科学研究：

研究方向：

主要从事计算智能、演化计算、机器学习、数据挖掘的研究。

承担科研项目情况：

主持国家自然科学基金青年基金项目、国家自然科学基金-广东省联合基金重点项目子课题、欧盟第七框架计划国际合作研究与交流项目、教育部留学回国科研启动基金项目各一项；并作为骨干先后参加完成了国家自然科学基金、863项目、安徽省国际科技合作计划项目各一项。

1． 国家自然科学基金青年基金项目：基于演化多目标优化的多类类别不平衡学习算法研究（编号：60802036），2009年1月至2011年12月，主持。

2． 国家自然科学基金委-广东省联合基金重点项目子课题：面向数字家庭的职能计算基础理论体系研究（编号：U0835002），2009年1月至2012年12月，主持。

3． 教育部留学回国人员科研启动基金资助项目一项，主持。

4． 安徽省国际科技合作项目：基于自然计算技术的淮河流域防洪智能决策支持系统（编号：08080703016），2008年1月至2009年12月，参加。

5． 国家自然科学基金委海外青年学者合作研究基金（“杰B”）项目：演化算法分析与设计（编号：60428202），2005年1月至2007年12月，参加。

科研成果：

1． 就集成学习中的一个关键问题：组件分类器的差异度度量进行了理论分析，证明了现有的多种度量之间的等价性.该成果发表于国际知名期刊《Machine Learning》。

2． 提出了一种基于负相关学技术的增量式学习算法，该成果发表于国际期刊《Neurocomputing》。

3． 利用协同演化的思想在世界上首次提出可同时优化1000个决策变量的演化算法，显著提高了演化算法的可扩展性。在此之前，绝大多数相关研究仅局限于同时优化100个决策变量。该项成果发表于国际期刊《Information Sciences》。

4． 围绕组合优化中的路径规划(Arc Routing)问题开展了一系列研究，设计了一种不可行解的修复算子以及一种新的文化演化算法(Memetic Algorithm)，该算法在几乎所有已知的标准问题集上都获得了比已知算法更好的结果。相关成果已被《IEEE Transactions on Evolutionary Computation》录用。

发明专利：

1． 用于路径规划的搜索方法 梅一; 唐珂; 姚新; 傅浩波 中国科学技术大学 【中国专利】中国科学技术大学 2010-02-17

论文专著：

在国内外主要学术刊物和学术会议上发表论文50余篇。

出版专著：

资料更新中……

发表英文论文：

1． T. Chen, K. Tang, G. Chen and X. Yao, "A Large Population Size Can Be Unhelpful in Evolutionary Algorithms," Theoretical Computer Science, accepted in February 2011.

2． T. Weise and K. Tang, "Evolving Distributed Algorithms with Genetic Programming," IEEE Transactions on Evolutionary Computation, accepted in January 2011.

3． Z. Yang, K. Tang and X. Yao, "Scalability of Generalized Adaptive Differential Evolution for Large-Scale Continuous Optimization," Soft Computing, in press.

4． X. Yu, K. Tang and X. Yao, "Immigrant Schemes for Evolutionary Algorithms in Dynamic Environments: Adapting the Replacement Rate," Science in China Series F: Information Sciences, in press.

5． Y. Mei, K. Tang and X. Yao, "Decomposition-Based Memetic Algorithm for Multi-Objective Capacitated Arc Routing Problem," IEEE Transactions on Evolutionary Computation, in press.

6． Z. Wang, K. Tang and X. Yao, "A Memetic Algorithm for Multi-level Redundancy Allocation," IEEE Transactions on Reliability, 59(4): 754-765, December 2010.

7． Z. Wang, K. Tang and X. Yao, "Multi-objective Approaches to Optimal Testing Resource Allocation in Modular Software Systems," IEEE Transactions on Reliability, 59(3): 563-575, September 2010.

8． F. Peng, K. Tang, G. Chen and X. Yao, "Population-based Algorithm Portfolios for Numerical Optimization," IEEE Transactions on Evolutionary Computation, 14(5): 782-800, October 2010.

