研究实体

最优化技术与智能博弈研究中心

当前位置: 首页 > 研究实体 > 最优化技术与智能博弈研究中心
最优化技术与智能博弈研究中心
日期:2024-11-22 点击:

中心定位: 最优化技术与智能博弈研究中心聚焦运筹学、随机优化、智能博弈、图论与极值组合、密码学等的研究。中心致力于新型随机优化建模与理论分析,探索随机优化与强化学习的融合,基于人工智能发展最优化与智能博弈数学技术,包括但不限于问题的自动表示、建模与转换、最优化与博弈算法的自动化设计与理论分析,图论与极值组合、密码学等相关理论与算法以及实际应用。中心目标是通过发展基于人工智能的最优化、博弈与控制、图论与极值组合、密码学等理论与技术,为解决国家重点领域的关键问题提供数学技术与解决方案;成为运筹、博弈与其他学科的交叉研究与学术合作平台与创新基地,为我国最优化、博弈、图论与极值组合、密码学研究进入国际先进行列做出重要贡献。

中心成员:

主任:陈志平

副主任:柯良军

成员:孙建永,杨树森,鲁红亮,李辉,王卫,赵聪,刘嘉,石嘉隆。

中心成果简介:坚持“聚焦前沿、强化交叉、顶天立地、服务国家”的原则,中心在智能优化、随机优化、鲁棒优化、智能博弈、极值图论及网络优化的算法设计与理论分析方面进行了系统深入的研究,取得了系列成果,研究成果已经服务于国家重大需求。团队主持了包括国家自然科学基金委、科技部、装备发展部、科技委等重大项目与课题共8项,项目总经费8800余万元,研究成果成功落地华为、东方物探、中国航发集团、南方电网等我国龙头企业,解决了系列“卡脖子” 问题,产生经济效益数千万元。团队在PNAS、Nature Communications、SIAM、IEEE Trans等领域顶级期刊和会议发表论文400余篇,在国内外具有一定影响,成果被评价为“重要技术突破”、“突破业界瓶颈”、“深刻的结果、一个重要的贡献”等。

团队在随机优化、分布鲁棒优化的建模、理论分析及其在经济、金融等领域的应用中取得了一系列高水平成果,产生了较好的学术影响,论文发表在SIAM、MOR、EJOR、 JOTA、JBF、QF、JEDC、IME、SAJ等运筹学、经济与金融领域顶级期刊。在运用运筹学方法解决复杂金融决策问题方面的贡献突出,受邀在Springer出版的“Optimal Financial Decision Making under Uncertainty”专著中撰写综述。

团队在智能博弈方向出版学术著作《蚁群智能优化方法及其应用》、《强化学习》,在平均场博弈等智能博弈相关研究方向取得一序列成果,发表在IEEE trans、Information sciences、IJCAI等期刊和会议。团队在多项重要比赛中获佳绩,其中在装备发展部主办的智能博弈挑战赛中荣获冠军,在军委科技委组织的任务规划创客大赛中获优秀奖。

团队聚焦离散结构中的一些核心领域如极值图论与代数图论,取得了令人瞩目的研究成果, 论文发表在组合、图论的顶级期刊JCTB、JCTA. SIAM、EJC、JGT等。在图的极值结构及极值结构稳定性问题,解决了极值图论领域多个公开问题及猜想。在代数图论方面,提出了图的广义谱确定性概念,给出了图广义谱确定性判定的一个简洁的算术条件,相关工作被著名代数图论学者Brouwer和Haemers写进其专著“Spectra of Graphs”。

团队针对复杂数据的统计建模,解决了不满足独立同分布假设的数据建模以及模型的快速优化求解问题;首次提出最优化算法自动发现的研究思路,建立了最优化算法发现的数学模型与学习方法论模型;提出了基于人工智能方法的算法族参数化与方法论学习解决方案;发展了优化和数据科学交叉融合的分布式大数据优化新理论和新方法。团队成果发表在PNAS、Nature Communications、NSR、IEEE TPAMI/TEVC/TCYB、INFOCOM,CACM,SIGMOD,NSDI等国际顶刊期刊和会议。团队提出了多目标进化算法研究领域两大主流算法之一的MOEA/D算法,获得2010年该期刊的年度最佳论文奖,当前谷歌学术引用次数达4500次。

中心现有1名领军人才、4名国家级青年人才,成员荣获首届阿里巴巴“达摩院青橙奖” ,华为公司“2020年度技术创新与突破合作卓越成就奖”、“2020年度技术创新与突破合作优秀贡献奖”等奖项。


研究方向:聚焦于国计民生重点领域,中心目标为国家重大问题的解决发展相关理论并提供鲁棒可信与高效的解决方案。中心着力于发展智能优化、新型博弈、图论与极值组合、密码学领域的理论与算法。目前聚焦的研究方向包括:

l 大模型驱动的优化算法自动化设计理论与方法

l 大规模智能体协作、非完美信息下均衡求解等智能博弈共性技术;

l 基于通用智能的机器人集群博弈方法及其应用;

l 抗量子加密的纠错码理论与算法;

l 新型随机优化的建模、理论分析及其应用;

l 随机优化与强化学习的融会贯通;

l 图与超图的极值结构及其稳定性、超图匹配、反拉姆齐数;

l 联邦学习的数学优化理论及方法;

l 数据要素安全流通中的优化方法;

l 分布式复杂大数据系统任务调度的最优化理论及方法。





版权所有:西安交通大学数学与数学技术研究院  设计与制作:西安交通大学数据与信息中心
地址:陕西省西安市碑林区咸宁西路28号  邮编:710049