日前，岭南大学协理副校长（策略型研究）、研究生院院长、利荣康计算智能学讲座教授邝得互与国际科研团队合作撰写的论文《利用学习提升演化算法效能的优化研究》获得2026年度《IEEE进化计算汇刊》杰出论文奖（2026 IEEE Transactions on Evolutionary Computation Outstanding Paper Award），成为该年度唯一获奖的论文。

岭南大学校园图景 受访者 供图

该论文于2023年发表，突破性地提出在AI的传统演化算法中加入“学习”元素，使AI在复杂的情境下能够更快、更准确地寻找最佳解决方案。研究团队设计的新方法——“以学习辅助的演化算法”能让人工神经网络从演化过程中的成功经验中学习，观察哪些方案比旧方案更好，并将这些经验记录下来，供未来参考，使演化算法不再单靠“随机变异”，而是能借助汲取过往经验来提高效率。

为验证新方法的效能，研究团队曾在不同国际标准测试平台进行比较。结果显示，无论在处理单一目标还是在同时要应付多个目标的复杂情境下，“以学习辅助的演化算法”的整体表现均优于传统方法，有效提升了效率和准确度。在处理复杂问题时，该方法亦展现出更高效和准确度。

该创新方案在2023年属于高度前瞻性的概念，而随着近年AI应用迅速发展，有关概念正延伸至多个涉及复杂计算的潜在应用，涵盖交通规划、智能制造、药物研发及绿色能源等领域。

“全球社会和产业面临越来越多需要快速计算和精确预测，但传统的演化算法面对庞大数据或多目标情境时，计算效率往往受到限制。”邝得互表示，“以学习辅助的演化算法”旨在让人工智能从过往经验中学习，令演化算法少走“冤枉路”，更快找到高质量方案，并以更高效率解决难题。在科技迅速迭代的今天，这一理念已逐渐成为AI应用的重要方法。

《IEEE进化计算汇刊》杰出论文奖由电机电子工程师学会（IEEE）计算智能学会设立，该期刊于全球知名学术引文索引数据库平台Web of Science的计算机科学及人工智能类别共204份期刊中排名第11位。

南方+记者 黄子欣