2025年1月16日至17日，西湖大学可信及通用人工智能实验室（TGAI Lab）成功举办了CCF-AI演化计算学组成立大会暨2025年演化计算前沿论坛。本次会议由CCF人工智能与模式识别专委会演化计算学组主办，西湖大学承办，杭州师范大学、IEEE CIS Zhejiang Subsection Chapter协办，AiScholar艾思科蓝、AEIC学术交流中心支持，浪潮信息、牧原实验室赞助。
演化计算学组成立于2024年4月，旨在汇聚全球各地对演化计算感兴趣的学者、研究人员和从业者，促进演化计算在各个领域的交叉应用和发展，推动学科交叉融合与创新。本次大会设置了主会场特邀大会报告和“演化深度学习”“自动演化计算”“大规模分布式演化优化”“大小模型辅助演化优化”四个分论坛。会议现场吸引了来自清华大学、浙江大学、南京大学、东北大学、大连理工大学、西安电子科技大学、香港理工大学、惠灵顿维多利亚大学等国内外上百所高校和科研院所近280余位专家学者共同探讨演化计算的机遇、挑战及对策，共同致力于研究具身智能乃至通用人工智能提供了新的途径。现场学术交流就演化计算及其应用领域的最新研究成果进行交流和分享，为研究人员提供学术交流、资源共享和职业发展的平台，共同推动演化计算的发展。
开幕致辞 金耀初教授 欧洲科学院院士、IEEE Fellow、IEEE计算智能学会主席、西湖大学人工智能系系主任、人工智能讲席教授金耀初首先欢迎各位嘉宾的到来，并对CCF协会对演化计算学组成立的支持表示感谢。他介绍了西湖大学及人工智能系的概况，同时分享了TGAI团队的研究方向与进展。随后，他总结了演化计算在复杂工业系统优化中的应用，强调了演化计算的持续发展需要注入更多自然演化与生物发育的元素，为拉开本次大会的学术交流帷幕。 大会报告 焦李成教授 欧洲科学院外籍院士、CCF/CAAI 会士、IEEE/IET Fellow、西安电子科技大学焦李成教授的报告揭示了人工智能与科学技术的深度关联，强调深度学习与优化作为核心技术在诸多领域取得了显著成果，但仍面临许多理论问题需要深入研究。他回顾了深度学习的起源与发展历程，并从类脑启发、物理启发和进化启发三个角度探讨了深度学习的表征、学习与优化理论。最后，他分享了对下一代深度学习发展的前瞻性思考。 唐立新教授 中国工程院院士、IEEE Fellow、东北大学副校长唐立新教授线上参加，并在报告中指出，数据分析是工业智能的前沿基础研究方向，也是推动科学发展的重要动力，而系统优化是智能决策的核心理论和数据分析的引擎。他分享了团队在系统建模、数据分析与优化方法方面的研究进展及其在生产管理、质量控制和优化中的应用。报告重点包括制造流通工业系统的全维度有机管理方法（ECO-System），层级化质量技术体系（PDDE），以及针对高排放企业的碳减排分析与优化方案，涵盖碳足迹感知、排放模式分析、过程优化及碳捕获利用等方面。 王凌教授 国家杰青、中国仿真学会常务副理事长、清华大学王凌教授在报告中指出，随着新一代信息技术与制造和服务业的深度融合，高端化、智能化、绿色化已成为优化升级的主要方向。他强调，分布式调度是实现网络化制造与服务的必然趋势，而绿色调度是生态制造与服务的关键路径。面对制造与服务系统的复杂性，实现全局、高效、鲁棒优化面临巨大挑战。报告提出，通过模型分析与数据解析的融合、知识驱动与群体智能的协作，以及机器学习与运筹优化的协同，有望推动复杂制造与服务系统的智能调度优化方法设计。 周志华教授 国家级高层次人才、ACM/AAAI/IEEE Fellow、南京大学副校长周志华教授的报告提出了“学件=模型+规约”的基本理念，主张摒弃依赖少数“英雄模型”的思路，转而发挥众多模型的协同作用。他指出，学件可以在开发者未预设的任务中发挥作用，且无需披露开发者与用户的自有数据。