面向人工智能领域的重大战略需求，以人才培养为核心，重点实验室主要开展网络群体智能理论与技术研究。揭示网络群体智能下的分析、控制与优化机理，对基于神经网络的群体智能理论与方法、网络群体智能学习与协同控制、网络群体智能信息挖掘与决策优化重点展开理论及相关应用研究。

研究方向一：基于神经网络的群体智能理论与方法

实验室将从人工智能的基础模型神经网络出发，以网络分析技术为依托，研究耦合神经网络的分布式学习理论基础。

进一步发展神经网络群体智能理论与方法，建立基于神经网络理论的群体智能研究统一框架，并为工程应用提供理论支撑；深入研究网络群体智能中的深度学习和机器学习理论与方法，强力推动人工智能学科理论的快速发展与完善。

研究方向二：网络群体智能学习与协同控制

实验室将建立系统的网络群体智能学习与协同控制理论，并着眼于解决智能学习与协同控制的相关理论与方法。

研究网络群体智能下的智能学习、分布式学习、自适应学习等，建立网络群体智能学习理论；深入探讨基于网络群体智能的协同干扰控制、通讯受限控制、编队定位等，解决网络群体智能协同控制关键基础难题。

研究方向三：网络群体智能信息挖掘与决策优化

实验室将构建网络群体智能信息挖掘与决策优化方法，为网络群体智能应用提供新的理论支持。着重研究网络群体智能下的网络结构（结点和边）挖掘控制、网络信息数据挖掘、结构特征挖掘、大数据分析；从网络中不同类别数据的逻辑关系出发，利用矩阵半张量积、布尔代数等分析工具，对网络中各类信息进行逻辑梳理和分析，揭示多种类型、多源数据背后的逻辑关联和潜在规律；对同一网络所属的各类信息间被割裂的耦合性和协调性进行弥补，并做出有效的群体智能响应控制；同时，深入研究网络群体智能中的分布式优化、博弈论等问题。