9月15日上午，应我院数字制造装备与技术国家重点实验室蒋平教授邀请，西安电子科技大学王晗丁教授来我院进行学术交流，并作题为“工程设计中基于离线和在线数据驱动的进化优化方法（Offline and Online Data-Driven Evolutionary Optimization for Engineering Design）”学术报告。
报告中，王教授首先简要介绍了黑盒优化的相关背景及其存在的问题。很多工业界的实际问题可建模成黑盒优化问题，优化方法需要多次评价候选解，但是实际问题函数评价的运算代价高或存在多个精度，这阻碍了已有优化方法的垂直应用。比如，飞行器的设计中的函数评价是利用空气动力学仿真进行的，通常一次仿真需要以小时为单位的运算时间，那么需要上千次函数评价的优化方法无法在有限时间内搜索到最优解。
随后，他介绍了数据驱动的优化方法，数据驱动的优化方法是新兴的人工智能方法论，以进化计算为优化方法，将实际问题函数评价看作数据，利用已有成熟的机器学习算法训练得到近似的函数评价来辅助优化方法进行搜索，大大提高了传统优化算法实用性。
最后，王教授与大家交流了自己对进化优化方法以及工程应用方面的感受。
报告结束后，与会师生与王教授进行了深入的交流与互动，进一步丰富了大家对数据驱动的进化优化方法在理论与实际应用方面的认识。
【专家介绍】
王晗丁，西安电子科技大学电子工程学院博士，现为西安电子科技大学人工智能学院教授，2018年入选陕西省青年计划。研究方向包括计算智能、机器学习、多目标优化及代理模型。近五年发表高水平论文24篇，其中以第一作者/通讯作者发表JCR一区8篇，JCR二区2篇，包括计算智能领域国际顶级期刊《IEEE Trans. on Evolutionary Computation》、《IEEE Trans. on Cybernetics》、《Evolutionary Computation》和《Information Sciences》，且其中一篇入选IEEE Computational Intelligence Society当季Spotlight文章。在海外研究期间，作为主研身份参与1项英国工程与物理科学研究资助局（EPSRC）项目《Data-driven surrogate-assisted evolutionary fluid dynamic optimisation》。
王晗丁博士目前是国际计算智能研究领域非常活跃的年轻学者。现担任IEEE计算智能协会演化计算技术委员会（Intelligent Systems Applications Technical Committee of IEEE Computational Intelligence Society）Task Force 13主席。兼职计算智能国际期刊《IEEE Computation Intelligence Magazine》和模式识别国际期刊《Complex & Intelligent Systems》编委（Associate Editor）。曾担任神经计算领域国际知名期刊《Neurocomputing》、《IEEE Transactions on Emerging Topics in Computational Intelligence》与《IEEE Access》客座编委（Guest Editor），并担任演化计算领域顶级国际会议《Genetic and Evolutionary Computation Conference》、《IEEE Congress of Evolutionary Computation》及多个其他国际会议的程序委员会成员。长期担任计算智能领域多个国际顶级期刊审稿人。
学院微信公众号