技能报告:随机启发式搜索算法的若干理论问题

主页:官方365体育网投 编辑: 陈亮君    发布时间:2019-07-02    次点击

报告人:何军导员 Nottingham Trent University

时间:2019年7月5日(星期五)上午9:00
地点:365体育官网201
联部人:李康顺导员


报告摘要: 受自然的启发,人们设计了许多的智能优化算法,例如模拟退火算法,遗传算法和粒子群优化算法等,用于求解各种不同的优化问题。这些算法具有一些共性:随机性,启发式,搜索算法,因此理论研讨中顾名思义称之为随机启发式搜索算法。和传统的优化算法相比,随机启发式搜索算法直观易懂,容易实现。然而由于算法的随机性和启发式,理论上如何分析评价这些算法的性能却不是一件容易的事。本报告先容随机启发式搜索算法的几个理论问题:收敛性,解的质量,收敛速度和计算时间。首先大家引入描述这些算法的两个数学模型:马尔科夫链和上鞅。然后讲述相关的理论方法和相应的理论结果,包括收敛性(马尔科夫链转移矩阵和上鞅),解的质量(有限预算分析和误差分析),收敛速度(马尔科夫链转移矩阵)和计算时间(漂移分析)。最后商讨当前理论研讨所面临的一些困难之处。

报告人概况:何军, 1985年考入武汉企业专长技习,1989年获得计算数学理学硕士学历,1992年获得计算数学理学硕士学历,1995年获得计算机App与理论硕士学历,引导导员康立山导员。1995年至1998年在哈尔滨工业企业计算机部从事硕士后研讨,合作导员李晓明导员。1998年至2001年在北京交通企业计算机部任副导员。2001年至2007年在英国University of Birmingham计算机企业任Research Fellow,合作导员姚新导员。2007年-2018年在英国Aberystwyth University计算机部从事传授和研讨工作,任Senior Lecturer。2018年至今在英国Nottingham Trent University 计算机部从事传授和研讨工作,任Associate Professor。
研讨领域计算智能。在演化计算的理论分析,算法设计和应用作了一部列工作。主要技能贡献是提出了用于演化算法时间复杂性分析的drift analysis方法。目前该方法已经被全球同行广泛采纳,评价为one of the most powerful tools for both proving upper and lower bounds on the runtime of evolutionary algorithms。主持一项英国工程与自然科技研讨理事会(EPSRC)基金项目,参加四项英国EPSRC基金项目。1996年获得中国国内教委研讨进步一等奖(演化计算及其并行处理)。


欢迎广大同事积极参加!


分享到:

XML 地图 | Sitemap 地图