郭斌

(排名不分先后)

报告题目：群智感知与城市计算

报告人简介：郭斌，工学博士，西北工业大学计算机学院教授/博导，工信部智能感知与计算重点实验室副主任，陕西省高校青年创新团队负责人。2009年3月在日本庆应大学获得博士学位，2009-2011年在法国国立电信学院进行博士后研究。入选教育部“新世纪优秀人才”（2012）和第三批国家“万人计划”青年拔尖人才（2017），担任军科委国防科技创新特区专家（2018）。主要从事普适与协同计算、移动群智感知、大数据智能方面研究。承担国家重点研发计划、国家自然科学基金等课题，和华为、阿里、腾讯、京东等开展多方面技术合作。在国内外重要期刊和会议如IEEE TMC, IEEE THMS, ACM TKDD, UbiComp, INFOCOM, CSCW等上面发表学术论文130余篇，6篇论文入选ESI热点或高被引论文。国际上率先研发了开源可定制的移动群智感知平台CrowdOS (http://www.crowdos.cn/)，且面向智慧城市、公共安全、智能制造等国家重大需求开展领域应用和技术推广。曾获得教育部自然科学二等奖以及IEEE UIC’17、ISI’19等国际会议“最佳论文奖”。担任《IEEE Transactions on Human-Machine Systems》、《IEEE Communications Magazine》、《ACM IMWUT》、《IEEE Internet of Things》、《Frontiers of Computer Science》等国际权威期刊编委或客座编辑，以及IEEE UIC’15、IEEE CPSCom’17、GPC’20等多个重要国际会议程序主席等职务。IEEE高级会员，CCF杰出会员，CCF西安分部副主席。

摘要：如何实现对大规模、复杂的城市感知任务实现有效时空覆盖是泛在智能感知的一大关键难题。随着物联网和移动互联网技术的发展，“移动群智感知”（Mobile Crowd Sensing）作为一种新的感知模式被提出来。与基于传统传感网的感知方式不同，移动群智感知以大量普通用户作为感知源，利用大众的广泛分布性、灵活移动性和机会连接性进行大规模感知，并融合隐式或显式的群体智能以实现对感知数据的优选和增强理解，进而为城市及社会管理提供智能辅助支持。移动群智感知可以应用在城市感知计算的多个重要方面，如公共安全、城市管理、商业智能、环境监测、社会治理等。本报告涵盖几个方面内容：一是阐述移动群智感知的概念、特质和主要研究挑战；二是介绍移动群智感知的未来发展趋势；三是结合我们最新的研究工作开展研讨。

高云君

(排名不分先后)

报告题目：人机协同的数据处理（Human-Powered Data Processing）

报告人简介：高云君，教授，博士生导师，现为浙江大学计算机软件研究所副所长，浙江省大数据智能计算重点实验室副主任。主要研究方向为数据库、大数据管理与分析、DB赋能的AI技术等。在国内外顶级/重要学术期刊或会议TODS、VLDBJ、TKDE、TOIS、SIGMOD、VLDB、ICDE、SIGIR等发表论文130余篇，出版中英文学术专著4部，以第一发明人授权专利13项，并获得了ICDE 2019优秀论文、APWeb-WAIM 2018最佳论文奖、SIGMOD 2015最佳论文提名、ICDE 2015优秀论文。主持优秀青年科学基金、国家重点研发计划、973计划、国家自然科学基金联合基金重点等项目/课题，并获得了2019年度中国电子学会科技进步特等奖、2016年度教育部科技进步一等奖、2011年度浙江省科学技术一等奖。担任JCST、DAPD、FCS、WWWJ、IJDSN等重要学术期刊（青年）编委/副编辑（Associate Editor）/专刊特邀编辑。指导多名博/硕士生获得了CCF优秀博士学位论文奖、浙江省优秀硕士学位论文等。

摘要：随着计算机和互联网等技术的快速发展，数据呈爆炸式增长，人类进入了大数据时代。在大数据环境下，单纯依靠人类智能难以有效地分析数据，故基于机器智能的数据处理技术是当前的主流。然而，机器智能仍存在可解释性差、错误敏感性高等缺点，亟需人机协同的数据处理技术。本报告将围绕数据生成、数据清洗和数据分析这三个数据处理主要阶段，介绍如何利用人机协同技术以有效地解决其面临的问题及挑战。

詹志辉

(排名不分先后)

报告题目：面向大规模优化的分布式协同群体智能算法研究

报告人简介：詹志辉，博士，华南理工大学计算机科学与工程学院教授，博士生导师。教育部青年长江学者、国家优青、爱思唯尔中国高被引学者、广东省青年珠江学者和广东省杰青。曾获吴文俊人工智能优秀青年奖、IEEE计算智能协会（CIS）全球杰出博士学位论文奖和中国计算机学会（CCF）优秀博士学位论文奖。现任中国图学学会图学大数据专委会副主任、广州计算机学会副理事长、中国人工智能学会青工委常委和中国自动化学会青工委委员。主要研究领域包括人工智能、进化计算和群体智能，担任进化计算领域顶尖国际学术期刊 IEEE Transactions on Evolutionary Computation（SCI，IF=11.169，JCR一区）的Associate Editor。近年来在进化计算的自适应控制、全局化搜索、多种群协同、分布式处理和应用拓展等方面取得了一系列创新性的成果，针对大规模优化、动态优化、多峰值优化、多目标优化、约束优化和昂贵优化等复杂优化问题提出了多个新型群体智能算法，并面向智慧城市和智慧医疗等领域开展应用研究。

摘要：最优化和智能化是人类活动的核心追求，也是人工智能未来发展的必然趋势。随着物联网、云计算、大数据、5G等技术的发展，越来越多的最优化问题呈现出大规模、动态、多峰值、约束、多目标、计算昂贵等新的挑战，给优化算法带来了极大的困难。进化计算是一类模拟自然界生物进化过程和群体智能行为的先进人工智能算法。进化计算作为人工智能中行为主义的典型代表，不同于可解释性差的连接主义算法，是一种具有行为可观察、可感知、可认识、可解释和可调控等优势的动态人工智能算法，近年来被广泛应用于知识发现、搜索优化和问题求解，拓展人类智能。然而，传统群体智能算法在大规模复杂优化问题中仍然存在全局搜索能力不足、整体求解速度过慢等问题。因此，本报告针对进化计算在求解大规模复杂优化问题中的研究进行介绍，包括我们近年来从分布式协同、自适应控制和