各部门、各单位：
应我校自动化学院邀请，东北大学杨涛教授、上海交通大学何建平教授、华中科技大学袁烨教授、华东理东大学唐漾教授4位青年专家将于2020年6月24日线上进行分布式控制、非凸优化和机器学习等领域的高水平学术报告讲座，欢迎广大师生参加！报告的具体安排如下：
报告时间：2020年6月24日（星期三）9:30-16:00
报告地点：腾讯会议
会 议 号：704197381
报告一：分布式优化及其在智能电网的应用（杨涛教授）6月24日10:00-11:00
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。
报告人简介：杨涛，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任职博士后；2014至2016年在美国太平洋西北国家实验室先任职博士后，后晋升为Scientist；2016至2019年在美国北德克萨斯州大学任助理教授；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。
报告二： Non-convex Distributed Optimization: Novel Algorithmic Design and Arbitrarily Precise Solution（何建平教授）6月24日11:00-12:00
摘 要： This talk will introduce a novel distributed algorithm (named CPCA) by exploiting Chebyshev polynomial approximation, consensus and SDP theories, to solve a class of constrained distributed nonconvex optimization problem. Different from existing iterative gradient-based method, this algorithm has the advantages of being i) computationally efficient in that no evaluation of gradients is required within the iterations, and ii) able to obtain arbitrarily precise estimates of global optimal solutions. We prove that with O(m) zeroth-order oracle queries and O(log(m/epsilon)) rounds of communications, CPCA can yield epsilon globally optimal solutions for the considered problem, where epsilon is any arbitrarily small given tolerance, and m is the maximum degree of local approximations. Extensive simulation results validate the effectiveness of the proposed algorithm.
报告人简介：何建平，上海交通大学教授，博士生导师，于2017年4月加入上海交通大学，现为自动化系副主任。2013年在浙江大学获工学博士学位，2014年至2017年期间在加拿大维多利亚大学从事博士后研究工作。主要研究方向为机器人智能协作系统和数据驱动的安全协同控制等。
报告三：物联制造大数据的机器学习与性能预测共性关键技术研究（袁烨教授）6月24日14:00-15:00
摘 要：Cyber Physical Systems（CPS，信息物理系统）是集成计算、通信、控制技术以实现物理系统稳定、可靠、高效运行的新一代工程系统，正成为支撑和引领全球新一轮产业变革的核心技术体系。德国《工业4.0实施建议》将CPS作为工业4.0的核心技术, 《中国制造2025》提出，“基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革”。如何设计更优、更实用的CPS成为各产业实现资源优化再配置的关键。然而由于其缺乏离散信息处理机制与模型在线更新机制，传统方法在面对具有非线性、时变特性的CPS系统建模问题时效果不佳，无法辨识客观真实世界的复杂非线性动力学方程与离散信息流的深度耦合关系。为解决这一问题，从数据驱动智能学习的角度，提出了一套基于CPS自动建模框架——与传统方法相比，该框架通过设计机器学习算法对CPS所感知的信息流进行建模分析，辨识了CPS中多子系统非线性耦合动力学，挖掘了子系统之间的切换逻辑，揭示了CPS的演化趋势规律。该框架具有较好的普适性，已成功应用在机器人、智能制造、智能电网等多个领域。它可为后续CPS的再设计、优化与控制提供重要理论保证，为智能制造夯实CPS机器学习理论基础。
报告人简介：袁烨，华中科技大学人工智能与自动化学院教授，博士生导师。2008年获得上海交大本科学位，2009和2012年分别在剑桥大学获得硕士，博士学位，2012至2016年分任剑桥大学博士后、达尔文学院研究员、加州大学伯克利博士后。一直从事基于信息物理系统的大数据学习和控制方面的研究工作。以第一作者或通信作者发表（含共同）Nature子刊、Lancet子刊、 IEEE Trans、Automatica期刊论文10余篇，获得2020年IEEE信息物理系统协会青年科学家提名奖，2017年IEEE电力与能源年会最佳论文奖（通信作者），剑桥大学Dorothy-Hodgkin奖，剑桥大学达尔文学院Fellowship以及2016年国家高层次青年人才计划奖励。
报告四： Coordination Control for Time-varying Multi-agent Systems（唐漾教授）6月24日15:00-16:00
摘 要： The coordination control for time-varying multi-agent systems is considered in this talk, which includes the time-varying dynamics, sampled-data and topologies. Some examples are presented to show the effectiveness of the proposed methods.
报告人简介：唐漾，华东理工大学教授，博士生导师，德国洪堡基金入选者。2015年入选国家青年高层次人才类项目。目前担任Nature出版集团Scientific Reports资深编辑，IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Emerging Topics in Computational Intelligence,Journal of the Franklin Institute和Neurocomputing等多个SCI期刊的副主编/编委和4个专刊客座编辑。主要研究多智能体系统/复杂网络状态估计、控制和优化，自主群体智能系统感知和决策，信息物理融合系统安全分析与控制，以及过程系统风险预警和应急辅助决策。围绕上述领域，在Nature子刊、Automatica、IEEE汇刊和美国物理学会会刊等国际期刊上发表论文80余篇，其中包括IEEE汇刊和IFAC会刊论文70余篇。主持国家自然科学基金人工智能基础研究应急管理项目、国家科技部重点研发计划课题和国家自然科学基金委面上项目等多个项目，参与国家自然科学基金重大项目课题。担任IEEE汇刊、Automatica等多本国际期刊审稿人，担任美国数学协会数学评论特约评论员，并获得Automatica、IEEE Trans. Cybernetics杰出审稿人称号。2018年获得上海市“青年五四奖章”和2017-2019年入选ESI高被引学者（科睿唯安）榜单。2019年获得上海市自然科学奖一等奖（第一完成人）。
特此通知。
科研处
自动化学院
2020年6月22日
