报告时间：2019年9月28日（星期六）下午15:00-17:30

报告地点：公司铁道校区交通楼513

报告专家： 王 凌   清华大学        邢立宁  国防科技大学

 吕 欣  国防科技大学      王  锐  国防科技大学

 颜雪松  中国地质大学    

报告题目1：智能绿色车间调度

报告时间：2019年9月28日（星期六）下午15:00-15:30

报告内容：

绿色车间调度是绿色制造的重要环节，通过资源分配、操作排序、运作模式的合理优化，实现增效、节能、减排、降耗。绿色车间调度求解复杂，智能算法是解决大规模问题的有效途径。结合问题的特征模型与搜索结构，智能算法采用基于群智能与知识驱动的迭代搜索方式获取优良调度。本报告分析绿色调度的求解难点，分别针对资源约束并行机调度和分布式流水线调度介绍一种协作型多目标果蝇优化算法和一种竞争型混合智能算法，通过问题特性的分析给出多种搜索操作和指导性搜索策略，通过多操作与多策略的协作给出协同搜索模式，实现经济指标和绿色指标的协同优化。

专家简介：

王凌，清华大学自动化系长聘教授、博士生导师，国家杰出青年科学基金获得者。现担任中国仿真学会智能仿真优化与调度专委会副主任、中国自动化学会控制理论专委会委员、过程控制专委会委员、能源互联网专委会常务理事、北京市自动化学会常务理事；担任IJAAC主编、IEEE-TEVC和SEC副编辑、MC、控制理论与应用、控制与决策等期刊的编委。主要从事基于计算智能的优化调度理论方法与应用研究，已主持国家自然科学基金、国家重点研发计划课题等项目20余项，已出版专著5部、译著1部，在IEEE Trans等刊物上发表SCI收录论文160余篇、SCI期刊他引4500余次、Google学术搜索引用16000余次。曾获国家自然科学二等奖、教育部自然科学一等奖、中国仿真学会科学技术一等奖、ICIC杰出领导力奖等。获国家杰出青年科学基金、北京市科技新星、教育部新世纪优秀人才、清华大学学术新人奖、中国自动化学会青年科学家奖等。

报告题目2：基于人工智能的航天资源调度技术

报告时间：2019年9月28日（星期六）下午15:30-16:00

报告内容：

简要综述了国内外学者采用人工智能技术解决任务规划问题的基本思路和相关实践，在次基础上展望了基于人工智能的航天资源调度技术的发展趋势。

专家简介：

邢立宁，国防科技大学研究员，博士生导师，主要研究方向为智能优化、资源调度及任务规划等。中国仿真学会智能仿真优化与调度专委会主任委员。发表学术论文100余篇，七篇入选ESI引用前1%和10%论文。相关成果荣获湖南省自然科学二等奖、吴文俊人工智能科学技术二等奖等。入选教育部“新世纪优秀人才支持计划”；获得湖南省自然科学杰出青年基金项目。出版专著4部，获得20余项国家发明专利授权，主持和参与国家自然科学基金等项目20余项。

报告题目3：Beyond the Coverage of Information Spreading: Analytical and Empirical Evidence of Re-exposure in Large-scale Online Social Networks.

报告时间：2019年9月28日（星期六）下午16:00-16:30

报告内容：

Peer influence and social contagion are key denominators in the adoption and participation of information spreading, such as news propagation, word-of-mouth or viral marketing. In this study, we argue that it is biased to only focus on the scale and coverage of information spreading, and propose that the level of influence reinforcement, quantified by the re-exposure rate, i.e., the rate of individuals who are repeatedly exposed to the same information, should be considered together to measure the effectiveness of spreading. We show that local network structural characteristics significantly affects the probability of being exposed or re-exposed to the same information. After analyzing trending news on the super large-scale online network of Sina Weibo (China’s Twitter) with 430 million connected users, we find a class of users with extremely low exposure rate, even they are following tens of thousands of others; and the re-exposure rate is substantially higher for news with more transmission waves and stronger secondary forwarding. While exposure and re-exposure rate typically grow together with the scale of spreading, we find exceptional cases where it is possible to achieve a high exposure rate while maintaining low re-exposure rate, or vice versa.

