新闻

南方科技大学演化计算及应用人工智能学术研讨会（SAINT Workshop on “Evolutionary Computation and Its Applications”）圆满举行

发布时间：2019-03-28

2019年3月25日至26日，由南方科技大学计算机科学与工程系、南方科技大学人工智能研究院、深圳市计算智能重点实验室共同主办的“ 演化计算及应用人工智能学术研讨会（SAINT Workshop on “Evolutionary Computation and Its Applications”）” 在南科大图书馆111报告厅圆满举行。南方科技大学计算机系主任、讲席教授姚新，西班牙国家研究委员会人工智能研究院高级研究员Christian Blum，南科大计算机系讲席教授Hisao Ishibuchi，荷兰乌特勒支大学教授Dirk Thierens，南科大计算机系教授唐珂，香港城市大学教授Kay Chen Tan，南科大计算机系讲席教授史玉回，新加坡南洋理工大学教授Yew Soon Ong，西班牙马德里自治大学副教授David Camacho，香港城市大学教授Qingfu Zhang，英国西英格兰大学教授James Smith，荷兰莱顿大学教授Thomas Bäck，英国爱丁堡龙比亚大学教授Emma Hart，德国本田欧洲研究院首席科学家Stefan Menzel，南科大计算机系助理教授程然，俄罗斯索伯列夫数学研究院首席研究员Anton Eremeev以及校内外演化计算领域的学者专家共一百人出席并参与了该研讨会。

会议合影

姚新教授致辞

（左上：Christian Blum，右上：Hisao Ishibuchi，左下：Dirk Thierens，右下：唐珂）

（左上：Kay Chen Tan，右上：Emma Hart，左下：Yew Soon Ong，右下：David Camacho）

（左上：Qingfu Zhang，右上：James Smith，左下：Thomas Bäck，右下：史玉回）

（左上：Stefan Menzel，右上：程然，左下：Anton Eremeev，右下：姚新）

与会教授联合进行了十六场人工智能演化计算方向的高水平学术报告，报告包括：Construct, Merge, Solve & Adapt: A Hybrid Approach with a Resemblance to Evolutionary Algorithms (Christian Blum), Evolutionary Many-Objective Optimization (Hisao Ishibuchi), Model-building EA: GOMEA (Gene-pool Optimal Mixing EA) (Dirk Thierens)， Scalable Evolutionary Search (唐珂), Deep Belief Network for Classification of Autism Spectrum Disorder (Kay Chen Tan), Towards Lifelong Learning in Optimisation Algorithms (Emma Hart), Bio-inspired Community Finding in Social Networks, new trends and challenges (David Camacho), A Memetic and Bayesian Optimization Perspective of Artificial General Intelligence (Yew Soon Ong), Expensive Multiobjective Optimization via MOEA/D (Qingfu Zhang), Evolutionary n-level Hypergraph Partitioning with Adaptive Coarsening (James Smith), Optimization for Machine Learning and Industry: Algorithms and Applications (Thomas Bäck), Unified Swarm Intelligence (史玉回), Structuring the Space of Opportunities: Representations in Evolutionary Design Optimization (Stefan Menzel), When Evolutionary Muti-objective Optimization Meets Large-Scale Decision Variables: Challenges and Solutions (程然), A hybrid decomposition heuristic using genetic algorithm and MIP tools for scheduling chemical production (Anton Eremeev), Simple yet Effective Many Objective Optimization Algorithms (姚新)。