——记安徽大学计算机科学与技术学院教授田野

李 莉  吕腾波

　　在计算机的广袤天地中，也上演着“物竞天择”的进化篇章——进化计算。它如同为计算机装上“自然选择”的智慧引擎，让算法在自我迭代中不断优化。深耕基础算法领域，自求学时起，田野便如虔诚的朝圣者，笃信进化计算在破解复杂优化难题中的独特价值。如今，他带领团队突破进化计算性能瓶颈，为智能制造、智慧医疗等领域带来创新动能，并让成果落地企业，为产业发展注入强劲活力。

　　扎根科研沃土，突破技术壁垒，将创新成果融入国家战略需求，以硬核科技服务民族复兴——这便是田野对“科技报国”使命的生动践行。他深知，科技工作者既要“顶天”，勇攀科学高峰；又要“立地”，破解现实难题。从编程爱好者到领域知名学者，他以执着的科研深耕，诠释了兴趣与使命的交织。作为科研逐梦人，他正以赤子之心，坚定前行在科技报国的壮阔征程中。

以代码为笔 写青春序章

　　当计算机尚未成为时代的宠儿时，田野便以纯粹的热爱，投身这片未知的领域。从科研启蒙初探，到多元文化淬炼，再到重返母校传承创新，他的学术轨迹始终以“算法创新”为罗盘，以“破解复杂优化难题”为使命，在智能科学的疆域中拓荒前行。

　　2008年高中毕业，当同窗纷纷选择传统工科的稳妥之路，田野却毅然投向计算机的星辰大海。这份抉择，源于他早已在编程世界中点燃的炽热兴趣。在安徽大学本硕博的求学岁月里，他亲历了计算机从冷门到热门的转身，见证了技术浪潮如何重塑时代图景。

　　在导师张兴义教授的指引下，田野从硕士起便进入智能优化、进化计算与强化学习领域。作为张教授的首位弟子，恩师手把手的科研训练，如琢如磨，塑造了他专注严谨的学术品格。“学术讨论中，我曾与导师激烈争辩算法细节，如今作为导师，我更能体会到思想碰撞对创新的价值。”田野坦言。

　　博士期间，田野赴英国萨里大学访学半年，亲历了中外科研环境的差异。其间，他与国际知名学者密切合作，在思想碰撞中开阔了科研视野。2018年留校任教安徽大学后，田野作为香江学者赴香港城市大学及香港理工大学从事博士后研究。聚焦复杂场景中的大规模优化问题，他不仅发表多篇高质量论文，更深刻领略到学科交叉与技术融合的魅力。

　　“团队中，不同领域的学者将差异化视角转化为协同创新动力，催生了诸多突破性思路。”田野感慨。他深知，人工智能作为基础性技术，其价值实现必须依托与垂直领域的深度结合。这促使他此后致力于进化算法与强化学习的融合研究，寻找具有原创性的方法论体系，为人工智能的落地应用开辟新路径。

　　2021年年底，田野完成博士后研究回到安徽大学。他深知，母校成熟的科研组织与支持环境，是他持续创新的坚实土壤。回归母校，是新征程的起点，更是对学术初心的坚守。田野深信，在人工智能浪潮奔涌的今天，这片孕育他成长的土壤，必将见证更多“从0到1”的突破，让中国智能优化的声音，在世界科研版图上越发响亮。

初心如炬 使命必达

　　在母校学术沃土的滋养下，在团队的支持与协作中，田野以项目为依托，以创新为动力，不断开拓科研新局。他先后承担安徽省自然科学基金杰青项目、国家自然科学基金青年项目（B类）等一系列重要课题。如同攀登一座座高峰，这些课题既是对他科研能力的淬炼，更是激励他在学术道路上砥砺前行的动力源泉。

　　在安徽省自然科学基金杰青项目中，田野聚焦工业制造中的复杂优化问题。项目发展进化算法统一表征的全新理论，变革进化算法运行的底层框架，提出进化算法构建的全自动方法，为工业制造提供适用范围广、自动化程度高的智能优化工具，助力安徽制造业数字化转型。

