港岭大邝得互教授优化AI效能获《IEEE进化计算汇刊》杰出论文奖

岭南大学（岭大）协理副校长（策略型研究）邝得互教授

人工智能（AI）研究领域顶尖学者、岭南大学（岭大）协理副校长（策略型研究）、研究生院院长、利荣康计算智能学讲座教授邝得互教授，与国际科研团队合作撰写的论文《利用学习提升演化算法效能的优化研究》（Learning-Aided Evolution for Optimization），荣获2026年度《IEEE进化计算汇刊》杰出论文奖（2026 IEEE Transactions on Evolutionary Computation Outstanding Paper Award），成为该年度唯一获奖的论文。该奖项由电机电子工程师学会（IEEE）计算智能学会设立，而该期刊于全球知名学术引文索引资料库平台Web of Science的计算机科学及人工智能类别204份期刊中，排名第11位，充分肯定邝教授在演化计算与AI领域的领先地位。

该获奖论文于2023年发表，突破性地提出在AI的传统演化算法中，加入「学习」元素，使AI在复杂的情境下能够更快、更准确地寻找最佳解决方案。研究团队设计的新方法⸺「以学习辅助的演化算法」，能让人工神经网络从演化过程中的「成功经验」学习，观察哪些方案比旧方案更好，并将这些经验记录下来，供未来参考，使演化算法不再单靠「随机变异」，而是能借助汲取过往经验来提高效率。

为验证新方法的效能，研究团队曾在不同国际标准测试平台进行比较。结果显示，无论在处理单一目标或同时要应付多个目标等复杂情境下，新方法（以学习辅助的演化算法）的整体表现均优于传统方法，有效提升效率和准确度。在处理复杂问题时亦展现出更高效和准确度。该创新方案于2023年属于高度前瞻性的概念，随着近年AI应用迅速发展，有关概念正延伸至多个涉及复杂计算的潜在应用，涵盖交通规划、智能制造、药物研发及绿色能源等领域，具有广泛的应用潜力。

邝得互教授表示：「全球社会和产业面临越来越多需要快速计算和精确预测，但传统的演化算法面对庞大数据或多目标情境时，计算效率往往受到限制。研究团队提出的创新解决方案，旨在让人工智能从过往经验中学习，令演化演算法少走『冤枉路』，更快找到高质素方案，并以更高效率解决难题。在科技迅速迭代的今天，这一理念已逐渐成为AI应用的重要方法，成果令人振奋。这项国际殊荣不仅是对研究团队努力的肯定，更助力巩固香港在AI研究方面的国际领先地位，为人类社会创造长远而积极的影响。」

《利用学习提升演化算法效能的优化研究》由南开大学人工智能学院詹志辉教授和黎建宇博士、岭南大学邝得互教授，以及汉阳大学张军教授共同撰写。