导语


外卖派送、物流规划、垃圾回收到机器人调度，本质上都离不开路径优化这类组合优化问题。面对规模大、约束多、变化快的现实场景，计算智能已成为主流工具，其中进化计算等群体智能方法擅长全局搜索，强化学习等个体智能方法更适合从交互中学策略。本报告将对比两类方法在路径优化中的优势与局限，梳理典型算法的设计思路与关键科学问题，并进一步讨论两者融合以兼顾求解质量与适应性的可能路径。

图片





内容简介




路径优化问题是一类典型的组合优化问题，例如旅行商问题，车辆路径问题，机器人任务分配与调度问题，在现实生活中拥有很多典型的应用，例如外卖派送、物流规划、垃圾回收等。计算智能方法，特别是基于群体智能的进化计算方法和基于个体智能的强化学习方法，目前已经成为解决此类问题的主流。本报告将探讨两种不同的计算智能方法在求解路径优化问题时的优劣势，相关算法的设计思路，以及主要关注的科学问题。最后探讨两种方法相结合的可能性。





分享大纲




内容1：算法与问题相关概念及边界定义

内容1.1：算法相关概念介绍，优化vs学习，进化计算、强化学习、元启发、超启发

内容1.2：问题相关概念介绍，静态vs动态，TSP、VRP、MRTA


内容2：进化计算求解路径优化问题研究

内容2.1：蚁群优化算法求解电动车路径优化问题

内容2.2：粒子群优化算法求解多机器人任务分配与调度问题

内容2.3：遗传规划算法求解动态不确定性路径优化问题


内容3：深度强化学习求解路径优化问题研究

内容3.1：基本的深度强化学习求解路径优化问题框架

内容3.2：增强所训练模型的跨规模与跨分布泛化能力

内容3.3：增强所训练模型的跨问题泛化能力


内容4：群体智能与强化学习结合的协同范式

内容4.1：多种范式的可能性

内容4.2：双向协同的进化强化学习

内容4.3：总结与展望





核心概念




  • 路径优化 Path Optimization

  • 组合优化 Combinatorial Optimization

  • 旅行商问题 TSP

  • 车辆路径问题 VRP

  • 机器人任务分配与调度 Robot Task Allocation and Scheduling

  • 进化计算 Evolutionary Computation

  • 强化学习 Reinforcement Learning

  • 计算智能融合 Hybrid Computational Intelligence





主讲人介绍




主讲人：贾亚晖，华南理工大学未来技术学院副教授，博导，广东省珠江人才引进团队骨干，IEEE CIS Taskforce on Evolutionary Scheduling and Combinatorial Optimization组长，CCF协同计算专委会委员。曾担任新西兰惠灵顿维多利亚大学博士后研究员。主要研究方向为智能优化算法，包括进化计算、深度强化学习及其在智慧交通和智慧能源方面的应用，在包括IEEE TEVC, TCYB, TNNLS, WCCI等国际著名期刊和重要国际会议发表论文40余篇。担任Journal of Renewable and Sustainable Energy副编辑。





参考文献




  1. Jia Y H, Mei Y, Zhang M. A bilevel ant colony optimization algorithm for capacitated electric vehicle routing problem[J]. IEEE transactions on cybernetics, 2021, 52(10): 10855-10868.

  2. Wang Y, Jia Y H, Chen W N, et al. Distance-aware attention reshaping for enhancing generalization of neural solvers[J]. IEEE Transactions on Neural Networks and Learning Systems, 2025.

  3. Zheng K, Jia Y H, Ye K, et al. Strategic Evolutionary Reinforcement Learning With Operator Selection and Experience Filter[J]. IEEE Transactions on Neural Networks and Learning Systems, 2025.





报名读书会：

「群体智能：从自然涌现到人机共创」




集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等学者，共同发起本次「群体智能」读书会，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。读书会自2026年1月24日开始，安排在每周六下午 14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。


视频号直播预约：

报名方式：

第一步：微信扫码填写报名信息。

（扫码报名）

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和群体智能相关问题的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。


加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。


推荐阅读

从鸟群到大脑：因果涌现能解释什么？ | 科普专访

细胞世界的“高速公路”：揭秘微小纹路如何让混乱的细胞群自发排队，走向有序公路

蚁迹寻踪——20年前的模拟程序重新登上集智百科了！丨集智百科

强化学习能否提高群体稳定合作的可能性？

空域的涌现：集群 | 涌现动力学第六课

萤火虫的同步闪烁：随机中怎样涌现出秩序？

人潮汹涌化“群旋”？科学家揭秘大型人群的“集群涡旋”之谜

蚂蚁组团更聪明？人类团队有时反而“拖后腿”！

复杂网络上的自组织与集体行为：从扩散、相变到博弈 | 读书会启动

羊的物理学——从相变到集体运动

PRE 速递：水母的群体相干机制


点击“阅读原文”，报名读书会

内容中包含的图片若涉及版权问题，请及时与我们联系删除