Gary G. Yen教授学术访问交流-电气与信息工程学院

Gary G. Yen教授学术访问交流

作者：时间：2018-05-27 点击数：

2018年5月25日，由郑州大学研究生院、党委研究生工作部主办，产业技术研究院承办，IEEE郑州大学学生分会和郑州大学计算智能实验室协办的研究生“名师名家讲坛”特邀俄克拉何马州立大学电气与计算机工程学院教授Gary G. Yen为我校广大研究生作专题学术报告。

报告题目：State-of-the-Art Evolutionary Algorithms for Many Objective Optimization

报告人：Gary Gune Yen教授

报告时间：2018年5月25日上午 9:00

报告地点：电气工程学院五楼报告厅

报告人简介：

Gary Gune Yen是 Oklahoma State University大学电气与计算机工程学院教授，IEEE Fellow，IET Fellow。 1992年获得圣母大学电气与计算机工程专业博士学位。他目前是Oklahoma State University大学电气与计算机工程学院的董事会教授。他的研究内容包括智能控制，计算智能，进化多目标优化，条件健康监测，信号处理及其工业/国防应用。

Gary在1994-1999期间是IEEE Transactions on Neural Networks和IEEE Control Systems Magazine的副编，在2000-2010期间是IEEE Transactions on Control Systems Technology，IEEE Transactions on Systems的副编。他目前担任IEEE Transactions on Evolutionary Computation，IEEE Transactions on Emerging Topics on Computational Intellifgence和IEEE Transactions on Cybernetics的副编。 Gary是IEEE Computational Intelligence Magazine的创始主编。他在2010-2011年担任IEEE计算智能协会主席，并被选为2012-2014年和2016-2018年的特聘讲师。他主持了2006年IEEE计算智能世界大会和2016年IEEE世界计算智能大会。他于2009年获得了OSU颁发的Regents Distinguished Research Award，2011年IEEE Systems, Man and Cybernetics Society IEEE Andrew P Sage Best Transactions Paper Award，2013年IEEE计算智能协会优秀服务奖和2014年洛克希德马丁航空卓越教学奖。

报告主要内容：

基于种群的启发式算法在求解多目标优化问题中的应用受到越来越多的关注，为了使用自然启发式算法求得Pareto最优解，进化多目标优化算法已被成功用于解决适应性度量甚至约束不确定或随时间动态变化的优化问题。

当优化目标过多时，大部分算法都表现不佳，除了近几年提出的各种多目标进化算法之外，本次演讲还将致力于解决三个问题：已完成实际应用；可视化；性能指标和多标准决策。在整个演化过程中高纬度目标空间中的种群可视化呈现出一种吸引人的特征，该特征可以在设计多目标演化算法时被很好地利用。还设计了专门针对高目标优化量身打造的性能指标，克服了现有性能指标中违反帕罗托最优原则的缺点，详细介绍了最小曼哈顿距离（MMD）方法在高目标优化问题中多标准决策的应用。MMD方法具有丰富的几何解释，这些解释在进化计算领域被认为是必不可少的。