台湾av影片

报告题目：从单一规则到自适应启发式族：集成、任务驱动、偏好驱动与Transformer引导的遗传编程

报告人：许萌 北京理工大学 准聘教授

报告时间：2026年9月16日14:30

报告地点：电气楼304室

报告对象：感兴趣的教师、研究生、本科生等

主办单位：电力电子与运动控制安徽省高等学校省级重点实验室、安徽省工业企业智能化产业共性技术研究中心、台湾av影片

报告人简介：

许萌，北京理工大学，准聘教授，博士生导师，国家级青年人才。2024年毕业于新西兰惠灵顿维多利亚大学，2024年7月至2026年2月于新加坡科技研究局A*STAR和南洋理工大学从事博士后研究，2026年入职北京理工大学自动化台湾av影片。长期从事智能优化调度、进化计算、自动算法设计等相关研究工作。以第一作者发表学术论文20余篇。

内容简介：

动态柔性作业车间调度（DFJSS）通常不存在适用于所有情境的最优启发式方法。在特定工作负载、任务设置或目标偏好下表现良好的规则，可能随环境变化而出现性能下降。本报告探讨遗传编程（GP）如何突破单一调度规则的学习范式，构建更丰富、更具适应性的启发式结构。报告首先介绍集成遗传编程，通过多个启发式规则协作，提高调度决策的稳健性。随后讨论任务感知遗传编程，利用任务信息或描述符，使规则能够在相关任务间自适应。接着介绍偏好感知遗传编程与帕累托解集学习，其目标是学习一组适应不同多目标权衡偏好的启发式规则，而非获得单一固定解。最后展望Transformer引导的遗传编程，利用训练得到的序列模型指导符号启发式搜索，提高搜索效率。上述研究的核心是推动可解释启发式学习从单一规则发现转向自适应规则族设计，兼顾解的多样性、知识迁移与偏好适应。与许多黑箱学习方法相比，这些规则以符号化、可检查的形式表达决策逻辑，更便于人类理解。这一研究方向对于动态调度及其他需要在变化条件下反复作出决策的运营系统具有重要意义。

欢迎全校师生踊跃参加！