![]()
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。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.