赵海童，博士，副教授。2022年毕业于东北大学计算机科学与工程学院，获工学博士学位，博士论文提名中国电子教育学会优秀博士毕业论文。是IEEETransactionsonEmerging Topics in Computational Intelligence等学术期刊审稿人。

赵海童博士主要从事进化计算、群智能优化方法与应用领域的研究。在IEEE Transactions on Evolutionary Computation、Swarm and Evolutionary Computation、Information Sciences、Applied Soft Computing、Expert Systems with Applications等国际知名期刊发表论文10余篇，其中以第一作者身份发表影响因子5.0以上SCI论文8篇，单篇最高被引用71次。

近期围绕昂贵、离散多目标等复杂优化问题的求解展开研究。主要代表性工作如下：

一、面向深度集成模型超参数搜索的两阶段差分进化算法研究

图1 面向深度集成模型超参数搜索的两阶段差分进化算法示意图

该研究针对深度集成模型的超参数搜索问题，提出了一种两阶段差分进化算法（图1）。研究将问题的第一阶段建模为多目标单体神经网络超参数搜索问题，设计了神经网络多样性目标函数和准确率目标函数，由多目标差分进化算法求解得到一组超参数互异的候选神经网络。第二阶段利用差分进化算法求解神经网络选择和权重计算问题，从第一阶段产生的神经网络中选择代表性模型并赋予不同权重，从而通过加权投票法构建深度集成模型。该研究以《A Two-Stage Differential Evolutionary Algorithm for Deep Ensemble Model Generation》为题发表在中科院1区期刊IEEE Transactions on Evolutionary Computation上。

二、面向离散超多目标优化的蚁群优化算法研究

该研究面向离散超多目标优化问题，提出了一种具有自适应候选解构建及选择策略的蚁群优化算法（图2）。所提出的算法采用基于分解的超多目标优化策略，具有一种以强化学习作为策略协调器的自适应信息素更新策略，能够有效增强算法的全局搜索能力和泛化能力。同时设计了自适应环境选择策略以保证算法在高维目标空间中向帕累托前沿（Pareto fronts）收敛的能力。该研究以《A decomposition-based many-objective ant colony optimization algorithm with adaptive solution construction and selection approaches》为题发表在中科院1区期刊Swarm and Evolutionary Computation上。

图2 面向离散超多目标优化的蚁群优化算法收敛性能展示