1985年硕士毕业，姚新读博，又回到中国科学技术大学，师从陈国良院士。陈国良是我国并行算法与高计算计算专家、中国科学院院士，在1995年创建了中国第一个国家高性能计算中心——国家高性能计算中心（合肥）。
读博期间，姚新跟着陈国良学习，中间也花了许多时间到中国科学院计算技术研究所跟着李国杰院士做研究，是李国杰回国后带的第一个学生。姚新回忆：
「两位老师对我的帮助都非常大。在中科大，要上基础课，还有讨论班。我从博士论文开始研究模拟退火和演化计算，后来，陈国良老师还专门写了《遗传算法及其应用》（1996年）一书。
到了计算所跟着李国杰老师后，李老师的博士论文与博士后阶段都是做组合搜索，是现在人工智能中很火的领域。那我想，李老师做组合搜索，我肯定比不过他，那我研究演化计算或模拟退火也挺好，李老师当初也同意，所以我的博士论文是关于模拟退火遗传算法。」

文章插图

图注：用模拟退火算法解决旅行商推销问题（TSP）
1990年，姚新到澳大利亚国立大学计算机科学实验室（Computer Sciences Laboratory）担任博士后，继续从事模拟退火与演化计算的工作。也是从那时候开始，姚新开始研究遗传算法与神经网络的结合，相关工作发表在1991年澳大利亚神经网络的年会上，引起了许多参会者的注意。
「不久后，昆士兰又有一个小型的论坛，叫『AI and Creativity』。里面有个做人工智能的、偏哲学的英国教授叫Margaret Boden，跟我聊了很多，真的是坚定了我将演化计算与神经网络结合起来的研究方向。一些生物的知识书也是她推荐我去读的，我也是看了这些书才知道，哦，原来生物大脑中的学习不是调参数，而是讲突出的连接在那里变来变去。」
1991年，姚新加入澳大利亚最大的国家级科研机构 CSIRO 担任博士后研究员；1992年开始，分别在澳大利亚国防军学院与新南威尔士大学计算机科学学院担任高级讲师、副教授；1999年，他又去了英国伯明翰大学计算机学院担任讲席教授，直到2016年，在南方科技大学的邀请下回国、参与创立南科大计算机系并担任系主任。
姚新在澳大利亚所结识的另一位人工智能华人先驱张成奇教授在南科大的办公室，便与他在同一栋楼。
在研究上，姚新喜欢聚焦于具体的问题，以实际问题来驱动学术研究。
1999年，姚新提出了具有开创性的快速进化编程（fast evolutionary programming，“FEP”）方法。
进化编程（EP）方法原先用于人工智能的问题研究，后被用于解决数字与组合优化问题。在解决多模态优化问题上，EP方法的优势之一是可以通过缓慢的收敛得到一个出色的近似优解。与经典的EP方法相比，姚新所提出的FEP方法擅长在一个大的领域进行搜索，对黑箱优化有优独特优势，后来被广泛应用于神经网络结构学习、最优路径规划、数字滤波器设计以及新材料的设计，单篇谷歌学术引用次数接近4000。

文章插图

论文地址：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.45.1830&rep=rep1&type=pdf
2000年，基于对约束条件处理的考虑，姚新与合作者又开发了一个随机排序方法，将传统的、看似复杂的惩罚函数与拉格朗日方程简化为简单的排序，在牺牲些许数学收敛性的情况下取得了很好的实际应用效果，是姚新在研究生涯中的一个阶段性成果。雷锋网

文章插图

论文地址：https://www.cs.bham.ac.uk/~xin/papers/published_tec_sep00_constraint.pdf
凭借在演化计算上的一系列开辟性成果，姚新在2003年当选 IEEE Fellow。
除了早期的两大重要成果，姚新还提到他在2006年将演化计算应用于撒盐车调度的项目。撒盐车的调度涉及到车辆数量、每辆车的吨位、调度范围等等，原属于运筹学的研究范围，但在实际的运行中，假设车队有11辆车，载重范围为2.5吨到9吨，重量不固定，那么传统的数学方法便无法假设一个数值来进行计算，也难以设计算法。雷锋网
「现实生活中的调度问题与书本上的非常不一样。首先路况是随时间变的，车辆行驶速度也不固定，车有可能抛锚坏了，等等。」姚新解释，「对于这类充满不确定性的优化问题，相对传统的数学或运筹学方法，演化计算是有优越性的。它能在复杂的动态环境中找到近似最优解。」
从这个项目开始，姚新一直致力于将演化计算用于在不确定性的环境中做动态优化。除此之外，他与团队着重于研究演化计算如何应用于多目标优化决策。

稿源：(雷锋网)

【傻大方】网址：http://www.shadafang.com/c/111195C5H021.html

标题：人工智能|IEEE Fellow姚新：在多目标动态优化问题中，演化计算仍有独特优势( 三 )