2026年7月10日，由山西大学人工智能学院、大数据科学与产业研究院主办的“演化计算及其前沿应用青年学者论坛”在太原成功举办。论坛汇聚了演化计算及人工智能领域的青年专家学者，围绕演化计算基础理论、关键方法及其在复杂人工智能任务中的前沿应用展开深入交流，共同探讨演化计算与新一代人工智能融合发展的新趋势、新问题与新机遇。
人工智能学院副院长彭甫镕教授对与会嘉宾表示欢迎，并对学院进行介绍，希望就此构建长效合作机制，紧扣国家人工智能战略与区域产业需求，共促学科与产业融合发展。
论坛邀请北京理工大学许萌教授、苏州大学焦儒旺教授、华南理工大学贾亚晖教授以及山西大学人工智能学院李楠博士作专题报告。其中，许萌教授和焦儒旺教授均为国家高层次青年人才。四位青年学者分别围绕“演化柔性调度”“演化强化学习”“演化特征选择”和“演化架构设计”等研究方向，系统介绍了相关领域的最新研究进展、核心科学问题与代表性成果。
报告内容既涵盖演化计算在复杂组合优化、动态调度与智能决策中的方法创新，也涉及演化机制与强化学习、特征选择、神经网络架构设计等人工智能前沿方向的深度融合。与会专家结合各自研究工作，深入分析了演化计算在高维搜索空间、动态不确定环境、多目标协同优化以及自动化模型设计等场景中的独特优势，并对算法效率、泛化能力、可解释性和真实应用落地等关键问题进行了讨论。报告现场学术氛围热烈，与会师生围绕算法设计、评价机制、应用边界和未来研究方向积极提问，与报告嘉宾展开了充分交流。
论坛同期设置了青年学者Panel讨论环节。与会嘉宾围绕“当目标函数不再清晰：演化计算如何进入‘不可完全目标化’的AI问题？”“开放性还是收敛性：AI系统到底应该追求最优，还是持续产生新问题？”以及“从搜索模型到搜索‘研究过程’：AI Scientist会改变演化计算的对象吗？”三个具有前瞻性和思辨性的议题展开深入研讨。与会学者认为，面对目标不完备、评价标准动态变化和人类偏好难以形式化的复杂AI问题，演化计算需要进一步探索交互式评价、偏好学习和人机协同演化等新机制；未来的演化智能系统也不应局限于追求既定目标下的最优解，而应兼顾多样性、创新性和持续探索能力。随着大模型、智能体和自动化科研系统的发展，演化计算的搜索对象还可能由模型与参数进一步拓展至假设生成、实验设计和科研流程，为自动化科学发现提供新的方法支撑。
本次论坛为演化计算领域青年学者搭建了高水平、开放式的学术交流平台，促进了不同研究方向之间的思想碰撞与交叉融合。论坛不仅集中展示了演化计算在智能优化与人工智能前沿应用中的最新成果，也围绕开放式智能、自动化科学发现和不可完全目标化问题进行了具有前瞻性的学术思考。与会专家表示，未来应进一步加强演化计算与强化学习、大模型、智能体、自动机器学习及科学智能等方向的交叉合作，推动演化计算理论方法创新及其在复杂现实场景中的深入应用。
本次论坛得到了国家自然科学基金青年科学基金项目（No. 62406183）的支持。
撰稿：李楠