2021年12月30日（星期四）上午10点，数学科学学院邀请台湾科技大学苏顺丰教授在我校西校区A201会议室做了一场题为《Optimization: Non-Derivative Approaches》的报告。由于疫情原因，此次报告通过腾讯会议线上举行。除了复杂系统智能分析与控制团队的老师和研究生外，多所高校的老师和同学也在线上参加了这场精彩的报告。
报告中，苏顺丰教授指出优化是许多涉及决策或在各种研究问题中找到好的解决方案的核心，进而提出了一些关于优化的基本概念和想法。其次介绍了一组优化技术：非微分型优化，如遗传算法，蚁群系统，和特殊的群优化。非微分型优化也称为进化计算、自然启发算法或元启发式算法。强调这类算法的一个重要性质是：过程中不需要目标函数的辅助形式，如导数等，更像是一种搜索算法，并且该搜索过程是利用从以前的搜索中获得的经验和一些随机的搜索机制来找到下一个候选对象。同时指出传统的优化方法是好的，但只限于在数学形式是真实的、可以操纵的情况下。最后强调非微分型优化是一种很好的优化技术，但需要根据所面临的问题调整方法。报告结束后，苏顺丰教授认真回答了在场师生的提问，为老师和同学们提供了新的研究视角，大家受益匪浅。
报告中，苏顺丰教授指出优化是许多涉及决策或在各种研究问题中找到好的解决方案的核心，进而提出了一些关于优化的基本概念和想法。其次介绍了一组优化技术：非微分型优化，如遗传算法，蚁群系统，和特殊的群优化。非微分型优化也称为进化计算、自然启发算法或元启发式算法。强调这类算法的一个重要性质是：过程中不需要目标函数的辅助形式，如导数等，更像是一种搜索算法，并且该搜索过程是利用从以前的搜索中获得的经验和一些随机的搜索机制来找到下一个候选对象。同时指出传统的优化方法是好的，但只限于在数学形式是真实的、可以操纵的情况下。最后强调非微分型优化是一种很好的优化技术，但需要根据所面临的问题调整方法。报告结束后，苏顺丰教授认真回答了在场师生的提问，为老师和同学们提供了新的研究视角，大家受益匪浅。
苏教授积极参加各种国内/国际专业协会。现为IEEE SMC协会的杰出讲师项目主席，也是该协会的政府委员会成员，还担任多个学术协会的委员会成员以及许多国内和国际会议的总主席、项目主席等职位。目前担任IEEE Transactions on Cybernetics和Information Science的副主编，IEEE Access高级主编和副主编，Journal of the Chinese Institute of Engineers执行主编，以及International Journal of Fuzzy Systems区域主编和副主编。
(审核 孙伟)