　　在科研实践中，田野深知开源共享的重要性，他带领团队依托项目攻关研发了大型开源智能优化平台——PlatEMO。平台包含300多个前沿进化算法、500多个测例，总计10万多行代码，提供完善的图形用户界面，支持一键问题建模、算法求解、统计分析、批量绘图等操作。平台如同一个强大的工具箱，为研究人员、工程师和初学者提供了便捷的智能优化解决方案。

　　PlatEMO的成功构建离不开田野及团队的共同努力。每一行代码都凝聚着他的心血和智慧，从算法的实现到测试用例的设计，他都力求完美。面对论文描述模糊、源码获得困难等难题，他和团队通过反复推敲、修改，最终实现了顶级期刊论文算法的完美复现，为全球科研工作者和工程师提供了稳定、高效的智能优化工具。

　　“最初曾想过保留代码的私密性，毕竟这些凝聚心血的代码不仅是竞争力的体现，更是重要的技术壁垒。但经过深思熟虑，我最终决定将其开源。如今看来，开源不仅显著提升了团队在学术圈的影响力，更推动了学科的发展。”目前，PlatEMO已被全球许多顶级科研机构应用于生物、化学、航天、制造等领域的复杂优化问题求解，使用量破百万次。

　　科技飞速发展，智能优化技术正成为制造业转型升级的关键驱动力。田野带领团队通过承担横向课题与企业开展深度合作，将前沿进化算法与强化学习技术应用于实际生产场景，为解决制造行业的复杂优化问题提供了创新性的解决方案。

　　“制造业正经历从大规模标准化生产向个性化定制生产的转变。以汽车制造为例，消费者对车型、配置、颜色等有不同的个性化需求。传统按照订单先后顺序进行生产，往往会导致原材料浪费、生产效率低等问题。”田野介绍。通过深入分析生产过程中的目标需求和约束限制，团队构建了符合企业实际生产需求的优化模型，智能生成最优的生产计划，显著提升了生产效率，降低了生产成本。

　　田野的辛勤付出收获了丰硕回报。他荣获安徽省自然科学奖一等奖、电气电子工程师学会（IEEE）计算智能学会杰出博士论文奖等数十项荣誉，连续多年入选爱思唯尔“中国高被引学者”、科睿唯安“全球高被引学者”，并在2025年获颁安徽青年五四奖章。这些荣誉是对他科研能力和学术贡献的高度认可。

　　2025年，田野成功申请国家自然科学基金青年项目（B类），与安徽省杰青项目一脉相承，项目聚焦于算法的自动设计，研究面向不同类型优化问题的通用进化计算优化方法，针对具体问题自动学习出高效可靠的进化算法。“在此前项目中，我们发现对现有算法进行重构组合的效果有限，于是在新项目中，我们计划从零构建全新的智能优化算法。目前已取得一些初步成果。”田野介绍。创新性的研究思路将为智能优化领域的发展开辟新的道路，也为解决复杂优化问题提供更高效、可靠的解决方案。

　　面向未来，田野计划研发一个全自动的智能优化平台。与现有开源平台PlatEMO相比，新平台将具有更高的易用性和智能化水平。“当前的开源平台存在一定的使用门槛，需要具备编程和人工智能基础知识才能运用。而新平台将借助自动算法生成技术和大语言模型技术，实现低代码甚至零代码开发。用户只须通过自然语言描述需要解决的问题，平台就能自动将问题转化为代码，并生成针对该问题的高效全新优化算法。”这将极大降低智能优化技术的使用门槛，推动其在更广泛的领域落地应用。

　　在追寻科学真理的旅途中，田野切身体会到，学术交流是获取新思想、新方法的重要途径。他亦更加清晰地认识到，个人发展必须与国家战略紧密结合。制造业作为我国重点发展领域，正经历信息化、数字化、智能化的深刻变革。将人工智能与制造业深度融合，既能发挥算法研究的优势，又能契合国家战略发展方向，实现个人价值与国家发展的同频共振。

　　展望未来，人工智能基础算法研究将朝着更加自动化的方向迈进。“当前，算法大多具有定制化特点，一旦应用背景变化，以往算法往往不再适用，需要重新投入大量时间和成本。未来研究的关键在于解决通用性不足的问题，让算法能够自动适应新任务。”田野介绍。