9． T. Chen, K. Tang, G. Chen and X. Yao, "Analysis of Computational Time of Simple Estimation of Distribution Algorithms," IEEE Transactions on Evolutionary Computation, 14(1): 1-22, February 2010.

10． K. Tang, Y. Mei and X. Yao, "Memetic Algorithm with Extended Neighborhood Search for Capacitated Arc Routing Problems," IEEE Transactions on Evolutionary Computation, 13(5): 1151-1166, October 2009.

11． K. Tang, G. Pugalenthi, P. N. Suganthan, C. J. Lanczycki and S. Chakrabarti, "Prediction of functionally important sites from protein sequences using sparse kernel least squares classifiers," Biochemical and Biophysical Research Communications, 384(2): 155-159, June 2009.

12． G. Pugalenthi, K. Tang, P. N. Suganthan and S. Chakrabarti, "Identification of structurally conserved residues of proteins in absence of structural homologs using neural network ensemble," Bioinformatics, 25(2): 204-210, 2009. (doi:10.1093/bioinformatics/btn618)

13． Y. Mei, K. Tang and X. Yao, "A Global Repair Operator for Capacitated Arc Routing Problem," IEEE Transactions on Systems, Man, and Cybernetics: Part B, 39(3): 723-734, June 2009.

14． X. Yu, K. Tang, T. Chen and X. Yao, "Empirical Analysis of Evolutionary Algorithms with Immigrants Schemes for Dynamic Optimization," Memetic Computing, 1(1): 3-24, 2009. (doi: 10.1007/s12293-008-0003-6)

15． K. Tang, M. Lin, F. L. Minku and X. Yao, "Selective Negative Correlation Learning Approach to Incremental Learning," Neurocomputing, 72(13-15): 2796-2805, August, 2009.

16． Z. Yang, K. Tang and X. Yao, "Large Scale Evolutionary Optimization Using Cooperative Coevolution," Information Sciences, 178(15): 2985-2999, 2008.

17． available as a PDF here, source code of DECC-G can be downloaded here

18． G. Pugalenthi, K. Tang, P. N. Suganthan, G. Archunan and R. Sowdhamini, "A Machine Learning Approach for the Identification of Odorant binding Proteins from Sequence-derived Properties," BMC-Bioinformatics, 8:351, September 2007. (Co-first author with G. Pugalenthi)

19． E. K. Tang, P. N. Suganthan, X. Yao, "Gene Selection Algorithms for Microarray Data Based on Least Square Support Vector Machine," BMC-Bioinformatics, 7:95, 27 February 2006.

20． E. K. Tang, P. N. Suganthan, X. Yao, "An Analysis of Diversity Measures," Machine Learning, 65: 247-271, 2006.

21． E. K. Tang, P. N. Suganthan, X. Yao and A. K. Qin, "Linear Dimensionality Reduction Using Relevance Weighted LDA," Pattern Recognition, 38(4):485-493, April 2005.

22． K. Tang, R. Wang and T. Chen, "Towards Maximizing The Area Under The ROC Curve For Multi-class Classification Problems," accepted by The Twenty-Fifth AAAI Conference on Artificial Intelligence (AAAI 2011), San Francisco, USA, 7-11 August 2011.

23． T. Chen, P. K. Lehre, K. Tang and X. Yao, "When Is an Estimation of Distribution Algorithm Better than an Evolutionary Algorithm?," in Proceedings of the 2009 IEEE Congress on Evolutionary Computation (CEC2009), Trondheim, Norway, 2009, IEEE Press, pp. 1470-1477.

24． Z. Yang, K. Tang and X. Yao, "Self-adaptive Differential Evolution with Neighborhood Search," in Proceedings of the 2008 IEEE Congress on Evolutionary Computation (CEC2008), Hongkong, China, 2008, pp. 1110-1116.

25． Z. Yang, K. Tang and X. Yao, "Multilevel Cooperative Coevolution for Large Scale Optimization," in Proceedings of the 2008 IEEE Congress on Evolutionary Computation (CEC2008), Hongkong, China, 2008, pp. 1663-1670.

