“数据与模型融合的智能调度优化”专刊前言  

Special Issue on Data&Model Fused Intelligent Scheduling Optimization Preface

作　　者：王凌[1] 高亮[2] 王锐[3] 

机构地区：[1]清华大学 [2]华中科技大学 [3]国防科技大学

出　　处：《控制理论与应用》2024年第6期957-958,共2页Control Theory & Applications

摘　　要：调度优化问题广泛存在于国防、制造、能源、交通、农业、物流等诸多领域,普遍呈现出非线性、强约束、多目标、不确定、动态等特征,甚至涉及离散与连续变量的联合优化,性能指标的评价很费时.纯粹模型驱动的优化方法受制于建模难、评模难、解模难.传统群体智能优化,则大多遵循种群初始化、交叉变异、个体选择等基本步骤,此类数据驱动的优化方法存在问题特征结合弱、收敛速度慢等缺陷.随着云计算、大数据等信息技术的飞速发展,新一代人工智能注重数据、知识、算力和算法的深度融合,这为智能优化的创新和发展指明了方向.开展数据与模型融合的优化理论分析、算法设计,有助于全面提升算法性能,是新一代智能调度优化发展的重要方向.因此,面向复杂调度优化问题的高效、高质、鲁棒的智能优化理论与方法研究,已成为数学、自动化、计算机、人工智能、工业工程、管理等领域的热点前沿方向.本专刊聚焦数据与模型融合的智能调度优化的最新理论、方法及工程应用,展示智能调度优化的最新研究成果,促进学术创新、学科融合、应用推广,助力“人工智能+”在经济、国防和社会等领域的高质量发展.

关 键 词：模型融合 智能优化 人工智能 种群初始化 信息技术 智能调度 云计算 数据驱动 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]