手勢識别得到了飛速發展，特别是基于數據手套的手勢識别，數據手套通過使用多個傳感器可以更直觀的獲取手部姿态的三維空間信息，并且不受周邊環境的約束，與基于視覺傳感器的手勢識别相比，基于數據手套的手勢識别的研究和應用價值更高。
報告題目三：Thinking about blockchain for research
報告人：方舟
報告簡介：區塊鍊是一種分布式賬本技術，最初是為比特币這種數字貨币而設計的。區塊鍊通過去中心化的方式，使得所有的節點都能夠共享同一個賬本，且無需任何中介機構來驗證交易的合法性，從而保證了交易的安全性和可靠性。近年來，随着人們對于去中心化、安全、透明和不可篡改的需求不斷增加，區塊鍊技術得到了廣泛的應用和研究。
報告題目四：深紫外超快激光系統研究
報告人：餘泓霖
報告簡介：266 nm 連續波單頻紫外激光具有波長短、能量分布集中、加工分辨率高等優點，而且紫外激光在某些特殊材料上具有更高的吸收系數，使其在科學研究和醫療等領域具有廣泛的應用前景。尤其近幾年來，高功率連續波單頻紫外激光器在光學數據儲存、光譜分析、光通訊、大氣污染檢測、高分辨率光譜檢測、光印刷光刻等應用領域不斷拓展，引起了人們的廣泛關注。全固态紫外激光器體積小、結構緊湊，具有穩定性高、光束質量好、線寬窄、可靠性高等優點，使之更加廣泛地應用于科研、産品制造和工業加工等領域中。
