会前专题讲座1：复杂系统前沿论坛
会前专题讲座1召集人：蒋国平（南京邮电大学） 温广辉（东南大学）
时间：2021年5月21日下午
讲座专家：蒋国平
单位：南京邮电大学
讲座题目：混沌通信研究进展
摘要：混沌系统是一种特殊的非线性系统，在通信领域具有良好的应用前景。报告首先介绍混沌通信研究现状、几种典型的混沌通信方案，包括：混沌掩盖、混沌扩频、混沌键控、差分混沌键控等，分析这些混沌通信方案的优缺点。然后介绍本团队提出的几种混沌通信方案，包括：高效率差分混沌键控、参考调制差分混沌键控等，并进行系统性能分析。最后介绍混沌通信的应用前景。
简介：蒋国平，南京邮电大学副校长，教授、博士生导师，江苏省物联网智能机器人工程实验室主任。兼任中国工业与应用数学学会复杂网络与复杂系统专业委员会副主任委员、中国通信学会人工智能专委会副主任委员、江苏省人工智能学会副理事长、IEEE非线性电路与系统技术委员会委员。“江苏省‘青蓝工程’中青年学术带头人”，教育部新世纪优秀人才，江苏省‘333高层次人才培养工程’培养对象”。长期从事混沌系统同步控制与混沌通信、复杂网络传播、控制与故障诊断等教学和研究工作。
讲座专家：吴争光
单位：浙江大学
讲座题目：分布式连续非线性系统的异步Lebesgue近似模型
摘要：在现实世界中，大部分的实际物理过程本质上是时间连续的，而在很多应用中我们需要离散时间模型，特别是在数字化的工作环境中，如：基于模型的路径规划，模型预测控制。近似模型的精确性以及计算效率问题对于以模型为基础的方法来说至关重要。主要研究分布式异步的离散时间模型来近似分布式的连续时间非线性系统，其中的子系统间存在物理耦合且能够与邻居节点交换信息。构建了一个分布式的时间触发系统，该系统的状态轨迹与Lebesgue近似模型的轨迹一致。基于此，进一步给出了Lebesgue近似模型渐近稳定、近似误差有界、避免出现Zeno行为的条件。
简介：吴争光，浙江大学长聘教授，博士生导师，在2019年⼊选国家“万⼈计划”青年拔尖⼈才。主要开展网络化混杂系统、信息物理系统与智能电网的研究工作。目前主持国家自然科学基金重点项目一项，浙江省杰出青年科学基金。2014—2019年连续六年入选Elsevier中国高被引学者榜单，2017—2020年连续四年入选Clarivate Analytics全球高被引科学家榜单。曾获得浙江省2011年优秀博士研究生学位论文奖、教育部2015年度高等学校科学研究优秀成果奖（自然科学一等奖）、2017年浙江省自然科学二等奖，2019 年中国自动化学会自然科学⼀等奖和第三届中国自动化学会⾼等教育教学成果⼆等奖，2019 年浙江省自动化学会⾼等教育教学成果⼀等。在IEEE系列汇刊和Automatica上发表（含录用）论文100余篇，2篇论文分别入选2013和2014年中国百篇最具影响国际学术论文，在Springer出版社出版英文专著4部。论文被SCI他引4000多次，共有40篇论文入选ESI高被引论文，h指数50。担任IEEE Transactions on Systems, Man and Cybernetics: Systems和《中国科学：信息科学》等8个国内外期刊的Associate Editor/Editorial Board Member，美国《数学评论》评论员，IEEE CSS会议编委会Associate Editor，以及多个国际会议的程序委员会主席/成员。
单位：东北大学流程工业综合自动化国家重点实验室
讲座题目：分布式优化及其在智能电网的应用
摘要：分布式优化算法通过多智能体之间的相互合作协调来解决大规模的优化问题。与传统的集中式优化算法相比，分布式优化算法更为灵活、方便、高效。分布式优化算法在电力系统、交通系统、信息物理系统等领域有广泛应用。本报告首先回顾和总结现有的分布式优化算法；接下来，针对智能电网中分布式能源的最优协同控制问题，提出两种分布式协同优化算法，并严格理论证明了算法的收敛性，同时在典型的IEEE-39节点系统中进行了验证。
简介：东北大学教授、博士生导师。2012年获美国华盛顿州立大学博士学位；2012至2014年在瑞典皇家理工学院仼职博士后；2014至2016年在美国太平洋西北国家实验室先仼职博士后，后晋升为Scientist；2016至2019年在美国北德克萨斯州大学仼助理教授；2019年入选国家青年高层次人才类项目，加入东北大学流程工业综合自动化国家重点实验室。主要从事工业人工智能、智能优化与控制一体化、信息物理系统、分布式协同控制和优化等领域的研究，主持国家自然基金重大项目课题等。在国际权威期刊和学术会议上发表论文80多篇，其中IEEE汇刊和IFAC会刊论文20多篇。现任《自动化学报》副主编、《IEEE Transactions on Control Systems Technology》《IEEE/CAA Journal of Automatica Sinica》等期刊编委(Associated editor)，IEEE控制系统协会和IFAC多个技术委员会委员。曾任Annual Reviews in Control等多个杂志客座编委。2018年获美国橡树岭大学联盟Ralph E Powe青年教授奖；作为导师获第14届IEEE International Conference on Control and Automation国际会议最佳学生论文奖。
讲座专家：马倩
单位：南京理工大学
讲座题目：Consensus switching of second-order multi-agent systems with time delay
