报告题目：多智能体强化学习在智能系统控制中的应用探索
报告人：陈东 美国密西西比州立大学助理教授
报告摘要：
近年来，智能系统（如机器人、自动驾驶车辆和智能电网）在提升各类系统效率和可持续性方面展现出巨大潜力, 广泛应用于智能交通, 工业自动化和能源管理等领域。 这些系统通过与本地通信网络连接, 形成可扩展且具鲁棒性的“连接系统”。然而, 由于状态空间和动作空间维度高, 系统内部组件交互复杂, 如何对这些连接系统进行高效, 可靠的控制仍是一个重大挑战。 传统控制方法在面对系统的不确定性和实时性要求时往往表现不足。 强化学习（Reinforcement Learning, RL），尤其是多智能体强化学习（Multi-Agent Reinforcement Learning, MARL），因其在线自适应能力和对复杂问题的求解能力，为网络化系统控制（Networked System Control, NSC）提供了新思路。本研究围绕三个具有代表性的深度MARL算法展开，目标是实现连接系统的安全、高效和可扩展控制，相关方法已在多个实际应用中进行验证，如电力系统控制和自动驾驶车辆调度。
报告人简介：
陈东博士现任美国密西西比州立大学（Mississippi State University）农业与生物工程系的助理教授（Tenure-Track）。他于2023年获得密歇根州立大学（Michigan State University）电气与计算机工程博士学位，师从Zhaojian Li教授。博士毕业后，陈博士在弗吉尼亚大学（University of Virginia）担任博士后研究员。在此之前，他于2017年毕业于电子科技大学，获得机械工程学士学位。陈博士的研究方向包括：强化学习、多智能体系统、机器人、智慧农业等。他在多个国际知名期刊和会议上发表了超过20篇学术论文，包括IEEE T-ITS、IEEE T-MECH、IEEE TPWRS、IEEE RAL、Computers and Electronics in Agriculture (COMPAG)、IEEE ICRA、以及American Control Conference (ACC) 等。
报告时间：2025年5月8日 3-4节 10:00-11:40
报告地点：吉林大学前卫校区-逸夫楼-311
线上入口：腾讯会议 664-980-849
