专逐智能优化 点亮未来科研——记北京邮电大学理学院赵新超教授

当今时代，信息技术的快速发展正在加速改变社会和全面融入各种生产生活，推动各产业各环节发生深刻变革。以数字化、网络化、智能化为特征的信息化浪潮方兴未艾，信息技术日新月异，信息技术与各行业不断深度融合，促进信息产业价值链提升，提高经济社会发展质量和效益。最优化方法主要运用数学方法研究各种系统的优化途径及方案，运用最新科技手段和处理方法，针对所研究的系统问题，发现一个合理运用人力、物力和财力的最佳分配方案，发挥和提高系统整体的效能及效益，使系统达到总体最优，从而为系统提出设计、施工、管理、运行的最优方案，为决策者提供科学决策的依据。群智能优化算法是模拟自然界中蚁群、鸟群和蜂群等生物群体群体行为，利用群体间的信息交流与进化协作，通过简单有限的个体间互动达到个体学习、群体进化和性能提升的目的。这些群体系统仅依赖简单个体与简单的规则进行自我学习与演化，具有更强的鲁棒性、稳定性和适应性，对复杂优化问题适用范围广泛，往往能更有效的获得复杂昂贵优化问题的满意解（集）。

中国科学院数学与系统科学研究院博士、北京邮电大学理学院教授赵新超老师，就长期从事群体智能、运筹优化、大数据分析等研究工作，在智能优化和人工智能基础等领域发表学术论文一百余篇，先后主持5项国家及省部级自然科学基金项目，在智能优化算法设计、算法执行机理分析、问题模型与特征分析、群智能优化算法研究与设计、群智能优化与经典最优化方法和多元统计方法等交叉科学领域取得一系列初步的创新性成果。

独辟蹊径 创新智能优化

群体智能（Swarm Intelligence， SI）是一类启发于自然规律和社会系统的群体优化算法的总体，是研究由大量简单个体构成的群体系统的学科，优化问题的基础性能够较为直观地体现群体方法的理论特性，辅助其理论研究和应用价值，进一步推动了群体智能算法的发展。与传统的优化算法相比，基于仿生学的群体智能优化算法本质上是一种基于随机机制的概率并行搜索算法，其搜索过程更具鲁棒性，能更有效地搜索复杂优化问题的全局最优解或满意解（集）。

从求学时期，赵新超就对于数学十分感兴趣，问题的求解和研究过程中能够获得很大的成就感，从大学到博士研究生阶段，他学习的专业分别是数学教育、基础数学和应用数学。进入博士阶段学习后，他开始接触到进化计算和智能优化算法领域，展开了该学术方向的研究。在长期研究中，他逐渐认识到数学建模是科学问题研究的核心，而算法设计是优化搜索和问题求解的基石，好的算法设计可以将优化问题求解提高到一个更高的层次。随着对进化计算和智能优化算法领域了解的加深和更多的感悟，赵新超最终确定了群智能优化作为自己的研究方向。

赵新超介绍说，群体智能源于对以蚂蚁、蜜蜂等为代表的简单社会性昆虫的群体行为的研究，主要是模拟了大自然的规律和自然界简单动物的集群和协作行为，群居性生物通过协作表现出的宏观智能行为特征。群体智能算法主要有粒子群优化算法（PSO）、蚁群优化算法（ACO）、人工蜂群优化算法（ABC）、萤火虫算法（FA）和灰狼优化算法（GWO）等。这些个体按照一定的简单规则和合作方式寻找食物以提升群体和环境的适应性，群体中每个成员通过学习它自身和其他成员的经验来不断改变搜索的方向，而群体依据“群体选择、适者生存”的进化准则逐步提升群体平均性能和算法求解能力，任何一种由简单个体和群体社会协作行为机制激发设计出的算法或者分布式解释问题的策略均属于群体智能，群体智能是把具有简单智能水平的个体通过组织、学习、协作、竞争的方式表现出群体智能行为。

好的算法不是凭空想出来的，需要经年累月的思考、沉淀和由此迸发的创新，传统的群智能算法在解决复杂优化问题中存在很多不足，一直以来，赵新超老师都在带着自己的研究小组寻求新型的群智能算法设计、算法搜索机制的有效性分析和应用性研究探索，不断开拓创新调整研究思路和方法，探讨多学科跨领域研究的交叉融合。2014和2020年，赵新超主持了国家自然科学基金项目，研究了经典优化方法、多元统计分析和群智能优化算法的交叉融合研究，对于群智能优化算法与数学规划领域里的经典最优化算法、随机分析和数据分析方向融合方面做了一些初步尝试。

