跟学习。
让宁为意外的是，站在报告厅门口的工作人员竟然没检查组委会下发的邀请函。
后来他才知道这种会议如果有多余的空位是不太会限制人员进出的。当然，如果想要做到能够提问的前排位置，那张入场券就能派上用场了。
虽然最初感觉对报告会上第一场基于量子行为粒子群优化的报告并不是太有兴趣，但真的听进去了，其实感觉还是挺有意思，但也仅止于此了。
简单来说这是一种由群体智能算法进阶发展而来的算法。
群体智能算法的典型代表是模拟了鸟类群体行为的粒子群优化算法，简称为PSO算法。这一算法自1995年被提出以来，由于其计算简单、易于实现、控制参数少等特点，引起了国内外相关领域众多学者的关注和研究。
但该算法的特点也跟优点一样突出。
首先从理论上讲，它不是一个全局收敛算法；其次，算法的速度与位置进化公式使得粒子群的随机性和智能性较低；此外，算法性能对速度上限的依赖使其鲁棒性降低。
人们通过对这种算法的思考，引入粒子群优化的概念，便进阶出了这种算法。
其应用领域主要是在多峰、多极值的函数优化问题，复杂的工程优化问题，比如随机规划、系统辨识等等……
但当休息了十分钟，第二场报告会正式开始介绍一种新的随机算法时，宁为发现了不同。
这已经不是有趣不有趣的问题了，而是伴随着台上报告者不断深入的讲解，他的大脑再次有了反应，罗列出了许多该算法亟待或者应该解决的问题。
这就很有意思了。
要知道第一场报告会是一场60分钟报告会，而今天第二场报告会组委会只给了台上那位莱蒙托夫教授45分钟，别小看这十五分钟，这可代表着站在计算机算法领域最顶尖的那群人对两者重视程度的差别。
然而宁为在听一场报告会只觉得有趣，其他没了。
听第二场报告会却自动产生了诸多联想，还蹦出了许多想法。
所以这是说明这种新的随机算法对他目前的研究更具价值，又或者随机算法的革新对人工智能领域的推进作用更大？
这个问题宁为暂时没想明白，只是他听的更认真了，然后默默将那位教授的名字记在了心底，准备回去就仔细查阅这位教授的论文。
……
上午的三场报告会便在宁为沉浸与算法的思考中结束。
本章未完，请点击下一页继续阅读！