26． E. K. Tang, P. N. Suganthan, X. Yao, "Feature Selection for Microarray Data Using Least Squares SVM and Particle Swarm Optimization," in Proceedings of the 2005 IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB05), San Diego, USA, November 2005, pp. 9-17

发表中文论文：

1 一种挑战环境下中基于点到点的可靠传输确认机制 唐珂; 马柯 中国科学技术大学 【期刊】数据通信 2010-08-28

2 双能γ射线穿透法煤灰分分析系统 唐珂; 孙金华; 文静宜; 王明谦 中国科学技术大学; 中国科学技术大学; 中国科学技术大学 合肥 【期刊】核技术 1998-10-10

3 低轨道卫星路由算法与传输机制研究 唐珂 中国科学技术大学 【硕士】中国科学技术大学 2010-05-15

社会任职：

国际学术会议任职：

1． Program Co-chair of the 2010 IEEE Congress of Evolutionary Computation (CEC2010), Barcelona, Spain.

2． Publicity Co-Chair of the 2009 IEEE International Symposium on Computational Intelligence in Robotics and Automation (CIRA 2009), November 15-18, 2009, Jeju Island, Korea.

3． Co-Chair of the 2008 International Workshop on Nature Inspired Computation and Applications (IWNICA’08), May 25-27, 2008, Hefei, China.

4． PC member of the 7th European Workshop on Evolutionary Algorithms in Stochastic and Dynamic Environments (EvoSTOC2009), 7-9 April, 2010, Istanbul, Turkey.

5． PC member of the 2009 International Conference on Intelligent Data Engineering and Automated Learning (IDEAL’09), September 23-26, Burgos, Spain.

6． PC member of the 2009 International Conference on Soft Computing and Pattern Recognition (SoCPaR’09), December 4-7, Malacca, Malaysia.

7． PC member of the 2009 World Congress on Nature and Biological Inspired Computing (NABIC’09), December 9-11, 2009, Coimbatore, India.

8． PC member of the 8th International Conference on Machine Learning and Cybernetics (ICMLC’09), July 12-15, 2009, Baoding, Hebei, China.

9． PC member of the 4th International Conference on Hybrid Artificial Intelligence Systems (HAIS’09), June 10-12, 2009, Salamanca, Spain.

10． PC member of the 2009 IEEE Congress on Evolutionary Computation (CEC’09), May 18-21, 2009, Trondheim, Norway.

11． PC member of the 2nd European Workshop on Bio-inspired algorithms for continuous parameter optimization (EvoNUM’09), April 15-17, 2009, Eberhard Karls Universität, Tübingen, Germany.

12． PC member of the 2009 IEEE Workshop on Memetic Algorithms (WOMA’09), March 30-April 2, 2009, Nashville, TN, USA.

13． PC member of the 15th International Conference on Neural Information Processing (ICONIP’08), November 25-28, 2008, Auckland, New Zealand.

14． PC member of the 7th International Conference on Simulated Evolution And Learning (SEAL’08), December 7-10, 2008, Melbourne, Australia.

15． PC member of the 7th IEEE International Conference on Cybernetic Intelligent Systems, September 9-10, 2008, London, UK.

16． PC member of the 7th International Conference on Machine Learning and Cybernetics (ICMLC’08), July 12-15, 2008, Kunming, China.

17． PC member of the 3rd International Workshop on Hybrid Artificial Intelligence Systems (HAIS’08), September 24-26, Burgos, Spain.

18． PC member of Workshop cum Summer School on Evolutionary Computing (WSSEC’08), August 18-22, 2008, Northern Ireland.

19． PC member of the 21st International Conference on Industrial, Engineering & Other Applications of Applied Intelligent Systems (IEA-AIE’08), June 18-20, 2008, Wroclaw, Poland.

20． PC member of the First European Workshop on Bio-inspired Algorithms for Continuous Parameter Optimisation (EvoNUM’08), March 26-28, 2008, Napoli, Italy.

