2025年6月16日下午2点，第9期IT讲坛在勤园12-304举行。西班牙Málaga大学终身教授、MIT研究员Jamal Toutouh应邀做题为“Evolutionary Algorithms Supported Decision-Making for Sustainable Cities”的精彩报告。信息学院李秀梅副院长主持讲座，计算机系主任盛伟国教授等与会，研究生积极参与。

讲座伊始，Jamal教授介绍了Málaga市和Málaga大学概况，阐述城市可持续发展的必要性。他指出，可持续城市的辅助决策与多数机器学习任务同属优化问题，需经历“明确约束、建模问题、求解问题”三阶段。在求解环节，可持续城市这一议题可解构为固态废弃物回收与回收点设置、公共交通网络设计及货物运输规划等子问题，这些均属大规模、非线性、多目标、高计算复杂度的NP难问题。鉴于精确解难以获取，元启发式算法成为更有效的求解路径。

接下来，Jamal教授系统阐释了元启发式算法的核心思想。重点解析的进化算法模拟生物进化机制实现优化，其标准流程涵盖“初始化种群、适应度评估、选择操作、交叉/变异、新种群生成”的迭代循环。教授详细介绍各环节变体：选择策略对比轮盘赌与锦标赛机制，交叉操作演示单点/均匀交叉差异，选择操作演示泛化性和经营保留差异。针对问题优化目标差异，他对比单目标与多目标进化算法的设计差异。最后他简述了并行化的进化算法，介绍了优化算法的不同分类。

在理论框架阐述后，Jamal教授重点展示了其团队将进化算法与机器学习融合应用于可持续城市的创新成果。团队构建的多目标优化模型成功驱动城市管理系统：针对固态废弃物收集的进化算法，结合历史数据预测垃圾生成热点，提升收集效率，降低垃圾堆积概率；在智能垃圾桶配置中利用帕累托前沿分析优化垃圾桶分布，减少硬件投入的同时保证覆盖率；通过自动机器学习技术实现自适应信号灯调度，实时响应车流变化降低高峰拥堵；通过MOEA算法解决带时间窗的车辆路径问题，提高货物配送效率等。上述实证突显进化智能在复杂城市决策中的普适价值，其核心创新在于深度耦合种群进化算法与数据驱动模型，为可持续发展提供可量化决策支持。针对以上结果，Jamal教授进行了总结：决策制定者期望在政策和项目中使用AI，而演化计算在处理困难城市化问题上存在优势，所以问题的关键在于如何市决策制定者确信算法有效。

讲座过程中，师生就多领域问题与Jamal教授展开深入探讨：在算法理论层面，聚焦分布式生成对抗网络与进化算法协同机制及联邦学习的关联性，询问单目标与多目标优化算法的选择策略；在城市规划应用方面，探讨Málaga市遮阳设施优化方案的数据来源，并就杭州市遮阳设施部署征询建议；针对技术实现路径，分析连续/离散优化算法的适用条件及进化算法在医学图像分析中的融合应用。Jamal教授结合研究实践对上述问题作出系统解答。

本次讲座深度剖析进化算法理论框架与城市决策实践的融合路径，为信息学院师生在智能优化领域的研究提供重要方法论参考。

（文/高俊逊 图/陈鹏宇 高俊逊）