2026年5月15日上午，由计算机学院、大数据与人工智能学院及科研处联合主办的智能制造优化调度专题学术报告会在计算机学院会议室成功举行。本次活动特邀清华大学自动化系学位委员会副主席、国家杰出青年科学基金获得者王凌教授，以及聊城大学副校长桑红燕教授担任主讲嘉宾。报告会由大数据与人工智能学院副院长万德焕主持，吴炎太、伍春晖、彭诗力、陈静静、邓伟林、庄家卫、覃鹏等师生代表共同参与了此次学术交流。

报告会伊始，王凌教授以《数据驱动的智能优化调度》为题，为在场师生带来了一场高水平的学术盛宴。他从理论高度出发，深入浅出地介绍了调度优化问题的分类、复杂性及其典型应用场景。

王教授指出，在新型智能制造系统中，调度优化问题呈现出规模大、解空间复杂、约束强耦合和要素类型多样化等显著特点，导致最优值求解难度极高。因此，在设计优化求解算法时，必须更加注重策略的设计与利用，赋予算法更强的自动决策能力。

图1：王凌教授作《数据驱动的智能优化调度》学术报告

在理论阐述之后，王凌教授结合美团外卖即时配送这一生动案例，深入剖析了外卖配送中的难点与挑战。他重点展示了如何利用智能优化算法的优势拆解关键科学问题，通过数据驱动的方法解决实际场景中的复杂调度难题。最后，王教授结合自身丰富的科研经历，勉励在场师生在学术研究中要注重多角度思考，坚持理论研究与工程实践并重，进行更加系统深入的研究。

随后，桑红燕教授作了题为《智能制造运输协同调度》的前沿专题报告。她详细阐述了智能优化的理论方法及其在智能制造领域的应用，系统介绍了分布式置换流水车间调度、AGV（自动导引车）调度以及AGV与并行机联合调度等前沿问题。

针对智能制造企业生产模式多样化、生产环境日益复杂的现状，桑教授重点讲述了柔性作业车间与AGV集成调度问题。她指出，在面对环境、机器、容量、时间、物料等多重约束时，AGV调度优化辅助生产和运输对于提高制造效率和自动化水平具有重要意义。桑教授及其团队创新性地提出了模仿学习辅助的进化算法框架，通过模仿学习方法对进化算法操作算子进行自适应选择，成功实现了生产效率与能源消耗的协同优化，为智能制造生产提供了可扩展的智能调度新思路。

图2：桑红燕教授作《智能制造运输协同调度》学术报告

在互动环节，现场学术氛围浓厚。师生们围绕动态计算方法的最优化实现、动态参数算法与调制的联动设计、人工智能专业数学课程的设置以及硕士学位点的建设路径等问题与王教授、桑教授展开了深入交流。

本次学术报告会内容丰富、视野开阔，不仅让师生们了解了智能制造与优化调度领域的最新研究进展，也为学院相关学科建设和人才培养提供了宝贵的参考与启示。

专家简介：

受邀的两位专家均为智能优化与调度领域的知名学者，学术造诣深厚。

王凌教授于1995年和1999年在清华大学分别获学士和博士学位，2015年获国家杰出青年科学基金，入选全球高被引作者及全球顶尖科学家榜单。现任中国仿真学会常务副理事长、中科院一区期刊《Expert Systems with Applications》主编。王教授主要从事人工智能及智能制造系统优化调度研究，已发表SCI论文500余篇，出版专著6部，曾荣获国家自然科学二等奖、教育部自然科学一等奖等多项殊荣。

桑红燕教授聊城大学副校长、博士生导师，入选全球前2%科学家榜单，被评为山东省教学名师及智能优化与调度学术会议杰出女科学家。在中国仿真学会担任理事、副秘书长等职务。桑教授长期致力于智能优化调度理论方法及应用研究，主持国家自然科学基金等多项课题，荣获教育部自然科学二等奖等十余项科研教学奖励，在IEEE TASE、TCYB等权威期刊发表SCI论文100余篇。