近日，計通學院在彭家坪校區敦雅樓D201順利舉辦了兩場學術報告會。學院朱寧寧副教授與梁浩鵬博士分別圍繞“學習型智能優化算法在生產調度系統中的應用”與“旋轉機械故障診斷研究成果分享及研究發展方向”兩大主題，分享了他們的最新研究成果與未來展望，報告會吸引眾多研究生參加。
報告會上，朱寧寧副教授詳細介紹了如何設計能夠根據環境自適應調整、快速響應的復雜系統，以及學習與反饋驅動的智能優化算法。她提出，通過融合模型與數據、結合智能算法與領域知識，可設計出具有自適應性、快速響應能力的智能優化系統。其團隊研發的“分層強化學習引導的超啟發式算法框架”成為亮點，該框架通過將分層強化學習引導的超啟發式作為算法推薦器選擇底層算法，基于動態信息崎嶇度的自適應分類引入上層強化學習，確定問題的復雜程度決策動作，再基于知識的在線色散度量區分詳細的地形特征，為下層強化學習空間配置算法，將種群的實時進化成功率和收斂率作為分層強化學習的動態獎勵機制，并且設計三種動作選擇策略避免早然收斂，顯著提升了生產調度效率。
梁浩鵬博士長期致力于AIGC（生成式人工智能）和工業數據分析等領域的研究，重點聚焦AIGC模型優化、工業故障診斷、多模態信息融合、視頻目標跟蹤等方向。報告會上，他圍繞“旋轉機械故障診斷研究成果分享及研究發展方向”主題展開報告，展示了旋轉機械故障診斷研究的重要意義和工程價值，詳細剖析了在實際故障診斷過程中所面臨的挑戰與難題，分享了在噪聲環境故障診斷、小樣本故障數據擴充、壽命預測等領域具有極高創新性與實用價值的研究成果，展望了旋轉機械故障診斷領域未來的研究方向，包括物理神經網絡、預訓練大模型微調等前沿研究方法。
此次學術報告拓寬了同學們在智能優化算法及生產調度系統應用方面的學術視野，激發了同學們對相關領域研究的興趣和熱情，對推動學院的學術研究和學科發展起到了積極的促進作用。（圖/文：劉鵬程；審核：郭備)
甘公網安備 62010002000207號