报告题目：智能决策底座—模型预测控制与优化算法
报告人：吴亮 美国约翰霍普金斯大学
报告摘要：
模型预测控制(MPC)通过模型预测、滚动优化与反馈校正，将系统性能与物理约束统一纳入决策过程，是连接系统理论、控制理论、数值优化与人工智能的重要方法。本讲座首先介绍MPC的基本原理与应用场景，阐述预测模型、优化求解与闭环控制之间的联系；随后结合报告人的研究，重点讨论高效二次规划算法、执行时间认证及沿预测时域的并行优化，介绍面向实时控制的算法设计思路；进一步围绕Koopman预测建模、可微预测控制与学习型优化，探讨模型驱动与数据驱动的融合，以及在线优化与策略学习之间的联系。最后，面向机器人与自主系统，讨论如何在有限计算预算下兼顾求解效率、约束满足与控制性能，展望优化与学习协同支撑实时、可靠智能决策的发展方向。
报告人简介：
吴亮，现为美国约翰霍普金斯大学博士后，后将加入东南大学数学学院。在意大利卢卡IMT高等研究院取得计算科学和系统工程科学博士学位，师从模型预测控制领域知名教授Alberto Bemporad。随后，在美国麻省理工学院担任博士后，师从美国国家工程院院士Richard D. Braatz。长期从事模型预测控制，优化算法与学习算法等方向的研究。累计发表论文20余篇，近五年在控制领域顶刊IEEE Transactions on Automatic Control发表一作论文5篇(含长文2篇)，在IEEE Control System Letters期刊发表一作论文2篇，在NeurIPS顶会上表一作论文1篇。
报告时间：2026年10月21日星期三 15:30-17:10
报告地点：吉林大学前卫校区正新楼四楼本科生教室
线上入口：439-6474-5413
