计算智能与机器学习优化 (生物启发式计算，大规模多目标优化，神经架构搜索，机器学习模型压缩与加速等)

基本介绍：面对计算智能与机器学习模型优化面临的基本技术挑战，我们从基础理论、系统建模、算法设计和应用验证四个层面开展了智能算法、进化机器学习的系统性研究，具体包括：生物启发式计算，大规模多目标优化，神经架构搜索NAS, 深度模型压缩与加速等。近年来，课题组针对复杂数据处理过程的优化问题，提出基于决策变量分析的大规模多目标协同优化算法（发表于TCYB， 2021）；针对不规则PF多目标问题，提出了参考向量强化学习多目标进化算法及应用于工业数据处理系统优化（发表于TCYB，2021）；研究了基于正交学习的头脑风暴模型算法与偏好多目标算法 （发表于 TEVC， TSMC）。此外，针对复杂的深度神经网络模型的效率提升问题，我们基于序优化思想，提出了高效的基于分类Pareto进化的神经架构搜索方法；面向特定的边缘智能部署需求，研究了多种深度模型压缩与加速技术（上述初步成果已发表于arxiv.org，获得了大量关注）。 

在研项目：（1）国家自然科学基金面上项目，东北大学，主持；

                 （2）辽宁省自然科学基金联合项目，东北大学，主持。 

                 （3）华为创新计划专项课题，东北大学，主持。 

招生人数：每年2-3人