近日，计通学院在彭家坪校区敦雅楼D201顺利举办了两场学术报告会。学院朱宁宁副教授与梁浩鹏博士分别围绕“学习型智能优化算法在生产调度系统中的应用”与“旋转机械故障诊断研究成果分享及研究发展方向”两大主题，分享了他们的最新研究成果与未来展望，报告会吸引众多研究生踊跃参加。
报告会上，朱宁宁副教授详细介绍了如何设计能够根据环境自适应调整、快速响应的复杂系统，以及学习与反馈驱动的智能优化算法。她提出，通过融合模型与数据、结合智能算法与领域知识，可设计出具有自适应性、快速响应能力的智能优化系统。其团队研发的“分层强化学习引导的超启发式算法框架”成为亮点，该框架通过将分层强化学习引导的超启发式作为算法推荐器选择底层算法，基于动态信息崎岖度的自适应分类引入上层强化学习，确定问题的复杂程度决策动作，再基于知识的在线色散度量区分详细的地形特征，为下层强化学习空间配置算法，将种群的实时进化成功率和收敛率作为分层强化学习的动态奖励机制，并且设计三种动作选择策略避免早然收敛，显著提升了生产调度效率。
梁浩鹏博士长期致力于AIGC（生成式人工智能）和工业数据分析等领域的研究，重点聚焦AIGC模型优化、工业故障诊断、多模态信息融合、视频目标跟踪等方向。报告会上，他围绕“旋转机械故障诊断研究成果分享及研究发展方向”主题展开报告，强调了旋转机械故障诊断研究的重要意义和工程价值，详细剖析了在实际故障诊断过程中所面临的挑战与难题，毫无保留地分享了在噪声环境故障诊断、小样本故障数据扩充、寿命预测等领域具有极高创新性与实用价值的研究成果，展望了旋转机械故障诊断领域未来的研究方向，包括物理神经网络、预训练大模型微调等前沿研究方法，为师生们打开了学术视野。梁浩鹏博士还将自己丰富的科研经验倾囊相授，分享了如何合理利用AI工具辅助科研工作，令在场师生受益匪浅。
此次学术报告拓宽了同学们在智能优化算法及生产调度系统应用方面的学术视野，激发了同学们对相关领域研究的兴趣和热情，对推动学院的学术研究和学科发展起到了积极的促进作用。（图/文：刘鹏程；初审：来明展；终审：郭备)
甘公网安备 62010302000641号
