CCF@U715 李小平、陈伟能走进广西大学

阅读量:3
2019-09-09

活动时间:2019年9月19日周四下午14:30-16:30

具体地点:广西大学君武馆第二会议室


图片3

讲者:李小平(东南大学)

李小平,CCF杰出会员、CCF协同计算专委常务委员东南大学首席教授,博士生导师教育部新世纪优秀人才,国家重点研发计划项目负责人,入选江苏省“六大人才高峰” 培养对象、江苏省高校“青蓝工程”优秀青年骨干教师。主持国家重点研发计划、国家863计划、国家支撑计划、国家自然科学基金(6项),参与国家自然基金重点项目1项(第一合作单位负责人)。在TPDS、TSC、TASE、TCC、TCYB、TSMC.A、EJOR、OMEGA等国际国内期刊或国际会议上发表论文100余篇;获国家发明专利10项。主要研究方向:计算资源调度优化、服务计算、大数据计算、云制造、复杂生产调度优化、智能算法。

主题:服务计算的基本问题与求解

面向实际服务需求,介绍服务计算的基本科学问题;从操作系统的进程调度入手,分析调度问题的本质、基本类型、应用场景;提出调度优化的两阶段求解框架,面向进程调度、车间作业调度、云服务调度等不同调度问题,通过实例进行阐述;探寻服务调度算法的设计原则。


图片4

讲者:陈伟能(华南理工大学)

陈伟能,CCF高级会员、华南理工大学教授博士生导师。主要研究方向是群体智能、演化计算及其应用,已发表国际期刊和国际会议论文100余篇,其中IEEE Transactions长文40篇。2016年获国家优秀青年科学基金资助,2015年获广东省杰出青年科学基金资助;2018年获霍英东青年教师奖。博士学位论文先后获IEEE CIS(计算智能学会)杰出博士学位论文奖和中国计算机学会(CCF)优秀博士学位论文奖。IEEE TNNLS及Complex and Intelligent Systems副编辑。

主题:大规模群体智能优化方法与应用

大规模高维问题对群体智能方法提出了两方面的挑战:一方面由于搜索空间指数级增长,局部最优数目快速增加,对算法收敛的有效性(Effectiveness)提出挑战;另一方面由于算法所需的种群大小和迭代次数增加,适应值评价时间增长,对算法的效率(Efficiency)提出挑战。本报告将分别从整体进化和协同进化的角度介绍多种大规模的群体智能计算方法及其应用,针对大规模不可分割的优化问题,介绍基于分段支配学习机制和分层学习机制的大规模进化算法,提高算法在高维环境的有效性;针对部分可解耦的优化问题,尤其针对基于图(graph)的大规模优化问题,介绍基于网络划分的协同演化方法;进一步结合并行分布式计算环境,介绍基于池模型的资源自适应分配协同进化算法,提高算法的可扩展性。