波士顿大学Christos G. Cassandras教授来我院进行学术交流

Posted 2021-05-01 华中科技大学自动化学院

    5月11日上午，波士顿大学（ Boston University）杰出教授、IEEE和IFAC院士Christos G. Cassandras博士应关治洪教授邀请来我院进行学术交流，并作了题为“A General Framework for Decentralized Control and Optimization of Cooperative Multi-agent Systems”的学术报告。报告会由关治洪教授主持，我校教师王燕舞、刘智伟、池明、胡滨等30多位师生参加了报告会。

       Christos G. Cassandras教授于1977年在耶鲁大学（Yale University）获得硕士学位，1978年在斯坦福大学（Stanford University）获得硕士学位，1982年在哈佛大学（Harvard University）获得博士学位。他的研究方向包括离散事件和混合系统，协作控制，随机优化和计算机模拟，计算机和传感器网络，制造系统和运输系统等。他在这些领域发表了400多篇论文，并出版了6本著作。Christos G. Cassandras教授自1998年至2009年担任IEEETAC自动控制汇刊的主编，及其一些IEEE期刊的副主编。他目前是Automatica的主编。2012年任IEEE控制系统学会（CSS）主席，此外还担任了CSS理事会和出版委员会副主席和以及几个IEEE委员会的主席，并主持了多次IEEE会议。他曾在2001年的美国控制会议，2002年和2016年的IEEE决策和控制会议以及2017年的第20届IFAC世界大会等众多国际会议上做大会报告，并且还是IEEE杰出演讲者。他还是IEEE和IFAC资深院士。

       在报告中，Christos G. Cassandras教授提出了一个基于优化的统一框架，其中包括最常见的多智能体系统合作问题，比如覆盖控制，一致性，编队控制和持续监控。接着，介绍了在确定条件下以分散的方式集中解决此类问题的方案。对于参数优化问题，可以得到条件明确的分布式算法。然而，对于动态优化问题，由于智能体网络的时变特性和智能体根据环境（目标，数据源）采取的行动不能轻易在智能体网络中共享，使得分散式处理充满挑战。对于一维情况下的的持续监测问题，研究表明，通过使用无限微扰分析（IPA）的事件驱动集中式梯度算法可以获得完整的最优解。报告还展示了IPA梯度可以用几乎“分布式”的方式获得，其中每个智能体根据局部信息优化其轨迹，除非需要来自非邻智能体通信的事件。以及如何将这种几乎“分布式”的解决方案推广到一维之外的情形。此外报告还介绍了分散控制在“汽车互联网”中的一些应用。

      Christos G. Cassandras教授的报告内容深入浅出，讲解深刻而耐人寻味，讲台上下师生交互频繁，报告会场气氛十分活跃，与会师生获益良多。最后，关治洪教授对Christos G. Cassandras教授的精彩报告表示了感谢。Christos G. Cassandras教授的来访，促进了我院与波士顿大学在学术研究方面的进一步交流与合作。