摘要：Consensus problem of Multi-agent systems has attracted considerable attention recently. The consensus problem becomes more complicated if more complex dynamics are considered, such as agents with time delay. A novel PI type controller with input delay is proposed. The fact that the consensus switching of systems with the continuous change of input delay is first revealed. If the rightward crossing condition holds, the delay margin can be obtained to guarantee that the systems reach consensus if and only if the time delay is less than the critical value. Otherwise, it is possible that the systems switch from consensus to non-consensus and back to consensus as the delay increases.
简介：马倩，女，南京理工大学自动化学院教授、博士生导师。2013年4月毕业于南京理工大学自动化学院，获控制理论与控制工程专业工学博士学位。曾先后在香港城市大学、美国加州大学河滨分校、美国南伊利诺伊大学从事访问研究工作。获国家自然科学二等奖一项、教育部自然科学一等奖一项。入选教育部长江学者奖励计划青年学者，江苏省“六大人才高峰”高层次人才项目，获江苏省杰出青年基金资助。研究方向为时滞系统的稳定性分析及鲁棒控制、多智能体系统协调控制、非线性系统分析和控制。
讲座专家：彭周华
单位：大连海事大学
讲座题目：基于事件触发的无人船路径跟踪与协同控制
摘要：船舶呈现无人化、网络化、集群化等重要发展趋势。网络化控制是实现无人船远程化和集群化海洋作业的关键技术之一。本次报告从通讯、制导、估计、控制一体化角度出发，针对通讯资源受限、模型参数不确定、风浪流扰动下的无人船系统，重点介绍网络环境下基于事件触发机制的无人船扰动估计、路径跟踪、以及协同控制方法，为资源受限条件下无人船协同海洋作业奠定理论和技术基础。
简介：彭周华，大连海事大学教授，博士生导师。主要从事无人船集群协同控制的研究工作。主持参与国家重点研发计划、国家自然科学基金等省部级以上项目10余项，主持国家自然科学基金项目3项。在智能控制和海洋工程领域发表SCI期刊论文90余篇。授权国家发明专利7项。以第一完成人获中国海洋工程科学技术一等奖1项，教育部自然科学二等奖1项，辽宁省自然科学二等奖1项。论文获辽宁省自然科学学术成果一等奖1项，交通运输重大科技创新成果3项，辽宁省造船工程学会优秀论文一等奖2项。入选国家“万人”计划青年拔尖人才（2020年）、辽宁省“兴辽英才”青年拔尖人才，辽宁省高等学校优秀人才，香江学者，大连市杰出青年科技人才，大连市科技之星等支持计划；获全国交通运输系统先进工作者，交通运输部中青年科技创新领军人才，辽宁省百千万人才工程“百人”层次，交通运输部青年科技英才，大连市优秀青年教师等荣誉。担任《中国舰船研究》杂志编委。
讲座专家：朱善迎
单位：上海交通大学
讲座题目：Differentially Private Distributed Optimization over Networks
摘要：Distributed optimization has received much attention recently due to its wide applications in sensor fusion, resource allocation and machine learning. Common features of these examples are that there is no centralized center involved and the resources, such as sensing, communication and computation, are usually scattered throughout the network, which basically necessitate completely distributed algorithms. However, the vulnerability nature of wireless communications makes the messages transmitted between agents at risk of being intercepted by attackers, which will cause issues of information disclosure. In this talk, I will introduce two distributed methods that can ensure convergence but are still guaranteed to achieve differential privacy. A tradeoff between differential privacy and convergence accuracy is characterized. Application to economic dispatch problems in smart grids will also be discussed.
