代表性成果1：实验室成员作为集体作者在《Nature》发表6篇研究论文

2020年2月6日，PCAWG（Pan-Cancer Analysis of Whole Genomes，泛癌全基因组分析）联盟在《Nature》正刊发表了6篇论文。实验室成员杨善林院士和丁帅教授是集体作者的成员。基于新一代信息技术的肿瘤多组学测序与精准诊疗是肿瘤学、计算机科学、管理科学等多学科交叉融合的国际前沿热点，探索肺癌、肝癌、胃癌、肾癌、血癌、皮肤癌等常见癌症的多组学共性特征是全球科学界共同面临的世界性重大科学难题，需要国际携手合作实施大科学计划和大科学工程。在该研究中，实验室针对肿瘤多组学大数据分析中的突变识别、关联演化模式与数据质量控制等科学难题，提出了一类多模态数据融合方法，并综合运用贝叶斯分类、支持向量机、集成学习、迁移学习等方法，较好地解决了肿瘤多组学测序数据的个性化突变检测和风险决策问题。实验室还参与了针对人群/种群数据的参数优化、高特异性检测、非常规变异检测模型和算法的研发，为全基因组泛癌分析的低质量数据溯源、质控点选择与优化、质控策略设计研究提供大数据分析与处理方法。

图1 Nature论文截图

代表性成果2：应急物资需求时间演化机理研究

构建完成了一种可以量化显示应急物资需求时间演化机理的新指标—匮乏水平（Deprivation Level），并采用数字评分量表（Numerical Rating Scale，NRS）法，给出了测量匮乏水平的方法。通过收集亲身经历过地震灾害的受助者所给出的NRS数据，估计出了以匮乏时间为变量的匮乏水平函数。该函数具有弱单调性、非线性和先凸后凹的性质。通过对照组比较、分级对比较和类似研究比较，从多个角度验证了所给出匮乏水平函数的性质的稳定性和一般性。相关研究成果发表在运作管理顶级期刊《Production and Operations Management》，该成果是自POM disaster management department成立以来中国高校学者以第一单位和第一兼通讯作者发表的首篇论文。

图2 匮乏水平函数-应急物资需求时间演化机理

代表性成果3：应急物资需求空间分配优化模型

提出了一种可以实现应急物资需求空间分配优化的灾害应急绩效评估模型。该模型可以用于评估各类应急物资需求空间分配方案的效果、效率和成本效果比。利用该研究所提供的绩效评估模型，可以构建绝大多数类型的优化目标函数（效果最优、效率最优或成本效果比最优），并通过代数计算获得解析解。该研究可以帮助本领域的未来研究摆脱现有灾害应急运作管理惯用的数学规划模型范式，打开该研究范式所导致的“黑箱”，定量化分析各因素对应急物资需求最终绩效的影响。相关研究成果发表在运作管理顶级期刊《Production and Operations Management》。

图3 应急物资需求空间分配优化模型

代表性成果4：求解非线性方程组的连续变量邻域搜索方法

针对智能互联制造工程中存在的一类非线性高维变量的优化问题，该成果提出了一种新颖的问题转化方法，将非线性高维变量的优化问题转化为低维变量的优化问题，并证明该问题是NP难。针对此类非线性优化问题，该成果设计了连续型变邻域搜索方法来求解非线性优化问题的所有解，提出了搜索半径设定、随机点生成分布方法、邻域总数随机产生、局部搜索路径自适应变化等搜索策略。在算法的设计过程中，该成果进一步创新地提出了“Less is More”算法设计理念和整体框架。该算法设计理念不同于智能算法的传统设计理念，以往智能算法的设计过程普遍采用混合多种智能算法或引入其他算法步骤来提高算法的性能，而基于“Less is More”理念的算法设计采用简约步骤的设计思路。结合连续型变邻域搜索方法，提出了该算法最少最优操作步骤的选择和设定过程，从而确保既增强算法的寻优能力，又降低算法的搜索时间。

图4 优化算法流程

代表性成果5：多媒体与智能信息处理前沿方向

多媒体与智能信息处理前沿方向，以深度学习、迁移学习、图学习等前沿理论为基础，在个性化推荐、图像视频精准描述、跨模态视频检索、行人再识别研究等方向进行了深度的探索和研究。2020年度获批国家自然科学基金、国家重点研发计划、安徽省自然科学基金等项目7项，到账经费800余万，在国内外期刊与会议上发表论文10余篇，该方向研究成果可以为电子商务、智能教育等众多国际民生领域应用提供重要的技术支持。