当前位置: 首页 >> 师资队伍 >> 教职员工 >> 教授(研究员) >> U-Z >> 正文
姓  名 衣鹏
职  称 教授
学  科 控制科学与工程学科
专  业 控制理论与控制工程;智能科学与技术
研究方向 人工智能,博弈;分布式优化;无人系统;多体协同
导师类型 博导/硕导
电子邮件
yipeng@tongji.edu.cn
联系电话
通讯地址 浦东新区川和路55弄
个人简介

个人简介与工作经历

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

2016/07-2017/07,加拿大多伦多大学,博士后,合作导师:Lacra Pavel

2017/07-2019/07,美国 圣路易斯华盛顿大学,博士后,合作导师:ShiNung Ching

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

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。

主要研究多智能体网络的分布式优化、决策和控制问题,主要成果包括:

1:分布式优化及网络资源分配:

提出了在有限数据率量化通信下的分布式优化算法,提供了最少比特率分析,并将相应结果推广到网络线性方程求解和分布式资源分配问题中。通过随机休眠机制讨论了分布式优化中通信复杂性与计算复杂性的折衷。提出了针对异构约束分布式优化问题的原始对偶梯度流算法并应用于带有传输约束与发电约束的电力系统负荷分配问题中。针对资源分配问题,提出了一种无需初始化的投影梯度流算法,并可以保证局部及全局分配可行性。针对网络化动态系统的分布式最优稳态调节问题,提出了抗干扰分布式梯度控制算法以及抗干扰资源分配控制算法。

2:分布式纳什均衡计算:

研究了带有线性耦合约束的非合作博弈问题的分布式广义纳什均衡求解。针对强单调博弈提出了基于前后向算子分裂法的分布式原始对偶梯度法。针对单调博弈,提出了一类基于预调近似点算法的双时间尺度分布式算法。研究了带时延的异步网络算法以实现广义纳什均衡的分布式求解。提出了基于状态势能博弈的分布式优化算法。针对广义聚合博弈利用投影梯度法和有限时间同步算法在个体仅能利用局部聚合变量估值的限制下实现了广义纳什均衡求解。

3:生物可行的神经编码:

为了在线学习互信息最优的神经编码,提出了基于变分贝叶斯方法和采样梯度估计的在线学习机制。该机制最大限度的保证了算法的生物可行性,进一步提出了多时间尺度的学习机制实现了能量约束下的互信息优化编码。

已发表20余篇期刊论文,第一作者发表了报括控制领域顶级期刊Automatica 长文和IEEE TRANS长文在内期刊论文10余篇。累计Google Scholar 引用超过1200次。

招收博士生、硕士生,欢迎对多智能体系统研究感兴趣的同学报考!

招生研究方向包括但不限于:1)多智能体博弈 2)分布式机器学习 3)类脑智能4)脑机接口和控制。鼓励支持优秀博士生参与国际合作联合培养。

教学

《最优化原理与方法》本科课程

《系统分析与优化》研究生课程

项目信息:主持国家自然科学基金项目一项,上海市青年科技英才“扬帆计划”项目一项,中国科协“青年人才托举工程”一项,参与上海市市级科技重大专项等。

学术活动

IEEE 会员

自动化学会青年工作委员会委员

自动化学会无人飞行器自主控制专委会委员

《Control Theory and Technology》Associate Editor

《Autonomous Intelligent Systems》主编助理

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等

上一条:叶伟
下一条:尹学锋