简介：朱善迎，上海交通大学自动化系副教授。2013年毕业于上海交通大学自动化系。2013年至2015年，在新加坡南洋理工大学以及伯克利教育联盟(BEARS)开展博士后研究工作。主要研究领域为网络系统的分布式估计和优化、多智能体协同控制、微能源网的能量管理等。主持国家自然科学基金优秀青年基金、国家重点研发计划课题等9项，参与国家自然科学基金重大/重点项目等8项。发表论文60余篇，合作出版英文专著一部。曾担任多个国际会议的TPC/IPC成员、Invited Session/Local Arrangement/Publicity/Track Co-Chair等。现为IEEE工业信息学技术委员会委员，中国自动化学会青工委委员以及TCCT多自主体控制学组委员等。
讲座专家：袁德明
单位：南京理工大学
讲座题目：Multi-Agent Mirror Descent for Distributed Optimization
摘要：In this talk we consider convergence rate problems for stochastic strongly-convex optimization in the non-Euclidean sense with a constraint set over a time-varying multi-agent network. We propose two efficient non-Euclidean stochastic subgradient descent algorithms based on the Bregman divergence as distance-measuring function rather than the Euclidean distances that were employed by the standard distributed stochastic projected subgradient algorithms. For distributed optimization of non-smooth and strongly convex functions whose only stochastic subgradients are available, the first algorithm recovers the best previous known rate of O(ln(T)/T) (where T is the total number of iterations). The second algorithm is an epoch variant of the first algorithm that attains the optimal convergence rate of O(1/T), matching that of the best previously known centralized stochastic subgradient algorithm.
简介：袁德明，于2007年7月、2012年6月毕业于南京理工大学，分别获工学学士和工学博士学位；现为南京理工大学自动化学院教授，澳大利亚“奋进”研究学者。主要从事分布式优化与机器学习相关研究。近年来，在IEEE Transactions on Information Theory、IEEE Transactions on Automatic Control、Automatica、SIAM Journal on Control and Optimization等学术刊物发表论文30余篇。2020年获国家自然科学基金优秀青年基金资助，2017年获江苏省自然科学基金优秀青年基金资助，同时主持并参与多项国家和江苏省自然科学基金。2014年起担任国际SCI刊物Transactions of the Institute of Measurement and Control编委。
会前专题讲座2：智能交通前沿论坛
会前专题讲座2召集人：田立新（南京师范大学） 刘志远（东南大学）
时间：2021年5月21日下午
讲座专家：田立新
单位：南京师范大学
讲座题目：公共自行车系统实时服务的鲁棒性及其预警分析
摘要：本报告着力于分析公共自行车系统的实时服务的鲁棒性，测算对公共自行车系统的实时服务的起预警作用的站点阈值。我们构建了一个比现有的最大联通集更能刻画公共自行车系统的实时服务的新指标，提出了一个刻画正常运营对公共自行车系统的实时服务影响的新鲁棒性策略，并在两种指标下，完成了正常运营及站点失效对公共自行车系统实时服务的鲁棒性分析。为对公共自行车系统的实时服务给出预警，我们依据上述鲁棒性分析，给出了一个计算站点阈值的方法。仿真分析显示[0.19, 0.82]是南京市公共自行车系统的站点阈值。该结果改进了现有的结果，将一周流量型窗口下累计有再平衡需求的站点数减少了2.18%，有利于动态再平衡的发展。
简介：田立新，南京师范大学副校长、教授、博士生导师。主要从事动态大系统建模及控制、能源系统工程等领域研究。先后主持国家自然科学基金12项，完成10项，其中有1项为国家自然科学基金重大项目课题、1项为重点项目课题、4项为重大研究计划项目；主持国家社会科学基金项目2项均完成，其中1项为国家社会科学基金重大项目。在国内外发表学术论文300多篇，被SCI检索240多篇，专著10部。部分工作发表在PNAS, TRC，IEEE ITSM，Resource Policy, Energy Economics、Phy Rev E等重要杂志上。作为负责人获教育部高等学校优秀科研成果奖一等奖1项、二等奖1项, 获江苏省科技进步一等奖1项、二等奖1项, 获江苏省哲学社会科学奖一等奖2项。
讲座专家：龙建成
单位：合肥工业大学
讲座题目：A time-dependent shared autonomous vehicle system design problem
摘要：The emergence of the shared autonomous vehicle (SAV) provides new opportunities and challenges for the fashionable car-sharing mode. This study proposes a time-dependent SAV system design problem by jointly optimizing fleet size, parking infrastructure deployment, and daily operation of the system for infrastructure planning in the long run. The dynamic system optimum (DSO) principle in terms of total daily system cost (TDSC) is adopted to formulate the daily operation of the SAV system, i.e., users’ departure time choices and SAVs’ route choices. By incorporating the link transmission model (LTM) as the traffic flow model, the daily operation problem (DOP) of the SAV system is formulated as a linear programming (LP) problem. Further, the time-dependent SAV system design problem is formulated as a mixed integer linear programming (MILP) problem. The LP relaxation of the proposed MILP problem could provide a tight lower bound, and a diving heuristic algorithm is developed to solve the proposed MILP problem. Finally, numerical examples are designed to illustrate the properties of the model and the efficiency of the proposed solution algorithm.
