2025年3月25日，广州大学网络空间安全学院“方滨兴院士班”（方班）2024级的学子们齐聚广州大学黄埔校区B1栋109报告厅，迎来了本学期的第二十八期方班前沿秀。本次报告邀请到了网络群体智能算法领域专家、国家优秀青年科学基金获得者、华南理工大学计算机科学与工程学院副院长陈伟能教授作为主讲嘉宾，以“网络群体智能优化及其应用”为主题，为在场的学子们带来了一场深入浅出、精彩纷呈的学术盛宴。

报告整体围绕“网络群体智能优化及其应用”为核心，对群体智能优化的技术展开讨论。他首先向大家介绍了自然界和人类社会中的群体智能，列举了沙丁鱼群逃避鲨鱼、鸟群迁徙、生物演化、粒子运动群体智能的例子，形象地讲解群体智能，使同学们快速理解这个概念。受到群体生物与人类社会启发，我们推演得到群体智能的概念与方法包括蚁群优化和粒子群优化。陈教授指出，这些群体智能优化算法在现实生活中有许多应用，例如众包计算、交通物流、软件开发、科学计算。

接着，陈教授指出群体智能是新一代人工智能的重要方向。从国家层面到技术趋势再到应用层面，群体智能都尤为重要。群体智能方法是汇集群体智慧协同求解大规模复发问题的方法。陈教授指出群体智能的瓶颈问题，群体智能理论尚未完善，存在预知问题、引导问题、可扩展问题。根据以上瓶颈问题，陈教授介绍他们团队参与的“新一代人工智能”重大项目《群智涌现机理与演化计算方法》。重点讲解群体智能在可预知、可引导和可扩展方面的研究。接着，陈教授详细讲解蚁群优化和粒子群优化算法。蚁群优化广泛应用于路由、任务调度、资源分配等组合优化问题；粒子群优化广泛应用于复杂连续优化。陈教授也介绍了生物启发的群体智能优化方法包括模拟生物进化行为的群体进化计算方法和数学模型驱动的群体进化计算方法。陈教授详细讲解了分布式环境的群体智能优化的优势与现状。随着学科发展与国家发展需求，促使传统群体智能优化发展到分布式群体智能优化。

接着，陈教授介绍了许多前沿的群体智能优化方法，例如分布式数据驱动优化和联邦学习数据驱动进化优化，以及边云协同的数据驱动群智进化优化，目标异构的分布式进化优化。陈教授将目前前沿群体智能优化算法都通俗易懂地讲解给我们，使我们对群体智能优化有了整体的了解。

最后，陈教授总结了整个讲座讲授内容，梳理了从研究动机到挑战，再根据挑战讲解了具体研究。陈教授也提出了一些展望，涉及超大规模协作、动态开放环境协作、非合作环境下可引导协作、群体智能安全与隐私保护等。陈教授精彩的讲解，赢得在座师生阵阵热烈的掌声。

报告结束后，陈教授与方班同学们进行了深入的交流讨论，解答了同学们提出的疑问。同学们表示从陈教授的报告和讨论中受益匪浅，对群体智能优化方法也有了更深刻的思考和认识，并对其未来发展充满了期待。

第二十八期方班前沿秀报告圆满落幕。

整理：于仁政 黄河清

校对：王乐老师 鲁辉老师 殷丽华老师

责任编辑：鲁辉老师