赵新超在群智能优化、多元统计数据分析、最优化理论与算法等领域丰富的科研经历和知识体系基础上，带领团队从多元数据分析和经典优化的视角研究了数据驱动的群智能优化算法。由于群智能算法有算法的多面性和多领域的适应性，每一面都有其不同的应用领域，赵新超带领团队以不同的数据分析方法、经典优化思想和群智能优化算法的交叉融合为研究核心，在算法样本搜索数据的统计特征导引的群智能算法内在搜索机理研究、样本协方差矩阵驱动的导引方向研究、搜索方向的拟协方差矩阵驱动的二阶群智能优化算法模型和机理分析等方面开展了持续深入的研究。

目前，赵新超已经主持了多项国家自然科学基金项目对相关问题系统的开展研究，而且取得了一些初步的科研结果，有望促进群智能优化、多元数据分析和最优化理论与方法的学科交叉融合和拓展群智能优化算法领域的新研究。

开创未来 助力现代科技

目前，群体智能作为引领现代科技潮流的研究热点之一，逐渐吸引过来世界各国相关研究方向和行业领域的关注。经过近30年的研究与发展，群智能算法本身的研究领域和应用领域越来越广，群智能算法本身具有算法执行鲁棒性、搜索自组织性、应用灵活性等优点，但现实问题的大规模、非线性、强约束、多目标和不确定等诸多复杂性对基于数学模型和解析理论的经典优化方法提出巨大挑战，对问题求解实现全局、高效、鲁棒优化求解同样挑战巨大。模型分析与数据解析的融合、知识驱动与群体智能的协作、机器学习与运筹优化的协同，有望成为智能优化方法设计的潜在有效途径。

长期以来，赵新超将智能优化算法与传统优化方法结合，为更好地运用到多智能系统当中，为实现多智能平台系统的高效调度配合，提供更加优质的技术和方法，包括非线性优化、约束和多目标优化的模型分析与算法求解；群智能优化与数学模型和数学知识结合的混合算法研究；运筹优化在投资组合和云资源调度中的应用研究等。

赵新超认为，群智能优化领域在改进和提升现有算法性能表现的同时，不断地将不同方法进行协作融合、取长补短，在提高算法性能的同时能够从数学理论上分析算法的执行机理；在研究算法理论基础的同时，将算法应用于不同行业的优化问题，并在实际问题求解中发现问题和不足，从而反过来对算法设计、搜索过程执行机理分析和可解释性提出新的问题和挑战。

教书育人 培养创新人才

除了学术研究，作为一名大学教授，赵新超还承担着为我国群体智能和运筹优化的科研领域培养人才的重任，他在教学中，始终以最新研究成果讲解知识，培养学生的先进研究意识和思维，并注重培养学生的积极性和独立自主性，这样才培养出具有独立思考能力和创新精神的人才，成为肩负起我国未来发展的科研力量。

赵新超老师带领其博士和硕士研究生，聚焦群体智能、运筹优化以及有关应用等交叉科学领域的关键问题进行了深入科学探索和研究，始终践行为党育人、为国育才的培养理念，贯彻三全育人、立德树人方针，努力践行习近平总书记提出的“四有好老师”，本着习近平总书记提出的培养什么人、怎样培养人、为谁培养人”这一根本性问题，培养立志为中国特色社会主义事业奋斗终身的有用人才。

对接国家战略，服务海南自贸港建设，北京邮电大学与英国伦敦玛丽女王大学在陵水黎安国际教育创新试验区设立中外合作办学机构，2022年9月海南学院中外合作办学“信息与计算科学专业”首届本科生顺利开学，本人常驻海南陵水国际教育创新试验区北邮海南校区从事教学相关事务和承担数学类课程。

“一个人遇到好老师是人生的幸运，一个学校拥有好老师是学校的光荣，一个民族源源不断涌现出一批又一批好老师则是民族的希望。” 面对新时代新形势对教育提出的新要求和新问题，赵新超深刻知道，当今信息时代，在互联网、大数据等等渗透下，漫漫师者路，路遥常探索，群智能优化算法不断面临新的挑战，这就要求研究人员与一线教师与时代同步、铸当代情怀。而他将在这条教研路上披荆斩棘、不畏艰难、勇往直前，为推动我国现代科技的快速发展和人才培养贡献微薄的力量。