简介：龙建成，合肥工业大学教授、博士生导师，国家杰出青年科学基金获得者，国家自然科学基金优秀青年科学基金获得者，教育部“长江学者奖励计划”青年学者，教育部新世纪优秀人才。2009年12月北京交通大学博士毕业，2011年12月北京航空航天大学经济管理学院博士后出站。2011年12月引进到合肥工业大学工作。主要研究方向为城市动态交通分配理论与方法、城市交通拥堵传播建模及分析、城市交通组织优化与管理等。近年来，先后主持国家自然科学基金青年科学基金项目、面上项目、优秀青年科学基金项目、国家杰出青年科学基金项目、教育部新世纪优秀人才支持项目、霍英东教育基金会高等学校青年教师基金项目、中国博士后科学基金项目等；在《Operations Research》、《Transportation Science》、《Transportation Research Part B\C\D\E》、《IEEE Transactions on Intelligent Transportation Systems》、《European Journal of Operational Research》、《Networks and Spatial Economics》、《系统工程理论与实践》等国内外期刊上发表论文60余篇。博士学位论文“城市道路交通拥堵传播规律及消散控制策略研究”获2012年全国优秀博士学位论文提名论文。动态交通分配方面的研究成果曾入选了国家自然科学基金委2014年年度报告。现任学术期刊《International Journal of Transportation》和《控制与决策》编委、管理科学与工程学会理事、中国系统工程学会理事、安徽省非线性科学学会常务理事、中国运筹学会智能计算分会常务理事、管理与决策科学专委会常务理事、管理科学与工程学会交通运输管理研究会委员、合肥工业大学学术委员会委员等。
讲座专家：肖峰
单位：西南财经大学
讲座题目：Estimating Traffic Flow States with Smart Phone Sensor Data
摘要：This study proposes a framework to classify traffic flow states. The framework is capable of processing massive, high-density, and noise-contaminated data sets generated from smartphone sensors. The statistical features of vehicle acceleration, angular acceleration, and GPS speed data, recorded by smartphone software, are analyzed, and then used as input for traffic flow state classification. Data collected by a five-day experiment is used to train and test the proposed model. A total of 747,856 sets of data are generated and used for both traffic flow state classification and sensitivity analysis of input variables. After applying various algorithms to the proposed framework, the study found that acceleration and angular acceleration data can increase the accuracy of traffic flow classification significantly. When the hyper-parameters of the Deep Belief Network model are optimized by the Differential Evolution Grey Wolf Optimizer algorithm, the classification accuracy is further improved. The results have demonstrated the effectiveness of using smartphone sensor data to estimate the traffic flow states and shown that our proposed model outperforms some traditional machine learning methods in traffic flow state classification accuracy.
