十月中旬，收学院和东莞市重点实验室I4Lab邀请，深圳大学林秋镇教授和马里佳教授，为我们分别作了题为《Multiobjective and Many-objective Optimization using Evolutionary Algorithms》和《基于计算智能的复杂网络信息感知与行为分析》两场学术报告。本次学术报告以线下会议形式举办。
本次报告中，首先由林秋镇教授为我们介绍了多目标优化的相关背景知识，然后介绍了当前多目标进化算法的三大分类。基于这些经典多目标进化算法，紧接着又为我们介绍了一个自组件的进化算法框架，该框架实现了对进化算子的竞争和选择算子的合作机制，把竞争和合作二者相结合，有利于综合各个算子操作的优点。基于当前经典多目标进化算法在求解超多目标优化问题时存在的难题，教授所提出的基于聚类方法的超多目标优化算法，通过进化种群进行聚类操作，可以保持多样性，然后在每个类别中选择一个收敛性最好的个体进行保存，从而达到多样性与收敛性的平衡。这种聚类的进化算法，与当前大多数超多目标进化算法相比，在求解不规则超多目标优化问题时效果显著。
接下来是马里佳教授为我们介绍基于计算智能的复杂网络信息感知与行为分析。马里佳教授指出，负责网络可以通过一种非结构化复杂网络数据形式进行表达。此外，信息存储和感知技术的发展提供了大量可供研究的复杂网络数据。通过对这些数据的鲁棒性理论模型分析、算法设计、以及应用验证等多种分析方法可推动多个学科的综合发展。而后，马里佳教授为我们详细介绍他在复杂网络领域的相关研究，提出通过计算智能方法建模与优化设计，以达到高效求解海量、动态、异质、非结构化网络大数据的信息感知学与行为分析问题，并有效应用于实际大规模复杂系统。
据悉，林秋镇教授，2014年毕业于香港城市大学电子工程系。2013年获得德国DAAD学术访问奖学金，2014年入职深圳大学任讲师，现为深圳大学副教授，被认定为深圳市孔雀计划C类人才。林秋镇教授长期从事安全、多目标优化、计算智能等领域的研究，目前已累计发表SCI检索论文50余篇，其研究成果发表在包括智能计算顶级期刊《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Cybernetics》等知名国际期刊。目前以第一作者或者通讯作者累计发表中科院Top期刊论文15篇，IEEE Trans系列论文12篇。目前主持了国家自然科学基金面上项目、青年科学基金项目，广东省教育厅青年创新人才类项目（自然科学类），深圳市孔雀计划科研启动项目，累计获得400多万科研经费。
马里佳教授，工学博士，深圳大学助理教授，研究生导师。于2015年获西安电子科技大学工学博士学位，先后于英国伯明翰大学项目访问，香港浸会大学与新加坡南洋理工大学博士后研究。多年来从事计算智能、机器学习、复杂网络模式与行为优化等研究。曾获深圳市孔雀C类人才计划、陕西省优秀博士论文、人工智能学会最佳青年科技成果奖。发表相关学术论文50余篇，2篇论文入选ESI高被引论文，1篇论文被选为封面论文， Google学术引用达1410余次，单篇最高引用280次，H-index为18。
