一、个人简介
秦淑芬，女，博士，副教授，硕导。现任职于太阳集团网tyc9728
通讯地址：太原市万柏林区瓦流路66号太阳集团网tyc9728，030024
Email: shufen.qin@tyust.edu.cn
二、学习教育经历
2019/09-2022/06 9728太阳集团电子信息工程学院 控制科学与工程专业 获博士学位
2017/09-2019/07 太阳集团网tyc9728 计算机科学与技术专业 硕士
2013/09-2017/07 晋中学院计算机系 计算机科学与技术专业 获学士学位
三、工作经历：
2024/12-至今 太阳集团网tyc9728 副教授
2022/06-2024/12 太阳集团网tyc9728 讲师
四、获奖与荣誉
1. 2023年获得山西省优秀博士学位论文
2. 2023年获得全国大学生计算机博弈大赛优秀指导教师奖
五、主讲课程
本科生：软件工程—理论与实践、人工智能基础
研究生：机器学习与进化优化融合技术
国际生：最优化理论与方法（Optimization Theory and Methods）
五、研究生招生学科
硕士研究生：计算机科学与技术一级学科
研究方向：计算智能、数据驱动的进化优化
六、学术活动
1. 第七届复杂系统数据驱动优化国际会议（DOCS 2025），2025年8月，地方组织主席、主旨报告嘉宾
2. IEEE国际计算智能会议，日本横滨，2024年7月，口头报告
3. 第五届数据驱动的复杂系统优化国际会议（DOCS 2023）出版主席，主持分组报告
4. 第17届全国计算机支持的协同工作与社会计算学术会议（ChineseCSCW 2022），2022年11月，太原，线上报告
七、科研工作
自2022年6月工作以来，主持国家自然科学基金青年项目1项，山西省基础研究计划青年项目1项，来晋工作优秀博士项目1项，山西省高等学校科技创新计划项目1项，校博士启动基金1项，且作为项目成员参与多项国家自然科学基金面上项目、山西省重点研发项目。在复杂多目标优化、大规模优化、数据驱动的复杂进化优化等方面进行了理论和应用研究，并已取得了一些阶段性的研究成果，在《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《Swarm and Evolutionary Computation》、《Complex & Intelligent Systems》、《Memetic Computing》、《控制与决策》、《计算机工程与设计》、IEEE CEC 等国内外知名学术刊物和会议上，发表论文17篇，其中SCI收录9篇。
（一）主要科研项目
1. 国家自然科学基金青年项目，数据驱动的复杂昂贵高维多目标优化方法研究，项目编号：62303344,2024/01-2026/12，30万元，主持，在研。
2. 山西省基础研究计划青年项目，数据驱动进化多目标优化中模型管理的研究，项目编号：202203021222196,2023/01-2025/12，5万元，主持，结题。
3. 来晋工作优秀博士项目，代理模型辅助的复杂昂贵多目标优化方法研究，项目，编号：20232052,2023/06-2026/07，5万元，主持，在研。
4. 山西省高等学校科技创新项目，数据驱动进化优化方法在求解复杂多目标问题中的应用,2022/08-2024/08，2万元，主持，结题。
5. 校博士启动项目，数据驱动的复杂多目标优化算法研究，项目编号：20222053，2022/06-2025/07，主持，30万元，结题。
（二）发表学术论文
期刊论文
1. Shufen Qin and Chaoli Sun. Surrogate-Assisted Many-Objective Optimization With Estimate Error Preference, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2026, 56(1), 696-708.
2. Shufen Qin and Chaoli Sun. Expensive Multiobjective Optimization With Adaptive Contribution Sampling and Enhanced Search, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2025, 55(12), 9385-9397.
3. Shufen Qin, Chaoli Sun. Heterogeneous approximation-assisted search for expensive multi-objective optimization. Swarm and Evolutionary Computation. 2025, 95: 101926.
4. Shufen Qin, Chaoli Sun, Qiqi Liu, Yaochu Jin. A performance indicator based infill criterion for expensive multi-/many-objective optimization, IEEE Transactions on Evolutionary Computation, 2023, 27(4), 1085-1099.
5. Shufen Qin, Chaoli Sun, Farooq Akhtar, Gang Xie. Expensive many-objective evolutionary optimization guided by two individual infill criteria. Memetic Computing, 2024, 16(1): 55-69.
6. Shufen Qin, Chaoli Sun, Yaochu Jin, Ying Tan, Jonathan E. Fieldsend. Large-scale evolutionary multiobjective optimization assisted by directed sampling, IEEE Transactions on Evolutionary Computation, 2021, 25(4): 724-738.
7. Shufen Qin, Chan Li, Chaoli Sun, Guochen Zhang, Xiaobo Li. Multiple infill criterion assisted hybrid evolutionary optimization for medium-dimensional computationally expensive problems, Complex & Intelligent Systems, 2021, 8(1): 583-595.
8. Shufen Qin, Chaoli Sun, Guochen Zhang, Xiaojuan He, and Yin Tan. A modified particle swarm optimization based on decomposition with different ideal points for many-objective optimization problems[J]. Complex & Intelligent Systems, 2020, 6(2): 263–274.
9. Zhihai Ren, Chaoli Sun, Ying Tan, Guochen Zhang, Shufen Qin. A bi-stage surrogate-assisted hybrid algorithm for expensive optimization problems[J]. Complex & Intelligent Systems, 2021, 7(3): 1391-1405.
10. 秦淑芬,孙超利.基于多准则并行采样的昂贵多目标优化[J].控制与决策,2025,40(07): 2281-2289.
11. 秦淑芬,孙超利.双阶段填充采样辅助的昂贵多目标优化[J].计算机工程与设计,2024,45(08):2492-2502.
12. 孙超利,李婵,秦淑芬*,李晓波.基于不确定度采样准则的费时问题优化算法[J].控制与决策,2022,37(06):1541-1549.
13. 张国晨,樊凯翔,王浩,秦淑芬,孙超利.自适应建模策略辅助的昂贵多目标进化算法[J].9728太阳集团学报,2024,45(02):113-118.
会议论文
1. Shufen Qin, Chaoli Sun, Zongchao Xie. Expensive many-objective optimization assisted by adaptive modeling. 2024 IEEE Congress on Evolutionary Computation (CEC). Yokohama, Japan, 2024:1-8.
2. Shufen Qin, Chaoli Sun, Yaochu Jin, Lier Lan and Yin Tan. A new selection strategy for decomposition-based evolutionary many-objective optimization. 2019 IEEE Congress on Evolutionary Computation (CEC), Wellington, New Zealand, 2019: 2426-2433.
3. Shufen Qin, Chaoli Sun, Yaochu Jin and Guochen Zhang. Bayesian approaches to surrogate-assisted evolutionary multi-objective optimization: A comparative study. 2019 IEEE Symposium Series on Computational Intelligence (SSCI), Xiamen, China, 2019: 2074-2080.
4. H. Wang, C. Sun, Y. Jin, S. Qin and H. Yu, "A Multi-indicator based Selection Strategy for Evolutionary Many-objective Optimization," 2019 IEEE Congress on Evolutionary Computation (CEC), Wellington, New Zealand, 2019, pp. 2042-2049.