简介：肖峰，工学博士，教授，博士生导师。毕业于清华大学，获得土木工程学士学位和交通工程硕士学位，并于香港科技大学获得交通工程博士学位，曾任美国加州大学戴维斯分校博士后，英国Maunsell咨询公司香港总部交通规划师。现任西南财经大学大数据研究院副院长，教授、博士生导师、国家杰出青年基金、国家自然科学基金优秀青年基金获得者，教育部长江学者青年学者，四川省百人计划特聘专家。研究方向主要包括人工智能算法与数据挖掘、复杂交通系统建模优化、金融风控与智能投顾、区块链等。先后主持和参与了NSFC-RGC香港-内地联合基金， NSFC-广东大数据科学中心项目，国家重点研发计划等10余项重要国家和省部级课题。在管理科学与工程、交通科技及数据挖掘领域著名国际期刊和会议如Transportation Science，Transportation Research Part A、B、C、D, IEEE TKDE、ISTTT等发表论文40余篇。研究团队与香港科技大学，香港理工大学，美国加州大学伯克利分校、戴维斯分校，加拿大多伦多大学，英国利兹大学，清华大学等国内外著名高校保持着密切合作和访学交流关系。
讲座专家：王亚东
单位：南京理工大学
讲座题目：Optimal deployment and scheduling for heterogeneous vessels in a global linear container shipping route
摘要：Previous studies on liner container shipping operations usually assume identical container ships deployed in the same shipping route. However, in real operations, this assumption does not always hold considering the distinct capacities, ages, fuel efficiencies, cost structures, etc. of these ships. These distinctions significantly influence the number of containers transported, the bunker fuel consumption, and the operating cost of a shipping route. In this regard, this paper considers the joint ship deployment, sequencing, and scheduling problem for a fleet of heterogeneous vessels in a shipping route. A mixed integer programming model is developed to select the optimal ships from a set of candidate ships together with their sequences, schedules, and sailing speeds in the shipping route to minimize the total cost. A tailored solution algorithm is subsequently developed to calculate the global optimal solution. Numerical experiments demonstrate that this algorithm significantly outperforms the classical branch-and-cut algorithm in solving the model. In addition, by applying our model in a real-case shipping route, we find that the model is able to reduce the total cost by 5% compared with that considering homogeneous vessels.
简介：王亚东，南京理工大学经济管理学院教授。致力于多模式交通系统管理与优化研究，综合运用混合整数规划、随机优化、鲁棒优化等优化理论与方法，解决航运运营中的关键科学问题。承担多项省部级以上科研课题，相关研究成果已在Transportation Science、Transportation Research Part B等交通与运筹管理知名期刊发表学术论文二十余篇。
讲座专家：刘志远
单位：东南大学
讲座题目：基于高斯过程的数据驱动交通流模型
摘要：经典交通流理论研究尝试通过物理模型来研究道路交通流运行和演化的规律，但此类方法存在一定不足，无法有效利用海量有价值的交通大数据信息。为了准确估计交通流中的基本参数关系，我们提出了一个新的数据驱动交通流模型。该模型可拓展性较强，能够借助多源交通大数据，考虑更高维度的交通状态变量（需求侧变量）；能够考虑道路供给条件对交通状态的影响（供给侧变量）；直接对变量之间的统计关系建模，不依赖均衡状态假设；使用机器学习模型替代传统参数模型，提高交通流分析的精度。我们采用高斯过程（GP）回归作为基础模型来学习从需求侧变量和供给侧变量到交通流量的基本关系，利用仿真实验来验证新模型在道路流量估计问题中的有效性，实验结果表明新模型能够捕捉交通流需求侧变量、供给侧变量与流量之间的复杂关系，同时也显示了其在估计动态道路容量方面的价值。
