第一届中国计算机学会演化计算学术会议正在火热报名中

举办时间： 2025.12.12 ~ 12.14

报名时间：2025.09.19 ~ 12.14

主办单位：中国计算机学会

承办单位：CCF人工智能与模式识别专委会、CCF演化计算学组、华南理工大学

会议地点：广东省 广州市 长洲街道公益大街98号院士港岭南东方酒店

注册链接：https://ccf.org.cn/CHEC2025

会议详情：https://www.scholat.com/teamwork/showPostMessage.html?id=17458

一、大会特邀专家

张青富

香港城市大学计算机科学系计算智能讲座教授

• 报告主题：多目标分解算法（MOEA/D）与 自动化算法设计(EoH)
• 报告摘要：（1）众多实际应用领域问题可建模为多目标优化问题。我们提出的 MOEA/D是目前应用最广泛的两种多目标进化算法框架之一。 我将详细讲解 MOEA/D 的核心思想及最新研究进展。（2）算法设计是计算机应用领域的基础性任务，但手动设计算法往往需要投入大量人力，耗时费力。 我将介绍我们近期研发的自动化算法设计平台 —EoH。该平台结合大型语言模型（LLMs）与进化算法，通过迭代方式实现算法的自动化设计，能够同时对算法思路与代码进行进化优化。对一些优化问题，EoH 生成的算法已超越人工设计算法。
• 专家简介：张青富现任香港城市大学计算机科学系计算智能讲座教授，他的团体以元启发式算法与人工智能为核心研究方向。他提出的 MOEA/D 算法，是多目标优化领域最常用的两种框架之一， 已在多个应用领域得到广泛应用。自 2016 年起，他先后八次入选科睿唯安（Web of Science）计算机科学领域高被引科学家，他是IEEE fellow。

焦李成

西安电子科技大学华山杰出教授、人工智能研究院院长

• 报告主题：物理深度学习的挑战与机遇
• 报告摘要：诺贝尔物理学奖和化学奖的公布揭示了人工智能与科学技术的密切关联，深度学习与优化作为人工智能的核心技术，在诸多领域取得了显著成果。然而发展过程中，物理学的规律对领域内的诸多难题带来了高效解决办法。因此，本报告着重和大家一起探讨深度学习基础理论相关的研究。首先，回顾了深度学习的思想起源与发展历程。紧接着，讨论了对深度学习再认识与再思考，从而引出应突破的基础理论。然后，重点从物理启发讨论了深度学习的表征、学习与优化理论。最后，给出了对深度学习发展的一些思考。
• 专家简介：焦李成，欧洲科学院院士，IEEE Life Fellow。现任西安电子科技大学华山杰出教授、人工智能研究院院长，智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、智能信息处理科学与技术国家创新引智基地主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、国家级领军人才首批入选者、教育部长江学者计划创新团队负责人、“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，中国人工智能学会第六-七届副理事长，全国高校人工智能与大数据创新联盟副理事长，亚洲计算智能学会主席，IEEE/IET/CAAI/CAA/CIE/CCF/CSIG/AAIA/ACIS/AIIA Fellow，连续十一年入选爱思唯尔高被引学者榜单。主要研究方向为智能感知与图像理解、深度学习与类脑计算、进化优化与遥感解译。曾获国家自然科学奖二等奖、吴文俊人工智能杰出贡献奖、“求是人工智能”杰出贡献奖、霍英东青年教师奖、全国模范教师称号、中国青年科技奖、及省部级一等奖以上科技奖励十余项。
  
  

辛斌

北京理工大学自动化学院教授、博士生导师

• 报告主题：超构造——组合优化问题的一种新型高效求解方法
• 报告摘要：报告主要介绍一种针对组合优化问题求解的新型高效优化方法——“超构造式算法”（Hyper-constructive algorithms），包括其设计思想以及在背包问题和随机资源分配问题这两类典型组合优化问题求解方面的实践。与常见的智能优化方法相比，这种方法在求解速度、结果稳定性、适用范围等方面都具有显著的优势，特别适合实时性和稳定性要求较高的情形。
• 专家简介：辛斌，北京理工大学自动化学院教授、博士生导师。长期从事多智能体系统协同决策与控制理论方法研究，发表学术论文100余篇，授权发明专利30余项，出版学术专著5部。主持科研项目20余项，获得国家自然科学基金委杰出青年基金项目。获省部级一等奖2项。担任《Unmanned Systems》、《Advanced Control for Applications》、《信息对抗技术》等国际/国内期刊副主编/编委。
  
  

严骏驰

上海交通大学人工智能学院、计算机学院（兼）教授

• 报告主题：面向偏微分方程求解与发现的人工智能方法
• 报告摘要：近年来，偏微分方程的机器学习获得的关注日益增多。本报告将介绍面向人工智能赋能的偏微分方程求解开展近期工作的介绍。相关机器学习方法涵盖高维偏微分的、及其带约束形式，以及偏微分方程的自动发现。并结合最优控制、金融风控等场景介绍相关应用。
• 专家简介：严骏驰，上海交通大学人工智能学院、计算机学院（兼）教授，ICML Board Member、IAPR Fellow，IEEE CS AI'10 to Watch、IEEE CIS Outstanding Early Career Award、省部级自然科学一等奖获得者。IEEE TPAMI、Pattern Recognition编委。主要研究方向为机器学习及交叉应用，主持基金委重大研究计划重点、优秀青年基金、科技部重大专项。发表CCF-A类第一/通讯作者论文超200篇，谷歌引用超3万次，获CVPR24/IROS25最佳论文候选、ACL25杰出论文。
  
  

唐珂

南方科技大学计算机科学与工程系讲席教授、系主任

• 报告主题：基于协同演化的算法自动设计
• 报告摘要：近年来，激增的智能应用场景引发了巨大的“需求过载、算法过载”挑战，算法设计自动化因而引起了大量关注。本报告将介绍算法设计自动化的一些关键难点，以及借助协同演化解决这些难点的一些初步成果。
• 专家简介：唐珂，南方科技大学计算机科学与工程系讲席教授、系主任，IEEE Fellow、教育部特聘专家。近年来主要关注通用黑盒优化方法、优化算法自动设计、机器学习自动化等方面的研究。