贺喆南
教授、博士生导师
四川大学
.jpg)
四川大学教授，博士生导师，发展规划处副处长。全国工程专业学位研究生教育指导委员会委员主要从事智能学习和优化理论、算法、及应用体系研究。在信息科学全球排名前1%的IEEE汇刊发表影响因子大于 15的论文10余篇，论文入选ESI全球高被引论文，一篇论文于 2019 年被 IEEE 计算智能学会作为“计算智能出版焦点和研究前沿”进行重点推介。主持国家自然科学基金项目、四川省重大科技专项课题、中石油、中国核动力院等国家支柱企业创新基金近10项。受邀担任国际大会特邀讲者、出版委员会主席、特邀分会主席等职务，2017年获得信息科学领域一流期刊IEEE Transactions on Cybernetics 杰出审稿人。在复杂工业过程感知优化决策领域取得重要突破：提出电器产品全生命周期智能调度算法，形成长虹电器智能工厂优化决策系统核心技术，人效、产品质量和设备利用率核心指标提升20%以上。产生经济效益超过1.8亿元；开发鲁棒多目标优化方法，形成核电设备运维优化决策关键技术，被中国核动力研究设计院评价为对实现核电设备优化决策技术自主可控具有重要作用；合作开发基于深度学习的颅面重建方法，从二维计算机断层扫描的颅骨数据中自动复原出颅面图像，被《科技日报》评价为成功实现国际首个颅面重建人脸检索系统。2022年代表四川大学作为秘书单位参与组织编制首个知识图谱领域应用国际标准Guide for Electric-Power-Oriented Knowledge Graph (P2807.3-2022)。
报告题目：《工业过程多场景优化建模和求解》
摘要：工业生产处于开放环境中，受多种不确定因素影响，其中大范围的不确定性扰动会产生单一模型难以刻画环境特征的问题，导致建模求解单一模型得到的解集无实际应用价值。因此，将不确定性环境下多目标优化问题凝练成一组有代表性的离散资源优化场景，提出工业过程多场景优化问题的建模方法和求解算法。（1）多场景优化问题建模：提出开集识别建模算法，设计变分编码器-分类器网络，学习鲁棒的特征分布空间；应用极值理论和熵拟合特征分布和表达不确定性，克服过度自信问题，从而及时捕捉不断产生的新数据模式，以实现对优化问题建模的持续学习。（2）多场景优化问题求解：研究基于知识迁移机制的多场景优化算法，实现不同场景间的协同增效以提升收敛速度，获得适于整个不确定性环境的最优解。