港嶺大鄺得互教授優(yōu)化AI效能獲《IEEE進(jìn)化計(jì)算匯刊》杰出論文獎(jiǎng)

嶺南大學(xué)（嶺大）協(xié)理副校長（策略型研究）鄺得互教授

人工智能（AI）研究領(lǐng)域頂尖學(xué)者、嶺南大學(xué)（嶺大）協(xié)理副校長（策略型研究）、研究生院院長、利榮康計(jì)算智能學(xué)講座教授鄺得互教授，與國際科研團(tuán)隊(duì)合作撰寫的論文《利用學(xué)習(xí)提升演化算法效能的優(yōu)化研究》（Learning-Aided Evolution for Optimization），榮獲2026年度《IEEE進(jìn)化計(jì)算匯刊》杰出論文獎(jiǎng)（2026 IEEE Transactions on Evolutionary Computation Outstanding Paper Award），成為該年度唯一獲獎(jiǎng)的論文。該獎(jiǎng)項(xiàng)由電機(jī)電子工程師學(xué)會(huì)（IEEE）計(jì)算智能學(xué)會(huì)設(shè)立，而該期刊于全球知名學(xué)術(shù)引文索引資料庫平臺(tái)Web of Science的計(jì)算機(jī)科學(xué)及人工智能類別204份期刊中，排名第11位，充分肯定鄺教授在演化計(jì)算與AI領(lǐng)域的領(lǐng)先地位。

該獲獎(jiǎng)?wù)撐挠?023年發(fā)表，突破性地提出在AI的傳統(tǒng)演化算法中，加入「學(xué)習(xí)」元素，使AI在復(fù)雜的情境下能夠更快、更準(zhǔn)確地尋找最佳解決方案。研究團(tuán)隊(duì)設(shè)計(jì)的新方法?「以學(xué)習(xí)輔助的演化算法」，能讓人工神經(jīng)網(wǎng)絡(luò)從演化過程中的「成功經(jīng)驗(yàn)」學(xué)習(xí)，觀察哪些方案比舊方案更好，并將這些經(jīng)驗(yàn)記錄下來，供未來參考，使演化算法不再單靠「隨機(jī)變異」，而是能借助汲取過往經(jīng)驗(yàn)來提高效率。

為驗(yàn)證新方法的效能，研究團(tuán)隊(duì)曾在不同國際標(biāo)準(zhǔn)測試平臺(tái)進(jìn)行比較。結(jié)果顯示，無論在處理單一目標(biāo)或同時(shí)要應(yīng)付多個(gè)目標(biāo)等復(fù)雜情境下，新方法（以學(xué)習(xí)輔助的演化算法）的整體表現(xiàn)均優(yōu)于傳統(tǒng)方法，有效提升效率和準(zhǔn)確度。在處理復(fù)雜問題時(shí)亦展現(xiàn)出更高效和準(zhǔn)確度。該創(chuàng)新方案于2023年屬于高度前瞻性的概念，隨著近年AI應(yīng)用迅速發(fā)展，有關(guān)概念正延伸至多個(gè)涉及復(fù)雜計(jì)算的潛在應(yīng)用，涵蓋交通規(guī)劃、智能制造、藥物研發(fā)及綠色能源等領(lǐng)域，具有廣泛的應(yīng)用潛力。

鄺得互教授表示：「全球社會(huì)和產(chǎn)業(yè)面臨越來越多需要快速計(jì)算和精確預(yù)測，但傳統(tǒng)的演化算法面對(duì)龐大數(shù)據(jù)或多目標(biāo)情境時(shí)，計(jì)算效率往往受到限制。研究團(tuán)隊(duì)提出的創(chuàng)新解決方案，旨在讓人工智能從過往經(jīng)驗(yàn)中學(xué)習(xí)，令演化演算法少走『冤枉路』，更快找到高質(zhì)素方案，并以更高效率解決難題。在科技迅速迭代的今天，這一理念已逐漸成為AI應(yīng)用的重要方法，成果令人振奮。這項(xiàng)國際殊榮不僅是對(duì)研究團(tuán)隊(duì)努力的肯定，更助力鞏固香港在AI研究方面的國際領(lǐng)先地位，為人類社會(huì)創(chuàng)造長遠(yuǎn)而積極的影響。」

《利用學(xué)習(xí)提升演化算法效能的優(yōu)化研究》由南開大學(xué)人工智能學(xué)院詹志輝教授和黎建宇博士、嶺南大學(xué)鄺得互教授，以及漢陽大學(xué)張軍教授共同撰寫。