从数据拟合到认知进化：知识驱动的动态多目标优化方法及应用

动态多目标优化问题广泛存在于实际应用中，其优化目标和相关参数会随时间变化，对算法的适应性和快速响应能力提出严峻挑战。本报告以“从数据拟合到认知进化”为主题，系统介绍知识驱动的动态多目标优化方法。报告将探讨如何利用知识迁移、预测策略、分层响应等技术，使算法能在环境变化后快速追踪新的Pareto最优解集。具体将涵盖基于相似性识别的知识迁移学习算法、基于循环神经网络的引导策略，以及IGD指标驱动的预测方法等最新研究成果

胡雅茹，湘潭大学计算机学院·网络空间安全学院副教授、硕士生导师。2022年加入湘潭大学，主要研究方向为人工智能、机器学习（特别是强化学习）驱动的智能优化及其应用，专注于异构优化、进化计算等领域。她主持国家自科青年项目、湖南省青年项目等多项课题，并入选2023年湖南省托举人才专项。其研究成果发表于《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Cybernetics》等权威期刊，发表论文30余篇。2024年，她荣获湖南省优秀博士毕业论文奖。