10月7日，永利官网在線上線下同時成功舉辦了第九期“崇德“學術沙龍。參與此次學術沙龍論壇的有陳勇躍教授和謝靜博士。本次學術沙龍論壇由李問秋同學，穆克亮同學主講，陳勇躍教授和謝靜博士主持點評。永利官网部分研究生積極參加了此次活動。

李問秋同學介紹了論文《兩種深度強化學習方法在組合優化中的應用》。組合優化問題廣泛存在于國防、交通、工業、生活等各個領域，幾十年來，傳統運籌優化方法是解決組合優化問題的主要手段，但随着實際應用中問題規模的不斷擴大、求解實時性的要求越來越高，傳統運籌優化算法面臨着很大的計算壓力，很難實現組合優化問題的在線求解。近年來随着深度學習技術的迅猛發展，深度強化學習在圍棋、機器人等領域的矚目成果顯示了其強大的學習能力與序貫決策能力。鑒于此，近年來湧現出了多個利用深度強化學習方法解決組合優化問題的新方法，具有求解速度快、模型泛化能力強的優勢，為組合優化問題的求解提供了一種全新的思路。因此本文總結回顧近些年利用深度強化學習方法解決組合優化問題的相關理論方法與應用研究，對其基本原理、相關方法、應用研究進行總結和綜述，并指出未來該方向亟待解決的若幹問題。

穆克亮同學介紹了論文《基于遺傳優化融合模型的國際期刊異常行為預警方法研究》，本文通過基于遺傳優化的軟投票融合模型計算國際期刊的預警值，預測國際期刊質量變化趨勢，幫助科研人員和有關決策部門提供智能化甄别期刊質量的手段。首先提煉國際期刊異常行為特征指标并使用網格搜索和5折交叉驗證方法對基分類器進行參數調優，然後基于遺傳算法的軟投票策略融合3種表現較好的基分類器并比較驗證模型優劣，最後基于XGBoost算法得到特征重要性分數，并按照從高到低的順序排列以發現對預測國際期刊異常行為影響較大的因素。實證分析顯示，本文提出的期刊預警模型的Accuracy值、F1值和AUC值分别達到0.9785、0.9773和0.9982，相較于單一預測模型F1值和AUC值分别提升了0.004和0.33；相較于混合模型的Accuracy值、F1值和AUC值分别提升了0.0036、0.0037和0.001。本文構建的國際期刊異常行為預警模型，可以輔助機構和專家進行更有針對性的預警決策并提供了一種新的期刊質量管理方法。但該模型存在一定的局限，需要在更大的數據集層面進一步驗證。

評委老師與兩位主講同學展開了熱烈的讨論，并提出了許多專業的問題，在場的同學也積極提問，學習兩位同學在研究中的思路、經驗與方法，大家通過知識分享共同提升自己的研究水平。之後評委老師對本次沙龍進行了總結并鼓勵大家在學術方面敢于思考，勇于提問。本次永利官网研究生“崇德”學術論壇在同學們的交流與老師們的指導中圓滿結束。