控制科学与工程:智能信息处理与智能系统方向

发稿时间:2016-06-07浏览次数:257

 □ 定位与目标

 本学科方向以信息处理、模式识别、智能优化等理论技术为核心,致力于不确定性信息处理、图像及语音信号处理、智能移动系统、智能优化与决策等领域面向特定应用背景的理论、方法和技术的研究。

 □ 优势与特色

 以周献中教授为首的本学科方向围绕智能装备(机器人)信息感知与信息融合、智能人机交互与协作、复杂CPS系统的建模分析仿真与优化等主题展开了持续的理论研究和技术开发,并建有南京大学智能装备新技术研究中心。本方向科研团队先后主持了4项原总装备部重点基金及重点项目(子项),5项国家自然科学基金项目、1项江苏省自然科学基金项目和1项教育部博士点基金项目,及20余项来自央企和科研院所的横向课题,发表了30余篇SCI高水平学术论文。原创的“人件(服务)技术”在面向军民共用的指挥与控制系统柔性化设计及人机交互与协作领域得到了应用;国际领先的决策粗糙集研究成果为解决不确定性环境下的信息处理奠定了有效的智能化计算理论和方法;新兴交叉学科量子控制及量子智能信息方面的研究成果为量子信息技术及传统控制系统都提供了有效的优化及控制方法;处于国际先进水平的含大规模新能源发电机组优化调度研究为当前国家重大战略需求——“智能微电网”提供了多能互补及变工况情形下的多目标鲁棒优化调度模型及高效求解算法;正在发展的基于虚拟现实(VR)技术的智能商务与智能制造为互联网+智慧生活提供了可大有作为的技术支持;出版的《指挥自动化系统辅助决策技术》、《决策粗糙集理论及其研究进展》等专著及主撰的《2014-2015指挥与控制学科进展》(综合报告)在本研究方向相关领域形成了较大的学术和社会影响。

 □ 师资队伍(教授4人、副教授4人、专职研究员4人)

 •周献中(教授)

 •陈春林(副教授)

 •陈强(副教授)

 •李华雄(讲师)

 •杨佩(讲师)

 •王博(专职研究员)

 □ 本学科方向承担的主要项目

 1.《基于失信因子的软件系统可信性分析》,国家自然科学基金(重点培育),2008.1-2010.12,50万,周献中。

 2.《基于粗糙集的不完备信息系统知识获取理论、方法及应用研究》,国家自然科学基金(面上)2006.1-2008.6,17万,周献中。

 3.《基于决策粗糙集的代价敏感知识获取方法及其应用研究》,国家自然科学基金(青年)2013.1-2015.12,22万,李华雄。

 4.《基于事件的强化学习及其在群机器人优化控制中的应用》,国家自然科学基金(面上)2013.1-2016.6,79万,陈春林。

 5.《XX时变特性系统辨识与增强现实研究》,国家军口973计划,2008.12-2012.12,260万,陈强。

 □ 本学科方向的代表性论文及著作

 1.周献中,黄兵,李华雄,魏大宽. 不完备信息系统知识获取的粗糙集理论与方法. 南京大学出版社, 2010.

 2.李华雄, 周献中, 李天瑞等. 决策粗糙集理论及其研究进展. 科学出版社, 2011.

 3.Bo Wang, Shuming Wang, Junzo Watada. Fuzzy portfolio selection models with value-at-risk. IEEE Transactions on Fuzzy Systems, 2011, 19(4): 758-769. 

 4.Bo Wang, You Li and Junzo Watada. Supply reliability and generation cost analysis due to load forecast uncertainty in unit commitment problems. IEEE Transactions on Power Systems, 2013, 28(3): 2242-2252. 

 5.Bo Wang, You Li and Junzo Watada. Multi-objective particle swarm optimization for a novel fuzzy portfolio selection problem. IEEJ Transactions on Electrical and Electronic Engineering, 2012, 8(2): 146-154.

 6.Qiang Chen, Minzhuo Wang, Hao Yan, Haonan Ye. An adaptive method for inertia force identification in cantilever under moving mass, Journal of Vibroengineering, 14(3):1052-1058, 2012. 

 7.Chunlin Chen, Daoyi Dong, Hanxiong Li, Tzyh-Jong Tarn. Hybrid MDP Based Integrated Hierarchical Q-learning. Science China Information Sciences, 2011, 54(11): 2279-2294.

 8.Chunlin Chen, Han-Xiong Li, Daoyi Dong. Hybrid Control for Robot Navigation - A Hierarchical Q-Learning Algorithm. IEEE Robotics & Automation Magazine, 2008, 15(2): 37-47. 

 9.Chunlin Chen, Daoyi Dong, Han-Xiong Li, Jian Chu, Tzyh-Jong Tarn. Fidelity-based Probabilistic Q-learning for Control of Quantum Systems. IEEE Transactions on Neural Networks and Learning Systems, 2014, 25(5): 920-933.

 10.Luowei Zhou, Pei Yang, Chunlin Chen and Yang Gao. Multi-agent Reinforcement Learning with Sparse Interactions by Negotiation and Knowledge Transfer. IEEE Transactions on Cybernetics, Doi: 10.1109/TCYB.2016.2543238, 2016.