2019年5月30日上午10点，受智能计算团队的邀请，香港城市大学教授同时也是IEEE Transactions on Evolutionary Computation主编的陈家进教授作题为“演化计算动态多目标优化的最新进展”（Advances in evolutionary dynamic multi-objective optimization）的学术报告。

陈教授开场介绍了自己研究的主要工作，包括：神经形态学计算、进化计算、数据分析与机器学习、优化问题，动态多目标优化是其主要研究工作之一。陈教授讲解道，多目标优化不同于传统的优化问题，该问题涉及两个或多个目标函数的同时优化，受制条件诸多，因此优化结果是产生了对给定优化问题的一组折中解。随后陈教授指出，动态多目标优化是基于原有的多目标优化问题加上涉及到的目标函数、决策变量和约束使其可以随时间的推移而变化而得到的新的多目标优化问题。动态多目标优化问题要求进化算法能够检测到问题环境的变化，并鲁棒跟踪变化的最优解，在保持多样性的同时达到更快的收敛速度。本次报告中提出卡尔曼滤波和专家混合动态处理策略等新方法，这些预测模型可以从以前的经验中学习模式并预测未来的变化。有助于将搜索引向已更改的最优值，从而加速优化过程的收敛。

报告的最后陈家进教授明确地指出了该领域研究的下一步方向，并与现场听报告的师生们进行了问题讨论。

[编辑：薛广东]