当学件基座系统积累了海量模型后，甚至能够为从未专门训练过的新任务提供解决方案。 KAY CHEN TAN教授 IEEE CIS 副主席、IEEE Fellow 、香港理工大学KAY CHEN TAN教授的报告探讨了大型语言模型（LLMs）与演化计算之间的协同作用，展示了如何利用LLMs革新传统优化和搜索方法。他首先回顾了LLMs的发展及其内在能力，强调其在强化和改进演化计算中的潜力。随后，他介绍了将LLMs嵌入演化计算框架的方法，解决从简单到复杂的优化问题，并分析了这一过程中独特的优势与可能的挑战。报告通过自动化机器学习等领域的案例研究，展示了LLMs如何提升演化算法的效率与效果，开辟解决复杂优化问题的新途径。最后，他探讨了这一整合的广泛意义，并提出未来研究方向与应用的前景。 张孟杰教授 新西兰皇家科学院院士、新西兰工程院院士、IEEE Fellow、惠灵顿维多利亚大学张孟杰教授的报告聚焦于可解释人工智能（XAI）在关键领域的重要性，例如自动驾驶、法律和医疗。他指出，遗传编程（GP）作为一种强大的演化算法，相较于神经网络等标准机器学习模型，因其符号化的模型结构更具可解释性。报告重点探讨了GP在XAI中的三个方面：内在可解释性（Intrinsic XGP），通过GP直接演化更具解释性和有效性的模型；事后可解释性（Post-hoc XGP），使用GP解释其他黑盒模型或GP自身演化的模型；以及GP的可视化，提升模型的直观解释性。最后，他总结了XGP面临的挑战和未来研究方向。 宋学官教授 国家杰青、科技部重点研发项目首席、大连理工大学宋学官教授的报告聚焦于代理模型（元模型）技术，强调其在工程分析与优化设计中的重要作用，特别是在高端装备性能建模、智能设计和数字孪生中的关键地位。他介绍了团队在这一领域的成果，包括高稳健性组合代理模型、融合高低保真数据的变保真度代理模型、主动学习的自适应采样策略，以及数据驱动的云端优化设计软件DADOS（www.dados.com.cn）。同时，他展示了代理模型技术在大型核电装备、大型工程装备、智能矿山装备等领域的应用，涵盖结构轻量化设计、多学科优化和形性一体化数字孪生等工程实践。 分论坛一&分论坛二 分论坛一围绕“演化深度学习”这一主题展开讨论，由国家杰青、北京理工大学辛斌教授，国家级青年人才、四川大学孙亚楠教授主持，分论坛二着重探讨“自动演化计算”相关议题，由国家级青年人才、河南工学院党委副书记、副校长梁静教授主持。 袁源教授 国家高层次青年人才、北京航空航天大学袁源教授的报告聚焦于演化计算与大模型技术在代码生成领域的协同应用，旨在提升代码生成的效率与质量。他首先分析了传统演化算法在代码生成中的局限性，并探讨了如何结合大模型的编程语言理解能力与演化算法的全局优化能力，扩展经典代码修复方法的能力。随后，他介绍了演化算法作为大模型解码策略提升代码生成质量的方法，并提出了一种基于协同演化的代码生成方法，其通过多任务优化实现代码与测试用例的协同生成，从而突破传统方法的局限性。 王晗丁教授 国家海外高级青年人才、陕西省高层次人才、西安电子科技大学王晗丁教授的报告聚焦于深度神经网络在面对对抗性攻击时的脆弱性，特别是黑盒对抗攻击的挑战。她指出，黑盒攻击因现实场景中目标网络梯度不可用而变得更加实用且复杂，可被视为像素级的高维黑盒优化问题。尽管进化算法在黑盒优化方面表现出色，但在高维空间中效率有限。为此，她提出了一种基于差分进化的近似梯度符号方法，有效解决了黑盒对抗攻击中的优化问题。 程然教授 中国智能计算科技创新人物、香港理工大学程然教授的报告介绍了团队开发的通用演化计算框架 EvoX，一款基于先进的分布式 GPU 加速技术的工具。在兼容 PyTorch 的基础上，EvoX 提供了友好交互的编程模型，允许用户使用 Python 编写 GPU 加速的演化算法。