2019年12月7日，2019华中科技大学第七届梧桐语问学论坛暨第三届“人工智能与群体智能”学术前沿青年团队探索论坛在梧桐语明德厅顺利召开，来自全国二十余家高校、科研院所及企业的四百余名师生参加了此次研讨会。本届研讨会由华中科技大学人工智能与自动化学院、华中科技大学科学技术发展院、数字制造装备与技术国家重点实验室、华中科技大学人工智能研究院主办，图像信息处理与智能控制教育部重点实验室、IEEE Control Systems Society Wuhan Chapter、武汉京天电器有限公司协办。中国科学院熊有伦院士和丁汉院士担任本届会议大会主席，华中科技大学张海涛教授和袁烨教授担任会议执行主席。开幕式由熊有伦院士致欢迎辞，张海涛教授主持。
十二月初的江城武汉，正值初冬，带着些许寒意。东湖之滨、光谷核心，森林式校园，五彩斑斓，风和日丽，第三届人工智能与群体智能研讨会如期而至，聚焦学术前沿，探索科技未来。为期一天的会议邀请了十多位知名学者，分别是：山东大学李贻斌教授、山东大学宋勇教授、中科院计算所陈云霁教授、北京理工大学孙健教授、武汉科技大学柴利教授、东南大学张敏灵教授、深圳大学丰建文教授、大连理工大学赵珺教授、北京工业大学韩红桂教授、北京航空航天大学董希旺教授、南方科技大学张巍教授、天津理工大学夏承遗教授、东北大学杨涛教授。十一场报告深入浅出、高屋建瓴、全球视野，在这里，智能机器人与机器学习交相辉映；算法软件与智能硬件相得益彰；智能电网与智慧城市驱动发展；网络控制与复杂网络编织未来；群体智能与无人系统赋能海陆空天。可谓是智能说今古，谈笑有鸿儒，既有顶天的机器学习、复杂网络的前沿理论与方法，更有立地的智能机器人、综合能源系统的工程应用，给参加会议的师生和学者奉献上了一场精彩绝伦的学术盛宴。
山东大学李贻斌教授、宋勇教授作了题为“深度学习背景下群智能机器人研究现状与趋势”的报告。本报告对群智能与群机器人学进行阐述，在回顾了群智能与群机器人发展历程基础上，探讨了新一代人工智能技术背景下群智能领域的热点方向与最新科研进展。群智能是受自然界的启发，试图模拟社会性生物的自组织行为，是解决复杂问题的一种高效的分布式解决方案。群智能原理已经成功应用于优化及机器人控制等多个领域，在机器人控制领域形成了群机器人学。
中科院计算所陈云霁教授作了题为“智能计算系统课程”的报告。陈教授分享了他这两年来在人工智能教学方面所做的工作和感悟。人工智能技术从上到下可以分为应用层、算法层、系统层、芯片层。我国当前在应用层和算法层已取得了很不错的成就，但仍存在一些不足，缺乏大量的系统层、芯片层的人工智能人才。人工智能技术的发展应当齐头并进，避免头重脚轻的发展。报告谈到了人工智能方向应该培养什么样的人才？陈教授认为人工智能方向应该培养具备开发人工智能系统的学生。通过智能计算系统的课程学习，学生要能对智能算法、编程框架、编程语言和智能芯片有系统性理解。报告最后还介绍了当前智能计算系统课程的在高校的开设情况。
北京理工大学孙健教授作了题为“网络化系统分析与控制”的报告。报告主要介绍了在网络时延等约束条件下系统的稳定性分析与控制器设计问题。孙教授介绍了他们团队在非均匀采样网络化系统的稳定性、网络化预测控制方法、多智能体系统事件驱动一致性控制等三个方面的研究工作和最新成果，并对未来研究工作进行了展望。
武汉科技大学柴利教授作了题为“多智能体系统一致性控制的图频域方法”报告。报告从图频域滤波的角度揭示多智能体系统平均一致收敛的物理本质，建立分布式平均一致控制器、一致性收敛率与图频域滤波器之间的显式关系。在此基础上，针对未知拓扑网络一致性问题，给出了达到最快一致性收敛控制器的解析表达式及其实现方法，并给出最优一致收敛率上限的显示表达式。
