——记北京邮电大学教授赵新超
　　　
马梦珂

　　
　　
　　优化是科学研究和工程管理中一个永恒的话题，一般而言，优化方法是指在一个复杂问题求解过程中寻找最优解或者最需要的解集。其中，群智能算法是该领域一种新兴的演化计算技术，它在生物群体演化规律的启迪下应运而生，近年来一直是计算智能和人工智能领域的研究热点，且已成为交叉学科中一个非常活跃的前沿性研究课题。
　　从博士生时期，北京邮电大学教授赵新超就开始致力于该方向的研究，已在群智能优化算法模型研究与分析、群智能优化与经典最优化方法和多元统计方法等交叉科学领域做出了一系列创新性工作。目前，群智能算法在我国的发展十分迅速，其应用领域也在不断扩大，而赵新超也在不断跟随前沿，探索着更加新颖的优化方法和思路。
　　
深入探索，寻找新方法
　　在硕士期间，赵新超学习的是基础数学。不过，进入博士学习阶段后，他跟随导师高小山研究员开始从事生物信息学研究，由此接触到群智能算法，并最终确定以此为研究方向。
　　“群智能算法是一种随机的优化算法，它和数学里面的随机分析或概率论很相似，所以我想能不能将这两个方向结合起来用。”为此，赵新超于2013年主持了国家自然科学基金项目“基于多元统计分析的群智能优化算法相关问题研究”对这一个方向做了一些初步尝试。
　　虽然该项目按期完成，并达到了预期目标，但是赵新超坦言，他仍觉得项目研究没有达到令他满意的程度。“那个项目其实还有提升的空间。所以我现在所进行的项目其实在一定意义上也是之前那个项目的延伸。”赵新超说。
　　立足于前期在群智能优化、多元统计数据分析、最优化理论与算法等领域丰富的科研经验和知识体系，赵新超率领团队从多元数据分析和经典优化的视角研究了数据驱动的群智能优化算法。他们以不同的数据分析方法、经典优化思想和群智能优化算法的交叉融合为研究核心，在算法样本的统计数据特征数据导引的群智能算法内在机理研究、样本协方差矩阵驱动的导引方向研究、搜索方向的协方差矩阵驱动的二阶群智能优化算法模型和机理分析3个方面开展了深入研究。
　　目前，项目正在顺利进行当中，已经取得了部分成果。项目有望促进群智能优化、多元数据分析和最优化理论与方法的学科交叉融合和拓展群智能优化算法领域的新研究。
　　
醉心教学，调动积极性
　　在教学工作中，赵新超注重培养学生的积极性和独立自主性。他认为他在其中应该起到的是引导和辅助作用。他鼓励学生勇敢朝着自己感兴趣的方向努力，多做尝试，不要怕失败。他表示，科研这条道路本就是一条崎岖的道路，困难、彷徨在所难免，即便他从事工作多年也时常遭遇彷徨期。“这个时候你就尽自己最大努力去做，失败了也没关系，失败的经验是在为成功做铺垫。”
　　在本科生教学中，赵新超还善于引导学生思考问题，一堂课的时间他大部分时间都在教授思考问题的思路和方法，剩下的时间再具体讲述问题的推导过程。即便有学生提出了错误的思路，他也会根据学生的思路讲述一下，引导学生从错误的思路中找到正确的方法。
　　赵新超表示，他很喜欢教学工作，也很喜欢和同学们相处。为了减少学生们对高等数学的恐惧与抵触，他还专门开设了“微高数”的微信公众号，以一些有趣、接地气的方式讲述一些数学知识和数学思考方式。他说道：“我希望让同学们看到的高数不是枯燥无味的，也不是真的一副高冷范儿，它其实与我们的生活息息相关。”
　　工作上认真负责的赵新超对于家庭也尽职尽责，工作之余，他会尽可能地承担家务，照顾家人。对工作尽责，对家人尽心，在人生这条路上，责任与爱是赵新超永恒的主题。