复杂系统与群体智能学术研讨会

复杂系统与群体智能

学术研讨会

2022年4月2日·腾讯会议

会议地址：https://meeting.tencent.com/dm/SwpXWBAES9Bb

腾讯会议：733 999 504

会议密码：0402

会议直播：https://meeting.tencent.com/l/aoKMn6LuUmW9

程序册

Final Program

主办单位：suncitygroup太阳集团网址

suncitygroup太阳集团网址人工智能研究院

数字制造装备与技术国家重点实验室

协办单位：图像信息处理与智能控制教育部重点实验室

IEEE Control Systems Society Wuhan Chapter

开幕致辞：曾志刚（会议主席，院长）

主持人：张海涛（会议主席、副院长），袁烨（执行主席、教授）

朱力军（执行主席、教授）

闭幕致辞：张海涛

欢 迎 词

组织机构(Organizing Committee)

主办单位：suncitygroup太阳集团网址

suncitygroup太阳集团网址人工智能研究院

数字制造装备与技术国家重点实验室

协办单位：图像信息处理与智能控制教育部重点实验室

IEEE Control Systems Society Wuhan Chapter

会议主席：曾志刚（院长） 张海涛（副院长）

执行主席：袁烨（教授）  朱力军（教授）

大会报告(Plenary Reports)

报告 一 8:40--9:10

智能工业的系统优化

唐立新

内容摘要：Systems optimization is the core basic theory of decision-making in smart industry, as well as the heart and engine of data analytics. This talk will discuss some systems modeling methods and optimization solution methods we have been working on. The systems modeling methods are to quantitatively describe different practical problems with proper formulations, including set-packing model, space-time network model, and continuous-time based model. The optimization solution methods include: 1) Integer optimization to optimally solve typical combinatorial optimization problems based on mathematical programming. According to the structure features of the problems, different methods are designated including branch-and-price, Lagrangian relaxation, Benders decomposition, outer approximation, and branch-and-cut. 2) Convex optimization is the core of machine learning. It is also used to solve practical continuous optimization problem. Major methods are discussed, such as gradient descent, alternative direction, second order cone, and semidefinite. Additionally, duality theories are used to improve their efficiency. 3) Intelligent optimization to solve the large-scale optimization problems with high non-linearity, dynamics, or multi-objectives. Various intelligent optimization algorithms will be discussed, including incremental dynamic DE algorithm, individual-dependent DE algorithm, and MOEA algorithm. 4) Topology optimization is used to scientifically design material layout within a given physical space, so as to maximize the system performance while satisfying a given set of loads and boundary conditions and constraints. It is widely used in lightweight design for mechanical equipment in smart industry. Major topology optimization solution methods to handle discrete structure and continuum structure are discussed. Overall, systems optimization provides the scientific basis for decision-making and data analytics in smart industry.

个人简介：唐立新，现为中国工程院院士，东北大学副校长（科技规划、国际合作），东北大学控制科学与工程（自动化）国家一级重点学科负责人、控制科学与工程国家“双一流”学科建设领导小组组长，智能工业数据解析与优化教育部重点实验室主任、工业智能与系统优化国家级前沿科学中心主任和首席科学家、计算机软件国家工程研究中心工业软件首席设计师。现兼任国务院学位委员会第八届控制科学与工程学科评议组成员、教育部科技委人工智能专委会副主任、中国运筹学会副理事长兼智能工业数据解析与优化专业委员会主任。

主要研究方向为工业智能与系统优化理论方法，包括工业大数据科学、数据解析与机器学习、深度学习与进化学习、加强学习与动态优化、凸优化与稀疏优化、整数与组合最优化、计算智能优化等理论方法，智能工业全流程生产与库存计划、生产与物流批调度、生产过程操作优化与最优控制等工程优化技术，质量预报、工况监测等知识发现和图像、语音、可视等感知理解方面的数据解析技术，以及在制造、物流和能源系统中的工程应用。

在IEEE Transactions on Evolutionary Computation、IEEE Transactions on Cybernetics、IEEE Transactions on Control Systems Technology、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Power Systems、Operations Research、Manufacturing & Service Operations Management、INFORMS Journal on Computing、IISE Transactions、Naval Research Logistics等国际重要期刊发表127篇论文。发表在国际工业与系统工程旗舰期刊IISE Transactions的论文被评为2017年度“最佳应用论文奖”（Best Applications Paper Award）。

