报告摘要：启发式方法被广泛用于处理复杂的搜索和优化问题。然而，启发式设计的手工设计往往非常繁琐，需要丰富的工作经验和知识。在本次演讲中，将介绍启发式进化（EoH），这是一种利用大语言模型（LLMs）和自动启发式设计（AHD）进化搜索的进化范式。EoH用自然语言表示启发学的思想，称为思想。之后它们被LLMs翻译成可执行代码。进化搜索框架中思想和代码的进化使其在生成高性能启发式方法方面非常有效和高效。三个广泛研究的组合优化基准问题的实验表明，EOH优于常用的手工启发式和其他最近的AHD方法，包括由谷歌Deepmind提出的FunSearch。

 报告人简介：张青富是香港城市大学计算机科学系计算智能讲座教授，IEEE Fellow。主要研究方向包括进化计算、优化、元启发式、机器学习及其应用。香港城市大学的优化和学习研究者负责人。张教授发表的MOEA/D算法在EMO领域得到了广泛的研究，并被应用于工业。曾被8次列为计算机科学领域的高被引用研究人员。 

邀请人：许莹 

联系人：刘佳