简介：刘志远，东南大学交通学院教授、博导、副院长。入选国家自科基金优青、江苏省双创人才、东南大学青年首席教授。2011年毕业于新加坡国立大学，获博士学位，并随后留校进行博士后研究一年。自2015年回到东南大学交通学院工作，归国前就职于澳大利亚蒙纳士大学土木工程系，任讲师、博导。2017年12月至2018年1月，澳大利亚墨尔本大学数学系访问学者。主要研究领域包括交通网络规划与管理、交通大数据分析与建模。迄今为止在这些领域中发表SCI/SSCI期刊论文70余篇。Google Scholar引用3000余次。担任交通研究领域知名SCI期刊ASCE Journal of Transportation Engineering以及IET Intelligent Transport Systems副主编，担任国际期刊Transportation Research Part E（SCI/SSCI）、Transportation Research Record（SCI）、Journal of Transport and Land Use（SSCI）编委。获得10余项国内外大数据算法比赛奖项（皆为前三名），包括被誉为“大数据比赛世界杯”的KDD CUP冠军（2020年）、与第二名（2019）年。
会前专题讲座3：人工智能交叉前沿论坛
会前专题讲座3召集人：虞文武（东南大学）
时间：
讲座专家：董希旺
单位：北京航空航天大学
讲座题目：集群系统协同控制理论及在无人机集群中的应用
摘要：集群智能是新一代人工智能的重要研究领域。无人机是集群系统中的典型对象，在军事及民用领域都有着广阔的应用前景。协同控制是集群系统智能涌现的保障和途径。以无人机集群为代表的集群系统具有大规模性、开放性、高动态性及强鲁棒性等典型应用特征。这些特征使得针对集群系统协同控制的相关算法能够分布式实现。本报告主要针对集群系统协同控制中的分布式时变编队控制技术、编队跟踪控制技术及编队-合围控制技术进行分别介绍，并结合在无人机集群上的系列飞行试验对所提出技术的有效性进行演示验证，最后以所参加的空军“无人争锋”智能无人机集群系统挑战赛密集编队穿越竞速的比赛为例进行应用展示，并对未来的可能发展方向进行概述。
简介：董希旺，男，清华大学博士，新加坡南洋理工大学博士后，北京航空航天大学教授、博士生导师。2017年入选中国科协青年人才托举工程，2019年获批国家自然科学基金优秀青年基金。担任中国指挥与控制学会集群智能与协同控制专业委员会总干事、中国自动化学会青年工作委员会副秘书长。
主要研究集群智能、协同制导控制、协同决策规划及飞行器集群，理论与实践并重，研发了基于无人机和无人车的集群智能协同验证平台并开展了系列试验验证，支撑完成2018年空军无人争锋比赛无人机密集编队穿越竞速飞行，在50余支参赛队伍中获得唯一优胜奖。以第一和通讯作者在IEEE TAC和TCST等汇刊以及Automatica等国际知名期刊发表SCI论文60余篇，6篇论文长期入选ESI高被引论文，发表在IEEE TAC上的论文被评为2020年北京地区广受关注的学术论文，发表在Control Engineering Practice的论文被评为该期刊2019年引用最多的论文，以第一作者身份在Springer出版英文专著1部，授权/受理国家发明专利30余项。
研究成果获得中国指挥与控制学会科技进步一等奖、创新奖一等奖，中国产学研合作创新与促进成果奖二等奖，吴文俊人工智能优秀青年奖，IEEE CSS Beijing Chapter 青年作者奖及Springer优秀博士论文等奖励和荣誉。
讲座专家：李晓迪
单位：山东师范大学
讲座题目：脉冲环境下非线性系统的有限时间稳定与控制
摘要：根据时域和性能要求不同，有限时间稳定性的研究分为两种：一种是在传统稳定性的范畴内研究系统在有限时间内收敛到平衡状态并估计其停息时间，另一种是研究系统在有限时域内的暂态性能，独立于一般稳定性问题。报告主要介绍脉冲环境下非线性系统两类有限时间稳定性与控制问题。首先，根据有限时间应用机理的不同，分别介绍其相关概念和发展简要，并通过问题驱动介绍脉冲系统有限时间稳定和控制的研究意义。其次，重点介绍团队在延迟脉冲、有限时间控制及停息时间估计方面的最新成果。最后，简要介绍下一步在脉冲系统方面未来研究工作的展望。
简介：李晓迪，男，中共党员，1982年生，数学博士，物理学博士后，教授，博士生导师，教育部“长江学者奖励计划”青年学者、山东省泰山学者青年专家、山东省杰出青年基金获得者、山东省五四青年奖章获得者、山东省优秀青年基金获得者、山东师范大学数学与统计学院院长、控制与工程计算研究中心主任。
近年来致力于不连续控制系统理论及应用方面的研究，获得一批应用基础性研究成果。在IEEE汇刊和Automatica发表SCI收录论文30余篇；21篇入选ESI前1%高被引学术论文。先后获教育部自然科学奖二等奖（排名第一位），山东省自然科学奖二等奖（排名第一位），科睿唯安“全球高被引科学家”，第15届教育部霍英东青年教师奖，Elsevier中国高被引学者（2014至今），山东省优秀研究生指导教师，山东省高校优秀共产党员等荣誉。目前担任国际SCI期刊《AIMS Mathematics》主编、《Applied Mathematical Modelling》主题编辑、《International Journal of Systems Science》副主编、《Neural processing Letters》副主编、中国自动化控制理论专业委员会非连续控制系统分委员会委员，随机系统控制分委员会委员等。2021年在AIMS旗舰下创办新刊《Mathematical Modelling and Control》，并于同年3月份第一期出版。