专家简介：

吕欣，博士，国防科技大学系统工程学院教授。国际非营利组织Flowminder基金会创始人、理事、首席分析师。主要研究方向为大数据挖掘、应急管理、复杂网络理论、统计抽样、人类行为动力学等，研究成果发表在Nature（Correspondence）、Nature Microbiology、Physic Reports、PLOS Medicine、 PNAS等期刊上，得到MIT（2013，2014）、BBC（2011，2014，2015）、Science Daily (2017, 2019)、UNOCHA等科研机构、国际媒体、联合国组织的高度评价，产生了深刻的国际影响。其研究促进了国际组织自然灾害救援方式的转变，在海地地震与霍乱（2010-2013）、孟加拉台风Mahasen（2013）、西非国家埃博拉爆发（2014）、中国登革热（2014）、尼泊尔地震与洪水（2015、2016）、全球蚊媒扩散（2019）等事件中得到广泛应用。PLOS Medicine（2011）和PNAS（2012，2016）三次对其研究刊发专文进行评价和前景讨论。诺贝尔医学奖、生理学奖颁布机构卡罗林斯卡学院在2011年和2012年将其两项研究分别在主页上作新闻发布。技术方法被MIT Technology Review列为“2013年全球十大突破性技术”，Flowminder基金会获世界移动大会最佳应用奖（GLOMO Award 2016）。

报告题目4：进化多目标优化：过去、现在与未来

报告时间：2019年9月28日（星期六）下午16:30-17:00

报告内容：

进化算法（智能优化）是一类基于群体的启发式搜索优化策略，这类方法使用方便，易于理解，对所求解的问题数学性质要求不高，其应用领域越来越广泛，得到很多研究者和工程技术领域人员的重视。2015年5月，Nature出版的机器智能专刊将进化计算列为当今机器智能研究的六大代表性领域之一。多目标优化是一类常见的优化决策问题，经过不同领域的研究者30多年的努力，进化多目标优化算法的研究和应用取得了巨大成果，成为多目标决策、复杂系统优化领域的主流方法和技术。本次讲座将介绍30多年来进化多目标优化算法（Evolutionary Multi-objective Optimization Algorithm）的研究成果，研究热点及几类应用。

专家简介：

王锐，2014年博士毕业于The University of Sheffield， 目前担任中国仿真学会智能仿真优化与调度专委会秘书长, 国际期刊IJAAC副主编，主要从事计算智能理论方法及其应用研究，近五年发表高水平论文30余篇，其中第一/通讯作者20余篇，受理授权专利12项。研究成果荣获省部级科学技术一等奖1项（排名3），二等奖3项（排名1,4,10），先后荣获The Operational Research Society 优秀博士论文奖、首届吴文俊人工智能优秀青年奖、湖南省杰出青年基金资助、入选湖湘青年英才计划、中国科协青年人才托举计划等。

报告题目5：供水管网污染源定位问题研究

报告时间：2019年9月28日（星期六）下午17:00-17:30

报告内容：

针对供水管网中突发污染事件引起的饮用水水质污染问题，利用传感器网络等一系列技术手段快速准确地定位污染源位置及其影响范围，为饮用水安全保障提供有力的技术支持，具有重要的现实意义。如何利用传感器数据，迅速判断污染源的可能位置，是一个多学科交叉问题。利用仿真优化方法对污染源进行准确定位是当前常用的方法。本报告提出了一种基于混合编码的小生境优化算法对污染源定位问题进行了求解。

专家简介：

颜雪松，博士，博士生导师。主要从事智能优化、大数据、数据挖掘和计算机应用的相关研究工作。分别于2000年、2003年和2006年在中国地质大学（武汉）和武汉大学获得工学学士、硕士学位和工学博士学位。现担任中国仿真学会智能仿真优化与调度专委会委员；SCI期刊《International Journal of Bio-Inspired Computation》编委。获得湖北省自然科学三等奖。以第一作者和通讯作者发表SCI期刊论文20余篇。主持国家自然科学基金项目2项；湖北省自然科学基金重点项目1项 ；“十一五”民用航天预研项目、“十二五”民用航天预研项目、军口863项目以及航天技术创新基金等项目。