近日2024 IEEE Computational Intelligence Magazine杰出论文奖（IEEE Computational Intelligence Magazine Outstanding Paper Award）评审委员会决定将该奖项颁发给我院冯亮教授和香港理工大学Kay Chen Tan教授、厦门大学江敏教授三人合作论文“Evolutionary Transfer Optimization – A New Frontier in Evolutionary Computation Research”。
近年来，研究人员对进化迁移优化（Evolutionary Transfer Optimization， ETO）越来越感兴趣：这是一种将进化计算求解器、相关领域的知识学习和迁移相结合的范式，其目的是实现更好的优化效率和性能。这篇论文根据所解决的问题类型，全面地概述了ETO的现有工作，包括面向不确定环境下优化、多任务优化、昂贵优化、多目标优化和面向机器学习应用的迁移优化。该论文作者还从自身研究出发，讨论了这一新兴研究领域所面临的一些挑战，并指出了未来有潜力的研究方向。
图1. 已有进化迁移优化方法分类
IEEE Computational Intelligence Magazine是IEEE计算智能学会会刊，中科院一区，以发表计算智能领域新颖发现、重要理论或高质量综述论文而受到研究学者尊重。该奖项每年颁发一次，由独立委员会从学界影响力、引用数等多方面进行评判，颁发给3年前发表在期刊的正式长文。该论文为今年唯一获该奖项论文。
参考文献：
K. C. Tan, L. Feng and M. Jiang, "Evolutionary Transfer Optimization - A New Frontier in Evolutionary Computation Research," in IEEE Computational Intelligence Magazine, vol. 16, no. 1, pp. 22-33, Feb. 2021, doi: 10.1109/MCI.2020.3039066.
