报告名称：Particle Swarm Optimization Inspired by Lotka-Volterra Model

报 告 人：吴宪祥 副教授

报告时间：2020年12月3日 19：00

报告地点：B5-301

报告人介绍：

吴宪祥（1980-），男，山东省沂水县人，工学博士，副教授，硕士生导师。 2002年7月，获得6165cc金沙总站检测中心自动控制学士学位；2005年3月，获得6165cc金沙总站检测中心模式识别与智能系统硕士学位；2010年3月，获得6165cc金沙总站检测中心电子科学与技术学科电路与系统博士学位；2010年7月，获得副教授职称；2010年12月，晋升硕士生导师；2012年7月-2013年7月，美国印第安纳-普渡大学(IUPUI)访问学者。 主讲4门本科生专业基础课“电路分析基础”、“信号与系统"、“自动控制原理”和“信号与系统综合设计实验”；主讲1门研究生课程“模式识别原理”。 主要从事图像处理、进化计算和智能控制等方面的研究。主持国家自然科学基金1项，中央高校基本科研业务费专项资助2项；参与国家863项目、国家自然基金项目和横向项目等共10余项；发表科研论文30余篇，其中SCI/EI检索20余篇；申请发明专利3项；获省级教学成果二等奖1项，校级教学成果特等奖1项、一等奖1项；2014-2016年连续3年获得6165cc金沙总站检测中心优秀教学质量奖，2015年被评为6165cc金沙总站检测中心优秀共产党员，2016年获全国信号与系统讲课竞赛一等奖，2017年被评为6165cc金沙总站检测中心”毕业生最喜爱的老师“。

报告简介：

粒子群优化算法（Particle Swarm Optimization,PSO）是一种进化计算技术，源于对鸟群捕食的行为研究，基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。PSO优势在于简单容易实现并且没有许多参数的调节,目前广泛应用于函数优化、神经网络训练、非凸优化等领域。粒子群算法面临局部极值、收敛速度和收敛精度等挑战。报告借鉴生物学Lotka-Volterra模型，提出了基于Lotka-Volterra模型的多群协同竞争粒子群优化算法框架(MSLVPSOs)，并探讨其在移动机器人路径规划问题中的应用。