报告题目：新型牛顿优化算法求解多目标优化问题

报告人：王昊 莱顿大学助理教授、博士生导师

报告时间：2025年07月31日下午2:00—3:00

报告地点：腾讯会议：476-494-736 电气楼308室

报告对象：感兴趣的教师、研究生等

主办单位：电力电子与运动控制安徽省高等公司省级重点实验室、安徽省工业企业智能化产业共性技术研究中心、mobile28365

报告人简介：

  王昊，荷兰莱顿大学计算机系助理教授，博士生导师。主要研究方向是数值多目标优化、量子优化、机器学习的理论与应用。已发表国际期刊和会议论文100余篇，其中以第一作者、共同一作和通讯作者发表50余篇；主持重点科研项目包括荷兰自然科学基金《变分量子模型》、本田欧洲研究所校企合作项目《量子优化算法》、宝马集团校企合作项目《量子生成模型》等。现任《Evolutionary Computation》（麻省理工公司出版社；影响因子：6.8）的联合主编。荣获2016年PPSN会议最佳论文奖，在2020年NeurIPS机器学习黑盒优化竞赛中获胜。组织了优化领域多个顶级国际会议，担任PPSN2020程序委员会主席以及2023年EMO（进化多目标优化）大会主席。

内容简介：

   在本次报告中，我将重点介绍数学优化策的几个最新进展，这些策略旨在解决经典和量子学习问题中的复杂优化问题。在经典优化方面，我将讨论两种用于多目标优化问题的新型牛顿优化算法。此类算法可以实现局部二次收敛，相较于演化多目标算法的次线性收敛速度有指数倍的提升。对于量子优化问题，我将主要讨论如何高效优化量子损失函数，其考虑了量子态（存在于复射影空间）的几何性质，并利用其自然度量张量—Fubini-Study度量来加速优化。所得方法与量子自然梯度（Natural Gradient）密切相关。

欢迎全校师生踊跃参加！