东南大学张敏灵教授作了题为“偏标记学习的研究”的报告。报告从三个方面介绍了偏标记学习的研究现状：首先简要讨论了偏标记学习的问题形式及其与弱监督学习框架的关系；其次，对现有偏标记学习算法进行了总结和呈现了他们在偏标记学习算法取得的研究进展；最后，分享了偏标记学习的相关学术资源。
深圳大学丰建文教授做了题为“Some Results on Synchronization Problems of Networked Harmonic Oscillators”的报告。报告介绍了近几年来利用周期采样对耦合谐波振子网络同步研究的几个结果：首先讨论具有观测噪声干扰且只在采样时刻通过瞬时耦合谐波振子网络的均方同步问题，包括固定和切换网络拓扑及其领导者跟踪情形；接着介绍同时通过位移和速度传递信息的随机噪声网络化谐波振子系统的几乎必然指数同步研究结果；最后研究了量化采样反馈情形下实现谐波振子网络同步，得到了在固定参数下网络化谐波振子系统收敛到同步轨道的一个有界邻域，并通过调节量化参数实现该网络同步。最后展望了相关问题的进一步研究。
大连理工大学赵珺教授作了题为“工业能源系统预测调度方法及应用”的报告。报告主要介绍了工业能源系统优化调度方法和呈现了当前研究的难点。大多数大型流程工业能源系统结构及其复杂，无法采用机理模型准确描述，针对上述问题，采用了基于数据的方法，提出了冶金能源系统基于预测的调度新方法。针对能源数据的语义可粒度化特性，在预测建模的基础上，结合经验推理，生产计划数据和强化学习方法，提出了能源动态优化调度技术。当前研究面临的难点有：多能系统优化调度的多时间与多空间导致的关系建模难；融合态势感知以及高维复杂约束下能源协同优化问题的求解难。
天津理工大学夏承遗教授作了题为“耦合多层网络上的演化动力学”的报告。基于当前复杂网络的研究热点——多层耦合复杂网络，首先讨论了囚徒困境与雪堆博弈两种不同的博弈模型在双层耦合网络中的演化博弈行为。同时介绍了基于概率模型的信息扩散对于传染病传播的影响，刻画了不同信息与疾病各自的传播过程以及信息与疾病传播之间的耦合关系。最后给出了未来的研究方向。
北京航空航天大学董希旺教授报告题目为：分布式编队合围控制技术及在无人机集群中的应用。
集群智能是人工智能的重要研究领域，也是单体智能未来发展的必然趋势。无人机是智能化无人系统中的典型对象，有着广阔的应用空间。以无人机集群为代表的智能集群系统具有大规模性、开放性、高动态性及强鲁棒性等典型特征，使得协同控制的算法需要分布式实现。重点介绍了分布式时变编队控制技术、编队跟踪控制技术及编队合围控制技术。
南方科技大学张巍教授作了题为“模型驱动与强化学习相结合的机器人控制与决策”的报告。报告探讨了控制与人智能技术如何更好结合的问题。报告首先以机器人控制为例，基于数据驱动的深度学习算法已经在机器人感知方面取得了较大的成功，然而传统的控制方法在机器人的运动控制方面仍然占据主导地位。进而，重点讨论了基于模型的最优控制算法与数据驱动的强化学习算法的深层关系。同时结合了多智能体的博弈、混杂系统的最优控制、足式机器人步态控制等多个具体应用问题探讨了几种将最优控制理论嵌入到强化学习算法的策略。
东北大学杨涛教授作了题为“分布式优化及其在智能电网中的应用”的报告。报告主要介绍了常用的分布式算法以及针对智能电网中分布式能源的最优协同控制问题，提出两种分布式协同优化算法，考虑了储能设备的削峰填谷作用在分布式优化问题中的解决方案。最后给出了未来的研究方向为分布式机器学习、分布式非凸优化、分布式在线优化、分布式动态优化等。
最后，华中科技大学张海涛教授和袁烨教授对本次研讨会作了总结性发言，对国内外专家学者的不远到来表示由衷的感谢，期盼把研讨会办出特色，办成品牌，打造成有温度、有深度、有高度、有浓度的思想碰撞、成果分享的著名平台，为业内学者们深化合作、共谋发展搭建桥梁。希望通过研讨会，展智能领域新成果、话智能科技新趋势、绘智能时代新蓝图！
