自学习类神经结构进化计算框架

现有绝大部分进化算法均为手动设计，它们具有固定的模块和线性框架。为了更好适应于不同复杂优化问题，一些算法选择、集成和调参的自适应方法相继提出，但它们仍基于现有进化算法模块和框架。与现有方法思想不同，我们提出了一种全新的类神经结构进化计算框架，它将进化算法表示为有环图，图中节点表示种群处理模块、有向有权边表示种群的传递。我们设计了七种节点模块，每种模块包含一些超参数和参数，其中参数可以在特定问题上进行调优。实验证明，具有复杂结构的进化算法在单个问题上训练后，在单目标、昂贵、组合、多目标优化问题上的性能显著超越现有算法。

安徽大学教授、博士生导师，国家自然科学基金青年项目B类负责人、安徽省杰青、香江学者、安徽青年五四奖章获得者。连续入选2023、2024年度科睿唯安全球高被引学者、爱思唯尔中国高被引学者、斯坦福前2%科学家，入选百度全球华人AI青年学者。在进化计算领域发表论文一百余篇，被引一万余次，获国际期刊会议杰出论文奖九项。现任IEEE进化计算汇刊副编。