报告题目：动态鲁棒进化优化方法研究进展
报告时间：2017年4月17日 上午11:00
报告地点：信息楼417学术会议室
摘要：传统动态优化问题的求解方法,通常需要在新环境下,通过重新激发寻优过程,寻找获得适应该环境的最优解.这可能导致较高的计算代价和资源成本,甚至于无法在有限时间内执行该优化解.由此,提出一类寻找动态鲁棒最优解集的进化优化方法.所谓动态鲁棒最优解集,是指某一时刻下的较优解可以以一定稳定性阈值,逼近未来多个连续动态环境下的真实最优解,从而直接作为这些环境下的满意解,以减小计算代价.为合理度量鲁棒最优解的环境适应性,给出了时间鲁棒性和性能鲁棒性定义，进而给出其鲁棒最优解的求解方法。
郭一楠，博士，中国矿业大学教授，博导，江苏省青蓝工程优秀青年骨干教师，中国矿业大学优秀创新团队首席，清华大学、美国明尼苏达大学和英国伯明翰大学访问学者；IEEE，ACM，中国计算机学会，中国人工智能学会和中国煤炭学会会员，国家自然科学基金函评成员。
郭教授主要从事智能优化算法、机器人技术、工业大数据分析、复杂过程智能优化控制等领域的科研工作。近年来，先后主持和参与国家重点研发计划、国家973计划、国家863计划、国家火炬计划、国家自然科学基金等国家级项目8项，江苏省自然科学基金、江苏省产学研项目、山东省重点研发计划、煤炭部重点项目等省部级项目13项，以及企业合作项目10余项；主持江苏省精品课程教材建设项目1项;先后获得教育部、煤炭工业部等省部级科研奖励5项；多次获得中国矿业大学优秀教学成果奖；主编江苏省十二五重点教材1部，发表论文80余篇，SCI/EI收录60余篇；授权发明专利1项，软件著作权7项。
