本人所在研究小组关注软件工程、化学工程、机器学习等领域的优化问题。更多案例可参阅导师李密青博士的应用研究页面。

产业与应用

本人的研究聚焦于多目标优化，即处理多个相互冲突目标的方法。例如，汽车设计希望同时提高性能并降低能耗；投资组合管理则要在收益与风险之间取得平衡。多目标算法会寻找一组优秀的折中方案，让决策者能够透明地比较不同选择。

现代复杂系统往往无法只优化一个目标，因此多目标优化已用于人工智能、机器学习、环境保护、医疗等诸多领域。例如：

  1. 工程设计：Samuel Daulton 等人将多目标贝叶斯优化用于光学显示设计，同时平衡显示性能与能源消耗。1
  2. 机器学习：Suyun Liu 和 Luis Nunes Vicente 展示了随机多梯度方法在监督学习中的应用，用于平衡预测表现与计算复杂度。2
  3. 能源与环境管理：Noor A. Rashed 等人的综述说明，成本、排放与资源利用率等目标可以联合优化，从而支持更可持续的决策。3

科研介绍

多目标问题、问题特性分析，以及有限资源下有针对性的算法设计。

了解更多

应用场景

多目标优化在工程、设计、机器学习、调度与其他复杂系统中的应用。

了解更多

博士联盟

举办学术活动、推动成果转化，并连接海内外研究者与机构。

访问网站

参考文献

  1. Daulton, S., Balandat, M., & Bakshy, E. (2021). Multi-Objective Bayesian Optimisation over High-Dimensional Search Spaces. Proceedings of the Neural Information Processing Systems. ↩

  2. Liu, S., & Vicente, L. N. (2019). The Stochastic Multi-Gradient Algorithm for Multi-Objective Optimisation and Its Application to Supervised Machine Learning. SIAM Journal on Optimisation. ↩

  3. Rashed, N. A., et al. (2024). Unraveling the Versatility and Impact of Multi-Objective Optimisation: Algorithms, Applications, and Trends for Solving Complex Real-World Problems. Scientific Reports. ↩