十二月上旬，来自郑州大学的梁静教授为我们作了题为《进化优化算法标准测试函数集与CEC算法竞赛》的学术报告。本次学术报告以线上会议形式举办。这个跨越千里的线上报告会，承载着大家对于学术报告会的热情。
在报告会上，梁静教授首先从实际优化问题来引出研究优化理论的挑战，实际优化问题中存在许多问题，如问题种类繁多、场景复杂、最优解未知，无法针对性地测评算法特定方面的性能等等。而往往我们对算法进行测试，来衡量算法的性能，但单个测试问题有很大局限性。针对不同类型的问题，梁静教授以及她的团队为了方便研究人员对算法进行公平的横向比较，鼓励研究者开发更好的优化算法，建立了基准测试问题集。随后梁静教授还指出了单目标优化的原有测试函数的缺点，并介绍了改进测试函数设计方法，通过偏移操作和旋转操作来避免原有测试函数的缺点。改进后的测试函数集更有利于测试一个算法的性能。
然后，梁静教授还对多模态优化测试问题进行了详细介绍。传统多模态测试函数过于简单，维度小且不可变，不同决策变量之间无联系，因此需要设计新型测试函数。针对以上缺点，设计了具有以下特点的新多模态多目标测试问题：目标空间维度均可调、同时具有全局和局部最有PS且个数可调、PF形状多样化。最后，梁静教授还介绍了优化相关的标准测试函数平台。报告提出了的一些改进和创新，为在场的教师和研究生们提供了不少优化算法设计的研究思路。
据悉，梁静教授，博士生导师，现任郑州大学电气工程学院院长，国家优秀青年科学基金获得者，郑州大学计算智能实验室负责人。教育部高等学校科学研究优秀成果奖、河南省科学进步奖、河南省教育厅科技成果奖、2014 IEEE CIS Outstanding PhD Dissertation Award等奖获得者。IEEE Computational Intelligence Magazine, Swarm and Evolutionary Computation的Associate Editor，IEEE Transaction On Evolutionary Computation, IEEE Transactions on Neural Networks等多个JCR一区、二区的国际期刊评审专家。梁静教授的研究方向为进化计算，多模态优化，多目标优化，神经网络，粒子群优化算法，差分进化等。发表论文共计120余篇，其中SCI/EI论文90余篇，JCR 1区论文18篇，截止目前，Google Citation被引用总次数为12000余次，h指数为39。发表的《Comprehensive learning particle swarm optimizer for global optimization of multimodal functions》一文荣登进化计算（Evolutionary Computation）领域十年高被引文章首位，Google Scholar单篇引用频次为3000余次，据web of science数据库统计，来自包括美国、澳大利亚、加拿大、新加坡等14个国家和地区的不同学者直接在该篇文章的基础上进行了算法创新型理论性研究或直接应用型研究，累计延伸出将近120余篇论文。现发表国家发明专利2项，授权软件著作权5项。提出过多种新型群集智能算法并成功地将所提出算法应用于多种实际优化问题，提出的一系列进化算法标准测试函数集在领域内被广泛使用。
