个人简介：
颜学明，教授，云山青年学者，硕士生导师。2018年毕业于华南理工大学计算机科学与工程学院，获工学博士学位，随后加入广东外语外贸大学信息科学与技术学院。受国家留学基金委资助，2021至2023年期间，先后赴英国萨里大学（University of Surrey）和德国比勒菲尔德大学（Bielefeld University）开展学术访问与博士后研究。主要研究方向为智能优化与神经架构搜索， 以及面向多语言、多模态和跨文化场景的人工智能系统。
近年来，主持国家自然科学基金面上项目以及青年项目（C类）、广东省自然科学基金面上项目、粤港澳应用数学中心基金青年项目、广州市自然科学基金青年项目等项目9项。 在IEEE TEVC、IEEE TNNLS、IEEE SMCA、IEEE TETCI、IEEE CIM、Engineering、Information Fusion、《计算机学报》以及NeurIPS等国内外人工智能领域期刊与会议上发表学术论文近40篇，出版学术译著1部，申请或授权国家发明专利10项。现任国际期刊 Complex & Intelligent Systems 与 Neurocomputing 编委/副编辑，IEEE CIS广州分会秘书，IEEE高级会员。兼任中国工业与应用数学学会大数据与人工智能专委会委员、中国自动化学会计算智能专委会委员，广东省计算机学会软件工程专委会委员，以及CCF高级会员和CAAI会员。曾担任IEEE计算智能学会专题研讨会“自然语言处理与社交媒体中的计算智能”（CI-NLPSoMe 2025）主席、IEEE CEC专题研讨会“多模态数据驱动优化”（MMDO@CEC 2025）主席、IEEE IJCNN 2023国际会议分论坛“文本信息处理”主席等多项国际会议的重要职务。
获广东省科技进步二等奖（2023年）、广东省计算机学会青年科技奖（2025年）以及中国仿真学会优秀论文奖（2019年）等多项荣誉。
部分科研项目：
国家自然科学基金面上项目，面向多语言文本神经架构搜索的哈希子图演化算法研究，2026/01-2029/12，主持
国家自然科学基金重大研究计划，基于数据-模型协同优化的神经架构生成与推理方法研究，2026/01-2028/12，子课题负责人
国家自然科学基金青年项目，多层次动态车辆路径优化问题的高阶模糊图演化算法研究，2021/01-2023/12，主持
广东省自然科学基金面上项目，基于图扩散模型的异构动态组合优化方法研究，2026/01-2028/12，主持
粤港澳应用数学中心基金青年项目，基于人工智能的图组合优化，2025/07-2027/06，主持
广东省哲学社会科学基金青年项目，大模型驱动的新兴技术识别、态势演化及对策研究，2025/01-2027/12，主持
广州市自然科学基金青年项目，面向印尼领域的多模态知识图谱构建方法研究，2021/01-2023/12，主持
代表性研究成果：
专著：
金耀初(著),颜学明(译). 神经和形态发育系统的演化计算及应用---通向通用人工智能的新途径，科学出版社，2024
论文：
[1] X. Yan, Y. Jin, C. Wang and S. Yang. Causal Federated Graph Neural Networks for Multi-objective Facility Location. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2026.
[2] Y. Jin, X. Yan*, S. Liu and X. Wang. A unified framework for combinatorial optimization based on graph neural networks. Engineering, 2026. (Accepted)
[3] X. Yan, H. Huang, Y. Jin, Z. Wang, & Z. Hao. Neural Architecture Search Based on Bipartite Graphs for Text Classification. IEEE Transactions on Neural Networks and Learning Systems, 2025,36(6):10749-10763
[4] Z. Wang, X. Yan*, Y. Jin. Fairness-oriented Vertical Federated GNNs with Incomplete Sensitive Attributes. Information Fusion, 2025, p.103871.
[5] X. Yan, Z. Wang, Y. Jin. Heterogeneity-aware Federated Graph Neural Networks for Incomplete Multi-view Clustering, IEEE Transactions on Emerging Topics in Computational Intelligence, 2025:1-13
[6] X. Yan, Y. Xiao, Y. Jin. Generative Large Language Models Explained [ai-explained]. IEEE Computational Intelligence Magazine, 2024, 19(4), 45-46
[7] 颜学明,黄翰,金耀初,钟国,郝志峰.面向不平衡短文本情感多分类的三阶语义图数据增广方法.计算机学报, 2024,47(12):2742-2759
[8] X. Yan, H. Huang, Y. Jin, L. Chen, Z. Liang, Z. Hao. Neural architecture search via multi-hashing embedding and graph tensor networks for multilingual text classification. IEEE Transactions on Emerging Topics in Computational Intelligence, 2023, 8(1):350-63.
[9] X. Yan, Z. Fang, Y. Jin. An adaptive n-gram transformer for multi-scale scene text recognition. Knowledge-Based Systems. 2023, 280:110964.
[10] X. Yan, H. Huang, Z. Hao, J. Wang. A Graph-based Fuzzy Evolutionary Algorithm for Two-Echelon Vehicle Routing Problems, IEEE Transactions on Evolutionary Computation, 2020, 24(1): 129-141
联系方式：
邮箱：yanxm@gdufs.edu.cn