21． PC member of IEEE SMC UK&RI 6th Conference on Cybernetic Systems, September 6-7, 2007, Dublin, Republic of Ireland.

22． PC member of the 6th International Conference on Machine Learning and Cybernetics (ICMLC’07), August 19-22, 2007, Hong Kong, China.

荣誉奖励：

1． 2009年获中国科学技术大学校友基金会优秀青年教师奖。

资料更新中……

媒体报道：

唐珂：争做演化计算先锋

他叫唐珂，是位“80后”的年轻教授，从事着同样年轻的计算机研究。

2007年6月，26岁的唐珂获得新加坡南洋理工大学博士学位。同年进入中国科学技术大学计算机系，被评为副教授。自此，他先后获得国家自然科学基金、教育部留学归国人员科研启动基金以及欧盟第七科技框架计划（FP7）国际合作项目的资助，并作为研究骨干参加了国家自然科学基金委—广东省联合基金重点项目和安徽省国际科技合作项目，其主要研究方向为演化计算与机器学习。在研究中，他遵循“基础理论—算法设计—实际应用”的研究路线，力求从基础理论的层面探索智能算法的工作原理，并以此为手段，设计更加适用于计算资源受限情况下的新型智能算法，以解决现实生活中具有若干非线性、不可导、多尺度、多区域等特点的大规模复杂问题。

其实，在智能算法领域已存在许多成功的计算模型，但唐珂明白，任何一个智能计算模型都必有其弱点，如何选择合适的算法并对其进行合适的调整，往往成为将智能算法应用于实际问题甚至进一步产业化所难以逾越的鸿沟。为解决这一问题，他提出了一种新的智能算法设计框架，从理论和实验两方面深入分析了这一技术路线的可信性，发现在保持问题求解时间不变的基础上，该框架通过有机融合具有不同特性的智能算法，其性能足以超越所有组件算法，即达到“1+1>2”的效果，为算法组合提供了初步的理论基础。此外，针对演化算法时间复杂度较高的缺陷，唐珂在世界上首次系统性地提出了利用协同演化思想解决大规模优化问题的思路，显著提高了演化算法的可扩展性。

目前，唐珂及其所在课题组的工作已获得了国际同行的广泛关注。自2004年至今，他发表相关学术论文50余篇，其中SCI检索20篇，他引100余次。此外，他还先后30余次担任国际学术会议程序委员会成员，并出任IEEE计算智能学会会刊Computational Intelligence Magazine副编辑，以及包括IEEE Transactions on Evolutionary Computation在内的20余个国际知名学术期刊审稿人之职。而在IEEE计算智能学会专门成立的大规模全局优化工作组中，他也被任命为首位主任。

据介绍，唐珂与其合作者已取得的科研成果可以应用在不确定环境下的智能数据分析、车辆路径规划、涡轮机叶片仿真设计，以及智能家庭环境等诸多方面。其中，在车辆路径规划问题上取得的成果，对物流、交通管理以及城市规划等领域具有广泛的应用价值，已有数家海外公司对类似产品表现出浓厚兴趣。此外，对于课题组在实值优化技术以及其在汽车涡轮机叶片设计方面取得的最新成果，日本本田公司也与其达成长期合作研究的意向。在与国外学者的合作过程中，他们不仅输出技术，还从中学习，取长补短，利用智能计算模型解决数据分析问题，与新加坡及印度的生物学家合作，提出了一种利用蛋白质序列信息辨识嗅觉结合蛋白的机器学习方法。相关论文发表后迅速获得同行关注和引用。2009年3月，知名的科学趋势观察网站也将其作为热点文章进行了报道。

2010年，唐珂受邀担任了演化计算领域规模最大的国际性学术会议之一 ——Congress on Evolutionary Computation的程序委员会共同主席。初出茅庐，便身手不凡，在演化计算领域，年轻的唐珂已经站住了一个高度，他的下一站高度又将在何时出现呢？

文章来源：《科学时报》2011-3-9