同时，框架内置了涵盖多目标优化、群体智能、神经演化和遗传编程等领域的丰富算法库。与传统算法库相比，EvoX 利用 GPU 加速，显著提升了计算效率，其在翼型设计和机器人控制等领域的应用价值已得到验证。 孙亚楠教授 国家青年人才、四川大学孙亚楠教授的报告聚焦于演化神经架构搜索（ENAS）的理论分析，这一算法通过演化算法自动设计高性能神经网络架构，已在图像分类等领域取得显著成果。他首次从理论上证明了两种常见变异算子在ENAS算法解决二分类问题时的运行时间上下界，并探讨了种群机制与不同强度变异算子结合对算法性能的影响。报告揭示了当前组合方式的局限性，为设计更先进高效的ENAS算法提供了理论依据。 段海滨教授 中国自动化学会会士、国家杰青、教育部长江学者特聘教授、北京航空航天大学段海滨教授的报告聚焦于鸽群优化，这是一种新型的群体智能优化算法。他详细介绍了该算法的思想起源、核心机制、模型设计及其理论原理，并分析了其在优化问题中的优势与适用场景。此外，报告分享了鸽群优化在多个领域的最新典型应用，如路径规划和资源分配等，展示了算法的实际价值。最后，他展望了鸽群优化的未来发展方向，探讨如何进一步改进算法性能和扩展其应用领域。 钱超教授 国家优青、南京大学钱超教授的报告聚焦于黑盒优化问题，这类问题由于目标函数无解析形式，广泛存在于工业和科学领域，但仅能通过目标值评估，且常伴随多目标、高维度和评估代价昂贵等复杂特性。他指出尽管进化算法在黑盒优化中表现出色，但效率仍有待提升。为此，进化学习通过融合进化算法与机器学习，尝试更高效地解决复杂的黑盒优化问题。报告详细介绍了其团队在进化学习理论基础构建和算法改进方面的努力，并分享了在电子设计自动化及生命起源与演化研究中的成功应用案例。 黄翰教授 国家级青年人才、华南理工大学软件学院黄翰教授的报告从算法性能的本质出发，探讨提升算法效率的科学本质和关键要领，重点介绍了微搜索算法的机理与机制。该算法通过确定优化问题的有效决策子集，合理分配搜索算力，实现小范围内的高效搜索，最终获得最优解或高质量解。他进一步基于微搜索思想，分析遗传算法、粒子群优化、差分进化和蚁群优化等方法的性能本质，并总结进化计算方法性能分析中的常见误区。最后，他展示了微搜索算法在多目标优化、多约束优化、计算机视觉、数字物流、工业软件和软件工程等领域的广泛应用。 夏书银教授 国家优青、重庆邮电大学计算机学院副院长夏书银教授的报告介绍了基于多粒度认知计算的粒球计算理论，该理论通过模拟“大范围优先”的人脑认知机制，从粗到细生成多种粒度大小的球体（粒球），实现对数据的自适应和高效表示。他提出了一种基于粒球的新型智能计算模型，取代传统点计算模式，显著提升计算的效率、鲁棒性和可解释性。报告进一步展示了粒球计算理论在人工智能多个领域，特别是演化计算领域中的研究成果与最新进展。 分论坛三&分论坛四 分论坛三聚焦“大规模分布式演化优化”这一研究方向，由国家级青年人才、科技部重大项目首席、华南理工大学陈伟能教授主持。分论坛四以“大小模型辅助演化优化”为核心议题，由国家级青年人才、华中科技大学李新宇教授主持。 韩红桂教授线上报告 国家杰青、北京工业大学计算机学院院长韩红桂教授线上参会，他的报告聚焦于城市污水处理高效稳定运行面临的挑战，分析了污水处理运行过程中的扰动特征。她介绍了一种鲁棒优化控制方法，通过准确表征扰动引起的优化目标不确定性，抑制扰动对运行性能的影响。该方法有效提升了城市污水处理系统的稳定性和运行效率，为解决实际工程问题提供了新的思路和方法。 王锐教授 国家优青、国防科技大学系统工程学院、装备管理工程系副主任王锐教授的报告聚焦于园区综合能源系统的研究，介绍了如何通过先进的物理信息技术和创新管理模式，整合煤炭、石油、天然气、电能和热能等多种能源，实现异质能源子系统之间的协调规划、优化运行和协同管理，以满足园区“冷、热、电”等多种能源需求。