报告题目：多模态多目标优化的初步探索
报告日期及时间：2017年11月17号上午9：30
报告地点： B403
报告人：梁静
报告人国籍： 中国
报告人单位：郑州大学
 
报告人简介：
 梁静，2009年于新加坡南洋理工大学获得博士学位，现任郑州大学学报编辑部副主任，教授，博士生导师，河南省教育厅学术技术带头人，2014 IEEE CIS Outstanding PhD Dissertation Award获得者，IEEE Computational Intelligence Magazine, Swarm and Evolutionary Computation的Associate Editor，IEEE Transaction On Evolutionary Computation, IEEE Transactions on Neural Networks等多个国际期刊评审专家，郑州大学学报（工学版）执行主编，，新加坡南洋理工大学河南校友会秘书长、河南省青年科技工作者协会生命科学类别副秘书长、郑州大学博士后联谊会流动站副会长，河南省侨联青年委员会副会长，河南欧美同学会理事。主持完成国家自然科学基金青年基金项目一项，中国博士后特别资助项目一项，中国博士后面上项目一项，现主持在研国家自然科学基金面上项目一项，河南省教育厅创新人才项目一项，并以核心参与人员参与国家自然科学基金面上项目一项、教育厅科技研究重点项目一项、教育部博士点基金项目2项。发表SCI/EI论文80余篇，Google Citation被引用总次数近8000余次，发表的《Comprehensive learning particle swarm optimizer for global optimization of multimodal functions》一文荣登进化计算（Evolutionary Computation）领域十年高被引文章首位。提出过多种新型群集智能算法并成功地将所提出算法应用于多种实际优化问题，提出的一系列进化算法标准测试函数集在领域内被广泛使用。

报告摘要：
 在实际应用中，许多优化问题具有多个全局或局部最优解，多模态优化的目的是同时保留这些全局或局部最优解。传统意义上的多模态优化问题只包括单目标优化问题，其实在多目标优化问题中也存在类似的现象，即存在具有多个全局或局部最优的帕累托解集的多目标优化问题，且这些解集对应同一个帕累托前沿，我们称这种优化问题为多模态多目标优化问题（Multimodal multi-objective optimization）。多模态多目标优化问题的所有帕累托解集都有可能是决策者寻求的解，在实际应用中部分解的丢失可能造成不必要的困难或经济损失，因此对多模态多目标优化的研究具有极大的实际意义。报告将会对多模态多目标优化问题进行描述，并介绍针对该类问题设计的新型粒子群优化算法，同时还会给出多模态多目标优化测试函数集和评价指标。

邀请人： 李元香 教授、王峰 副教授