报告题目：求解多目标规划问题的深度学习方法
报告人：张涛教授
报告时间：2022年6月20日14:00-16:00
报告地点：腾讯会议200-863-208
报告摘要：
当前求解多目标规划问题的进化算法，由于种群多样性与收敛速度相互牵制，计算效率存在瓶颈问题，对于稍微复杂的问题，算法几乎失效。近来，深度卷积神经网络在图像边缘提取中的高效性备受瞩目，该方法几乎可以瞬时完成图像边缘提取。如果将多目标规划问题的像空间进行图像表征，则Pareto最优前沿通常映射为图像边缘的特定部分。基于这一原理，本文提出了多目标规划问题求解新范式：在原像空间中，提出“部分精英集的Gauss采样+部分拉丁超立方采样”的混合采样新方法，其中部分样本以精英集中的Pareto最优解为中心进行Gauss采样以保证所获Pareto前沿不差于上一代，部分样本利用拉丁超立方采样以保证样本的多样性。接着，在像空间中，利用基于深度卷积神经网络图像特定边缘提取直接获取Pareto最优前沿。最后，我们进行了数值试验，结果表明，该方法具有一定的普适性且具有较高的计算效率。
报告人简介：
张涛，男，1978年9月生，博士，教授，博士生导师，美国德州农工大学访问学者。现任长江大学信息与数学学院院长，长江大学人工智能研究院副院长。长期从事人工智能、最优化理论与算法、复杂系统建模与仿真计算等方面的教学与研究工作。近三年，发表科研论文30余篇，其中SCI检索20余篇。主持国家自然科学基金面上项目1项，省部级项目3项，长江水利委员会项目2项，塔里木科技攻关项目2项，勘探院西北分院项目1项。获湖北省自然科学二等奖1项。
