研究方向

核心方向

信息物理系统强调感知、计算、通信与控制的深度融合，用于实现物理对象与信息空间的实时交互、动态映射和闭环优化。课题组围绕复杂系统中的状态感知、机理建模、系统分析与协同控制开展研究，为真实场景中的智能决策提供系统性支撑。

人工智能与强化学习技术关注复杂环境中的学习、决策与自适应控制能力，通过数据驱动与交互学习不断改进策略。课题组围绕强化学习、数据驱动建模、智能决策与在线学习方法开展研究，提升系统在动态、不确定条件下的自主优化能力。

智能优化算法面向多目标、多约束和大规模复杂决策问题，强调在有限时间内高效搜索高质量解。课题组围绕进化计算、群智能优化、学习增强优化与混合求解策略开展研究，为复杂系统中的资源配置、计划调度与协同优化提供通用方法支撑。

典型应用场景

面向网联汽车与自动驾驶场景，开展测试场景生成、系统仿真评估、协同感知与智能决策研究，支撑复杂交通环境下的系统验证与安全运行。

针对钢铁生产中铁钢区段与钢轧区段，围绕机车物流、炉次排产、热轧调度等关键环节，开展工序、设备、物流、能源等多要素协同优化研究。通过系统建模、运行分析、仿真评估、数字孪生开发及动态调度等技术手段，提升生产系统运行稳定性与综合生产效率。

面向流程工业生产场景，开展多工序耦合、多资源约束和动态扰动条件下的计划调度、运行控制与仿真分析研究，支撑生产过程的高效组织与稳定运行。