报告人：郑为杰
报告地点：腾讯会议 204-998-413
报告时间：2022年11月14日星期一晚上8:00
报告题目：NSGA-II的优化理论
报告简介：
非支配排序遗传算法II（NSGA-II）是使用最广泛的多目标演化算法，原始文章的谷歌学术引用次数已经超过四万次。然而，现有关于多目标演化算法的理论研究多集中在简单算法（如SEMO，GSEMO），如何对NSGA-II建立优化理论仍为重要开放式问题。本次报告将分享报告人在NSGA-II优化理论方面的工作，包括合适种群规模下NSGA-II覆盖全部Pareto前沿面的运行时间复杂性理论，以及小种群规模下NSGA-II对Pareto前沿面的近似能力理论。
报告人简介：
郑为杰，哈尔滨工业大学（深圳）计算机科学与技术学院-国际人工智能研究院助理教授。研究方向为智能计算的优化理论，具体如演化计算及随机搜索启发式算法的运行时间复杂性理论。代表性工作如：对最广泛使用的多目标演化算法NSGA-II建立首个运行时间复杂性理论、对二进制差分进化算法建立首个运行时间复杂性理论、建立时间关联问题的演化理论等。
