个人简介
2007/09-2011/07，中国科学技术大学，本科，获自动化专业工程学士学位
2011/09-2016/07，中国科学院数学与系统科学研究院系统科学研究所，获运筹学与控制论专业理学博士学位，论文题目：多智能体系统的分布式优化及其智能电网中的应用，导师：洪奕光研究员
2016/07-2017/07，加拿大 多伦多大学，博士后，合作导师：Lacra Pavel 教授
2017/07-2019/07，美国 圣路易斯华盛顿大学，博士后，合作导师：ShiNung Ching 副教授
2019/09-至今，同济大学 青年百人B岗特聘研究员，控制科学与工程系，上海自主智能无人系统科学中心
科研与教学
随着无线通信技术、微电子和微机电技术、集成感知计算系统、机器人技术的进步，各类大规模网络系统越来越多地被应用于自然科学、社会科学和工程技术等领域。这些网络系统很多可以看作由多个可相互作用和影响的智能体所组成的多智能体（multi-agent）系统，其中每个智能体具有一定的感知、计算、通讯和执行能力。多智能体系统可以通过协同合作以完成特定的全局任务，也可以通过相互竞争以实现系统各部分的均衡。针对多智能体系统中的分布式协同与群体智能的研究也成为了国际热点研究问题，并在人工智能、系统控制、计算机科学和通讯网络等不同的学科方向得到广泛研究并产生大量的工程应用。2017年7月20日，中国国务院发布了凝聚大批中国科学家智慧的《新一代人工智能发展规划》，重点描述了AI+传统行业的展望和规划，预示着中国的人工智能的发展全面进入2.0时代。规划并指出了2.0时代以大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能和自主智能系统为代表的五大技术发展方向，而多智能体系统的协同与群智为自主智能系统的重要研究方向。
对于大规模网络系统中的各类控制、决策和优化问题等，仅依赖于智能体局部数据、局部计算和局部通讯的分布式方法往往比传统集中式方法更为合理，操作起来更为灵活方便。同时分布式方法具有无需大量数据传输、防止单点网络故障和保护用户隐私等优点。因此，多智能体系统的分布式决策理论和控制方法近年来得到了长足的发展并被广泛应用于工业和国防领域，如智能电网的分布式调度、无人机和卫星的自主编队和传感器网络在线数据处理等。与此同时，多智能体系统可以无间断实时地采集大量网络数据。这使得以分布式的方式在线挖掘大规模网络数据以便更好的利用多智能体系统完成各类复杂任务成为一个重大需求，因此亟需研究发展新一代的面向多智能体系统的分布式优化、学习、决策与控制方法。
学术兼职
IEEE 会员
自动化学会会员
担任如下期刊及会议的审稿人：IEEE Trans. on Automatic Control，Automatica， IEEE Trans. on Control of Network Systems，IEEE Trans. on Cybernetics，IEEE Trans. On Systems, Man, Cyber.: Systems，Int. J. of Adaptive Control and Signal Processing，Journal of The Franklin Institute，Information Sciences，IEEE Systems Control Letters， Systems Control Letters，IET Control theory and application，Control and Decision Conference (CDC)，ACC, ECC, ICCA, CCC
京公网安备 11010802027423号