广东省数字信号与图像处理技术重点实验室系列学术报告8

主 题：Deep Reinforcement Learning for Routing Problems（深度强化学习求解组合优化问题）

主讲人：王甲海（中山大学计算机学院 教授/博导）

时 间：12月12日（星期六，上午09:30-11:00）

地 点：线上视频形式（腾讯会议平台举行 会议ID：622 279 930）

内容简介：

深度学习、强化学习是人工智能领域的研究热点，发展迅猛。深度强化学习优化方法是基于当前新型的机器学习技术发展而来，可称为基于学习的智能优化算法框架。不同于传统的基于迭代搜索的智能优化算法，基于学习的优化算法用模型来提取问题的特征并从数据中自动学习启发式策略，根据提取到的特征和学到的启发式策略来构造解。这个习得的启发式算法，表示为一个训练好了的模型，可以实现一次（离线）训练多次（在线）求解，其优点为：算法设计的自动性，生成实例解的快速性，求解同类问题的通用性。

基于学习的智能优化算法独辟蹊径，目前取得了令人鼓舞的初步结果，具有较大的发展潜力，有可能在智能优化领域产生比较大的突破。本讲座将介绍相关最新进展。

报告人简介：

王甲海，毕业于富山大学（日本），工学博士，中山大学计算机学院教授/博士生导师，大数据与计算智能研究所所长，研究兴趣包括人工智能（智能优化与学习），大数据分析与挖掘。提出了多种先进智能算法，有效求解复杂优化问题，推动智能优化算法在智慧物流等领域的实际应用；对深度学习有深入研究，并应用于社交网络分析和自然语言处理，研制了舆情分析等实用算法和系统；利用数据驱动的深度学习方法，研究面向城市感知的群智涌现机理与计算方法。在IEEE Transactions，AAAI等国际知名期刊和会议上发表系列文章，主持/完成4项国家自然科学基金和多项省部级基金，主持科技部“新一代人工智能”重大项目课题1项，主持完成军队预先研究项目1项。参与国家自然科学基金联合基金重点项目1项。 2011年获广州市首届珠江科技新星人才专项资助。IEEE高级会员，CCF杰出会员。

同时，王教授将以该报告为例，传授国家基金申报的相关经验。

欢迎工学院的老师、研究生和本科生参加，欢迎其他有兴趣的师生参加！

工学院

2020年12月11日