他分享了团队在综合能源系统管理方面的最新研究进展，并重点阐述了高效求解相关系统优化问题的策略设计，为园区能源管理提供了新的思路与方法。 贺喆南教授 国家优青、四川大学发展规划处副处长贺喆南教授的报告聚焦于不确定性扰动下的鲁棒优化问题，提出了变量域修复进化方法和变量域聚合进化方法，分别应对变量扰动和函数扰动下的多目标优化鲁棒性挑战。他还设计了结合时间窗与鲁棒指标的邻域搜索机制，以提升约束扰动下多目标路径规划的可行性与收敛性能。最后，报告提出隐式采样方法，减少鲁棒性评估中的计算资源需求，为鲁棒优化提供了高效解决方案。 高卫峰教授 国家级青年人才、陕西省高层次人才，西安电子科技大学数学与统计学院副院长高卫峰教授的报告聚焦于数据孤岛问题及其对人工智能模型性能的限制，提出了去中心化联邦学习作为解决方案。在通信效率、数据异质性和不完善通信等挑战下，他介绍了降低通信成本并提升模型性能的 DeProFL 框架，以及应对数据异质性和不完善通信的鲁棒算法 DFLGM。理论与实验结果表明，这些方法在准确性和收敛速度上均优于传统集中式联邦学习。未来，他将进一步探索异步通信协议下的去中心化联邦学习。 王勇教授 教育部青年长江学者、中南大学王勇教授的报告聚焦于昂贵优化问题，这类问题因目标函数和约束条件计算耗时而具有显著挑战。他介绍了代理辅助进化算法，通过使用代理模型替代部分耗时的适应值评估，显著降低计算时间。报告还展示了该算法在多目标、多约束等复杂优化问题中的研究进展，以及其在汽车轻量化设计中的初步应用成果。 杨翠娥教授 国家级青年人才、东北大学杨翠娥教授的报告聚焦于复杂工业系统中的优化挑战，这些系统因强非线性、变量耦合和不确定性使得传统智能优化方法面临困难。她又介绍了迁移智能优化算法，通过迁移学习将已知问题中的知识转移到相关的新问题中，从而有效提升算法的泛化能力，减少计算资源需求。报告重点分享了如何挖掘、迁移和利用知识，以及迁移智能优化算法在复杂工业系统优化中的实际应用。 田野教授 安徽省杰青、安徽大学田野教授的报告针对超大规模二进制优化问题中收敛慢和计算代价高的难题，提出了一种基于神经网络降维的二进制进化算法。该方法通过神经网络建立问题数据集与单个解的映射关系，将超大规模二进制变量优化任务转化为小规模连续权值的优化任务，无需训练即可有效应对样本不足的问题。实验结果表明，在拥有一千万变量的优化问题中，本算法在有限函数评价次数下展现了显著的性能和效率优势。 杜文莉教授报告（由杭州师范大学王新杰教授代讲） 国家杰青、华东理工大学校长助理杜文莉教授的报告（由杭州师范大学王新杰教授代讲）聚焦于工业智能技术，通过融合流程制造机理与工业互联网、人工智能等现代信息技术，实现从化学品研发到流程设计、运行及安全管控的全链条协同优化。他分析了通用大模型与领域小模型的融合思路，并结合化工新材料研发、全流程数字孪生、运行过程优化调控等案例，展示了新一代生成式人工智能在工业运行中的潜力。最后，报告探讨了低碳流程柔性化设计与智能调控的发展方向。 结语 本次CCF-AI演化计算学组成立大会暨2025年演化计算前沿论坛在西湖大学圆满落下帷幕。会上，精彩的专家报告与热烈的讨论不仅加深了我们对演化计算这一领域的理解，更为其未来的发展指明了方向。此次盛会促进了演化计算技术在不同学科间的交叉应用与深度融合，激发了跨领域创新的无限可能。 怀着对未来满满的期待，我们翘首以盼下一届论坛的到来。愿那时，各位专家学者能够再次齐聚一堂，共同致力于科研协作、项目合作及人才互动的新篇章，为我们的研究工作注入新的活力。让我们携手共建一个更加广阔、更具活力的国际学术交流与合作平台，共同探索科技前沿，推动科学进步，创造更加美好的明天。 感谢每一位参与者的贡献，是你们的热情与智慧照亮了前行的道路。
上一篇
