2026年4月30日上午，威廉希尔官网在图书馆南馆518会议室举办高水平学术报告会。IEEE、IET、IAPR 会士，四川大学讲席教授、美国俄克拉荷马州立大学 Regents Professor Gary G. Yen 博士应邀作题为《Generative Model-based Large-scale Dynamic Multiobjective Optimization》的学术报告，系统阐述了生成模型与大规模动态多目标优化交叉领域的最新研究进展与前沿思考。
Gary G. Yen 博士于1992年获美国圣母大学电气与计算机工程博士学位，长期深耕智能控制、计算智能与进化多目标优化等方向，学术积淀深厚。他曾任多个 IEEE 汇刊副编辑，创办并担任《IEEE Computational Intelligence Magazine》创刊主编，出任 IEEE 计算智能学会主席，并多次获选 IEEE 杰出讲师，先后荣获 Andrew P. Sage 最佳汇刊论文奖、杰出服务奖等多项国际重要学术荣誉，在国际计算智能领域享有广泛学术影响力。
报告围绕大规模动态多目标优化问题（LSDMOPs）展开。Yen 博士指出，该类问题将传统动态多目标优化拓展至高维决策空间，密切契合复杂动态系统的现实需求。他以天然气管道经济控制、5G 网络动态资源分配、无人机集群救援调度和大规模动态车辆路径规划等典型场景为例，阐释 LSDMOPs 所具备的决策变量维度高、环境动态变化、优化目标相互制约等核心特征，并分析指出，当前算法在数据稀缺、环境预测困难以及大规模搜索空间等方面仍面临严峻挑战，性能瓶颈明显。
针对上述难题，Yen 博士团队提出了基于扩散学习的进化优化框架。该框架利用种群进化轨迹构建监督数据，设计轨迹对齐损失函数，将优化迭代与扩散去噪过程有效关联，使模型能够学习最优区域的变化规律，从而精准生成通向 Pareto 最优解的优化路径。在此基础上，报告还进一步介绍了融合对抗自编码器与大语言模型的进化优化框架，展示了深度生成建模与进化算法深度融合的创新思路。实验结果表明，在10维至1000维的大规模问题中，所提方法在解的质量与计算效率方面均显著优于当前国际先进方法。
报告结束后，与会师生围绕模型训练策略、算法工程落地与实际应用场景等问题，与 Yen 博士进行了深入交流与讨论，现场学术氛围浓厚。此次报告为威廉希尔官网师生带来了计算智能与多目标优化领域的国际前沿理念，有力促进了校内外学术对话，也对推动相关团队建设与科研创新具有积极意义。
活动现场。刘燕芳 （摄）
撰稿：刘燕芳
审核：叶春杨
终审：王红英
海大公众号
公司公众号