讲座专家：刘涛
单位：大连理工大学，先进控制技术研究所
讲座题目：基于显微图像实时检测结晶过程关键参数与数据驱动优化
摘要：近年来采用显微图像检测微观晶体形态和种群尺寸分布特性，在精细化工、制药、海洋工程等行业领域得到了快速发展和推广应用。然而现有的检测方法主要基于结晶过程采样和离线显微镜分析技术，不便用于在线实时检测或会引起较大测量偏差和时间滞后。本次报告根据我们近期取得的有关研究成果，介绍如何克服结晶溶液搅拌、晶体颗粒自由运动、以及环境光照不均匀等不利影响的实时图像检测和晶体特征分析方法，给出一些结晶过程关键参数辨识方法，相应地发展了基于数据驱动和状态估计的实时反馈控制与运行优化方法。通过一些具体工程应用案例来验证说明这些方法的有效性和优点。最后，提出一些有待于研究和解决的问题和挑战。
简介：刘涛，大连理工大学教授，2012年入选国家青 年 千 人计划，担任大连理工大学先进控制技术研究所所长。于2006年在上海交通大学获得控制科学与工程博士学位，2006-2010年在香港科技大学化工系先后从事研究助理、访问学者、研究助理教授工作，2010-2012年在德国做洪堡基金学者，在亚琛工业大学过程系统技术研究所从事化工批量生产过程辨识建模、控制和优化。目前担任控制工程和仪表自动化领域国际重要SCI源期刊ISA Transactions副主编、控制学科国际重要期刊International Journal of Control编委、控制工程国际期刊Systems Science and Control Engineering副编辑、IEEE控制系统技术系列会议-控制理论与应用(CCTA)编委、国内控制学科核心期刊《控制工程》编委、国际自动控制联合会(IFAC)化工过程控制委员会委员、国际电气与电工技术协会(IEEE)系统辨识和自适应控制技术委员会委员、中国自动化学会控制理论专委会委员、中国过程控制工程专业委员会委员。主要从事制药结晶和生物发酵等生产过程的实时检测、动态特性建模与参数辨识、模型预测控制、批次生产过程的鲁棒控制与运行优化、生产过程质量监测、红外光谱和图像在线检测技术与智能仪器研制。在控制学科和化工过程控制领域国内外重要期刊发表论文120余篇，其中第一作者SCI论文40余篇，在国际知名Springer出版社发表一部关于工业过程辨识建模与控制的英文著作，2021年中文专著《过程辨识建模与控制》由化学工业出版社发行。申请近20项国家发明专利。作为第一完成人荣获2018年教育部自然科学二等奖、2018年中国自动化学会青年科学家奖、2017年中国自动化学会自然科学二等奖。
讲座专家：齐洪胜
单位：中国科学院数学与系统科学研究院
讲座题目：概率布尔网络及其应用
摘要：概率布尔网络作为Kauffman布尔网络模型的重要推广，近年来在基因调控网络、计算机网络、社会网络等领域有广泛的应用。本报告首先介绍一种简化的基于gossip过程的概率布尔网络，每时每刻仅有一对节点发生相互作用，基于此模型我们利用图论和组合分析理论建立了一系列定理。本报告还将介绍对于量子网络经过周期性的量子测量后其测量结果将生成一个概率布尔网络，我们针对全局测量和局部测量分别讨论了诱导出的概率布尔网络性质，建立了初步的量子测量诱导的概率布尔网络理论。
简介：齐洪胜，中国科学院数学与系统科学研究院副研究员，中国科学院大学岗位教授，博士生导师。2008年于中国科学院数学与系统科学研究院获博士学位。2008年7月至2010年6月在中科院系统控制重点实验室从事博士后研究工作。主要研究兴趣包括逻辑动态系统、博弈与控制、量子网络等。2011年获Automatica 2008-2011理论/方法类最佳论文奖，2014年获国家自然科学二等奖（排名第二）。现任“Journal of Systems Science and Complexity”编委，中国工业与应用数学学会理事兼副秘书长，中国自动化学会控制理论专业委员会委员。
讲座专家：孙健
单位：北京理工大学
讲座题目：网络化系统安全控制研究进展
摘要：随着网络技术、嵌入式计算技术的飞速发展，控制系统逐步向网络化、协同化发展。在控制系统中引入网络，使系统遭受外部攻击的风险越来越大。本报告将汇报网络化系统安全控制的最新研究进展。首先从攻击者的角度，研究最优切换攻击的设计方法。其次，针对存在拒绝服务攻击的网络化系统，研究系统镇定控制器的设计方法。最后，从图论的角度，分析多智能体系统存在外部攻击情况下的可观性问题。
简介：孙健，北京理工大学自动化学院教授、博士生导师、副院长。主要研究方向为网络化系统分析、控制、安全性及应用等。发表学术论文170余篇，出版学术专著1部。获国家自然科学二等奖1项、教育部自然科学一等奖1项、国防科技进步二等奖2项。2019年获国家杰出青年科学基金。现任第八届教育部科技委委员、中国自动化学会控制理论专业委员会副主任、中国指挥与控制学会集群智能与协同控制专业委员会副主任、中国自动化学会工业控制系统信息安全专业委员会副秘书长、《IEEE Transactions on Systems, Man and Cybernetics: Systems》、《Journal of Systems Science and Complexity》、《自动化学报》、《控制工程》等刊物编委。
讲座专家：张靖
单位：清华大学
讲座题目：Optomechanical dissipative solitons