现为6个国际工业智能与系统优化领域重要SCI期刊IISE Transactions, IEEE Transactions on Evolutionary Computation, IEEE Transactions on Cybernetics, Journal of Scheduling, International Journal of Production Research, Journal of the Operational Research Society的Associate Editor，国际期刊Annals of Operations Research编委，国际期刊Asia-Pacific Journal of Operational Research区域主编(Area Editor)。受邀担任INFORMS International 2018的Cluster Chair，9th IFAC Conference on Manufacturing Modelling, Management and Control的Track Chair。

报告 二 9:10--9:40

复杂系统科学简介

狄增如

内容摘要：在20世纪科学发展的基础上，超越还原论，探索复杂系统涌现性，实现钱学森院士创建系统学的夙愿，已成为21世纪科学探索的重要领域。在这一方向上的科学发展表明，纷繁多样的复杂现象背后，可能存在着简单的、普适的规律。探索各类系统的结构、环境与功能的普适关系以及演化与调控的一般规律，并在系统范式的基础上形成科学认识，是复杂系统科学研究的重要任务。本报告主要介绍系统科学的基本科学内涵，以及围绕系统认知论、系统演化论、系统调控论等方面的核心研究内容，包括若干应用领域以及关键的科学问题，并对复杂系统科学研究的发展现状和未来展望进行交流。

个人简介：狄增如，男，北京师范大学系统科学学院教授，珠海校区复杂系统国际科学中心主任，国际系统与控制科学院院士。曾任国务院学位委员会系统科学学科评议组召集人；现任教育部高等学校教学指导委员会管理科学与工程类专业委员会委员；中国系统工程学会副理事长；中国指挥与控制学会网络科学与工程专业委员会副主任等。主要研究领域为系统理论与应用、大数据分析、复杂网络及其在复杂系统中的应用等。2016年由于在复杂系统分析、复杂网络等方面的成就获中国系统工程学会第三届系统科学与系统工程科学技术奖理论贡献奖。

报告 三 9:40--10:10

车路协同环境下异构交通主体群体智能仿真理论与方法

蔡伯根

   内容摘要：车路协同自动驾驶技术是当今国际智能交通领域的前沿技术和发展趋势，是解决我国交通拥堵、安全事故、环境污染等“城市病”的有效手段。面向未来车路协同环境下异构交通主体构成的新型混合交通系统，针对异构交通主体在网联化、智能化、数字化等级方面的差异，分析异构交通主体运行耦合机理，研究车路群体智能协同决策方法，突破交通主体协同仿真、测试场景快速构建、虚实信息融合等关键技术，构建虚实结合的大规模群体智能行为仿真测试平台，并面向城市交叉口、高速公路等典型交通场景，实现车路协同环境下的群体智能行为仿真与效能测试。

个人简介：蔡伯根，现任北京交通大学计算机与信息技术学院院长、教授/博士生导师。主要从事智能交通系统、卫星导航定位、列车运行控制、智能车路协同等领域的研究。是国家科技进步二等奖、詹天佑铁道科技贡献奖、茅以升铁道科学技术奖等获得者，享受国务院政府特殊津贴专家。

报告 四 10:20--10:50

基于智能优化的可持续制造调度

乔非

内容摘要：随着制造相关的资源/能源、环境/生态、社会压力等问题的日益突出，对于制造过程和管理的可持续性、特别是对促进可持续制造实施具有重要作用的可持续调度的研究，日益被各界关注。报告在分析可持续制造调度问题现状与技术方法的前提下，分别从面向节能环保的可持续调度、面向安全可靠的可持续调度两个方面，探讨智能化方法在可持续制造调度的优化和协同中的作用及应用前景。

个人简介：乔非，同济大学电子与信息工程学院教授，德国洪堡学者，教育部新世纪优秀人才计划获得者，中国自动化学会会士。中国自动化学会常务理事兼副秘书长，上海市微型电脑应用学会副理事长，上海市系统工程学会副理事长。主要研究方向为复杂制造系统生产计划与调度，智能优化理论与方法，基于数据的调度优化等。已出版专著5部，学术论文100余篇，曾获上海市技术发明一等奖、国家教育部科技进步奖、中国高校科学技术奖等。