摘要：Solitons are one of the most exciting manifestations of nonlinear wave-matter interactions, offering unusual propagation and spectral features in various physical systems, of wide importance for spectrometers, communications, comb generation, and many other applications. Here, we report the first observation of mechanical micro-solitons excited by optical fields in an optomechanical microresonator. The build-up of the optical field circulating along the circumference of the resonator triggers a mechanical nonlinearity through optomechanical coupling, which in turn induces a time-varying periodic modulation on the propagating mechanical mode, leading to a tailored modal dispersion. When the optomechanically-induced nonlinearity and dispersion effects balance each other, a localized self-reinforcing mechanical wave-packet with preserved envelope, i.e., an opto-mechanical soliton, is observed. In this regime, by carefully controlling the pump power and/or the frequency detuning between pump fields and cavity mode, the optomechanical motion can transition from sinusoidal to a peculiar cnoidal wave. The discovery of cavity optomechanical micro-solitons opens new dimensions for optomechanics technology, and may find applications in acoustic sensing, information systems, energy storage, radio-frequency communications and surface acoustic wave technology.
简介：张靖，清华大学自动化系副教授，博导，2001年7月本科毕业于清华数学科学系，2006年7月博士毕业于清华自动化系。主要研究兴趣包括：(1) 硅基微纳光子学实验；(2) 量子控制理论。在相关方向发表接收的论文中包括Nature 1篇，Nature Photonics 2篇， Physics Reports 1篇，Physical Review Letters 3篇。张靖作为第一作者于2011年获国际自动控制联合会（IFAC）世界大会青年作者奖，是我国高校系统学者第一次获此奖项。研究工作被Nature Photonics选为2016年6月刊的封面热点论文，并入选“2016中国光学重要成果”。2012年，入选清华大学基础学科青年人才支持计划（221计划）。2016年得到国家自然科学基金优秀青年基金支持。2017年获评教育部青年长江学者。
讲座专家：张通
单位：华南理工大学
讲座题目：AS-NAS：基于增强进化算法的自适应可扩展神经架构搜索方法
摘要：神经架构搜索（Neural Architecture Search，NAS）是结合了优化和机器学习的交叉研究，是设计深度和浅层学习模型的一个关键问题。NAS方法可以实现神经架构的自动化优化设计，不过其效率非常依赖神经架构的编码策略和优化方法。本报告围绕解决这些问题，在分析现有一些NAS方法不足的基础上，提出解决方案，自适应可扩展的NAS方法，AS-NAS。本方法具有2个独特的优势：1）综合强化学习和进化算法的优点，提出基于强化学习的易经优化算法，通过基于不同算子搜索效率的反馈学习，提高算法的寻优效率；2）设计自适应可扩展的神经架构编码策略，可以同时编码实现具有不同层数，输出通道数和可变连接关系的卷积神经架构，并自适应优化调整。大量对比实验结果验证了本方法的有效性。
简介：张通博士，山东菏泽人，现任华南理工大学计算机科学与工程学院教授，院长助理。中国自动化学会青年工作委员会副秘书长。中国医学救援协会神经生物反馈治疗与干预分会副秘书长，广东省计算智能与网络空间信息重点实验室副主任。曾获广东省科技进步一等奖，第十届“吴文俊人工智能优秀青年奖”，IEEE SMC学会Franklin V. Taylor最佳论文奖，广东省杰出青年基金获得者。主要从事人工智能，情感计算和小样本学习等算法及相关应用研究，发表学术文章50余篇。指导学生获2020年全国互联网+大赛总决赛国家金奖2项。
张通博士主要从事情感智能算法与应用研究，主持国家自然科学基金青年、面上项目和重点项目课题4项，科技部“变革性技术关键科学问题”重点专项子课题1项。
