“挑战杯”全国大学生课外学术科技作品竞赛是由共青团中央、中国科协、教育部、全国学联和承办高校所在省（市）人民政府主办大学生科技创新赛事。于1989年在清华大学首次举办，至今已举办十五届。在广大高校乃至社会上产生了广泛而良好的影响，被称为中国大学生科技创新的“奥林匹克”盛会，是目前国内大学生最关注最热门的全国性竞赛，也是全国最具代表性、权威性、示范性、导向性的大学生竞赛。我校戴戈同学曾连续三届参加“挑战杯”竞赛，两次获得特等奖、一次获得一等奖，是“挑战杯”竞赛历史上的传奇人物。在2017年举办的第十五届“挑战杯”竞赛中，我校在全国主体赛中获得2项特等奖，2项一等奖，2项二等奖和一项“一带一路”专项奖，以总成绩420分刷新了江苏高校参加“挑战杯”竞赛的历史最高分，位列全国第三，领跑江苏。这是学校继2001年和2007年两次总分第一、捧得“挑战杯”后，再次进入全国前三，这也是学校在“挑战杯”全国赛历史上第一次总分突破400分。东南大学2021年“挑战杯”课外学术作品项目申报现已正式启动，鼓励17、18级本科生积极参与报名，现有项目介绍如下：
温广辉教授课题组主要以群体智系统为研究对象，包括神经网络、复杂网络和多智能体系统的理论、方法及其在人工智能中的应用研究。人工智能是21世纪三大尖端技术之一，已成为国际竞争新焦点。2018年，有12个国家和地区发布或加强了人工智能战略计划，另有11个国家正筹备制定其人工智能国家战略。2018年9月，世界人工智能大会在上海开幕式上，习近平总书记明确指出“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式”。在此背景下，人们越来越多认识到人类正在走向智能时代！作为一门极富挑战性的学科，人工智能涉及到数学、计算机、自动控制、信息等学科，其三大基石是指算法、数据和计算能力。当前的人工智能主要是指数据和智能算法的结合，即在数据处理和分析的基础上，利用算法实现智能化功能。在影响人工智能效能的众多因素中，算法的影响力最大；从某种程度上说，人工智能的本质是智能算法。
温广辉，国家优秀青年基金获得者，江苏省优秀青年基金获得者。现为东南大学青年首席教授，东南大学-奇蛙智能科技公司联合实验室主任，东南大学复杂系统协同控制实验室副主任。中国自动化学会环境感知与保护自动化专业委员会委员，中国工业与应用数学学会复杂系统与复杂网络专委会委员，中国指挥与控制学会网络科学与工程专委会委员，美国《数学评论》评论员，IEEE Senior Member。主持国家自然科学基金项目3项，江苏省自然基金项目2项，教育部博士点基金新教师项目1项，教育部重点实验室开放课题项目1项。主要研究兴趣包括分布式控制与优化，复杂网络系统建模与控制，智能电网，信息物理系统和鲁棒控制。在IEEE Trans. Automatic Control，IEEE Transactions on Smart Grid，IEEE Trans. Neural Networks and LearningSystems，IEEE Trans. Circuits and Systems I&II,，IEEE Trans. Industrial Informatics，IEEE Trans. Cybernetics，AIAA Journal of Guidance Control and Dynamics，Systems and Control Letters等控制理论顶级杂志发表（含接受）SCI检索学术论文100余篇，其中IEEE Trans. 系列50余篇，ESI高他引论文15篇，EI检索会议论文50余篇, 论文SCI他人引用2000余次（Web of Science），H-index 31（Web of Science）。曾获2010年中国复杂网络学术会议最佳学生论文奖（独立）， 2012年中国控制决策会议张嗣瀛奖提名(排名第一)。2016年教育部自然科学二等奖（排名第3），2016年中国指挥与控制学会科学技术一等奖（排名第2）。
刘国华，东南大学数学学院副教授，硕士生导师，主要研究方向为代数、矩阵计算，智能算法等。目前发表SCI等学术论文10余篇，主持参与省部级以上科研项目7项。2014年获得江苏省科学技术奖（排名第二）。
付俊杰，东南大学数学学院副教授。2017年毕业于北京大学工学院力学系统与控制专业，获博士学位。2011年毕业于北京大学工学院理论与应用力学系，获学士学位。研究方向包括非光滑分析、滑模控制、多智能体分布式协同控制等。在量化通信协同控制，有限时间协同控制方面发表相关论文十余篇。主持国家自然科学基金青年基金一项，江苏省自然科学基金青年基金一项。中国应用数学学会会员，IEEE Member。担任IEEE Transactionson Automatic Control, Automatica, IEEE Transactions on Control of NetworkSystems等多个国际期刊和IEEE CDC, ACC等多个国际会议审稿人。2016年获评国际SCI期刊Asian Journal ofControl杰出审稿人.担任2018中国网络科学大会、2018国际复杂网络与系统研讨会程序委员会主席，2019AIAIM出版委员会主席。2018年10月入选江苏省“双创博士”项目。2018年11月入选东南大学至善青年学者人才计划。
一、元启发式优化算法决策变量抽样相关性分析与处理技术
指导教师 | 姓名 | 所在单位 | 职称 |
1 | 温广辉 | 数学学院 | 教授 |
2 | 刘国华 | 数学学院 | 副教授 |
3 | 付俊杰 | 数学学院 | 副教授 |
项目简介： 元启发式算法是相对于最优化算法提出来的，一个问题的最优化算法可以求得该问题的最优解，而元启发式算法是一个基于直观或经验构造的算法，它可以在可接受的花费(指计算时间和空间)下给出问题的一个可行解，并且该可行解与最优解的偏离程度不一定可以事先预计。元启发式算法包括禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法、粒子群优化算法、人工鱼群算法、人工蜂群算法、人工神经网络算法等。本课题针对元启发式算法应用于连续时间优化问题求解时，决策变量抽样相关分析与处理这一关键问题进行研究，并将理论结果应用于无人艇编队控制及协同攻击等典型军事应用中。 成果形式：高质量论文，高水平专利，软件演示系统。 作品的实际应用价值和现实指导意义：众所周知，基于深度学习的新一代人工智能，其三要素始终离不开算力、算法和数据，唯有三位一体、同时发力，才能形成“算力为基、数据为本、算法为王”的新一代智能应用体系。进一步，随着智能体广泛的应用，对智能体的要求也会越来越高，需要智能体能够进行高效率的工作，这就意味着必须要有更为精准的智能算法。而精准的智能算法的主要任务就是要能够快速的求解。因此，提高算法的求解速度是促进人工智能发展的重要环节，具有重要的意义。 | |||
二、基于事件驱动的分布式智能控制理论与应用研究
指导教师 | 姓名 | 所在单位 | 职称 |
1 | 温广辉 | 数学学院 | 教授 |
2 | 刘国华 | 数学学院 | 副教授 |
3 | 付俊杰 | 数学学院 | 副教授 |
项目简介： 随着高科技的蓬勃发展,特别是云计算和大数据等新兴领域的出现。分布式优化理论和应用得到了越来越多的重视，并逐渐渗透到科学研究、工程应用和社会生活的各个方面，分布式优化是通过多智能体之间的合作协调有效地实现优化的任务，可用来解决许多集中式算法难以胜任的大规模复杂的优化问题。如今如何设计出有效的分布式优化算法并对其进行收敛性和复杂性的分析成了优化研究的主要任务之一。与集中式算法的主要区别在于分布式算法还不得不考虑通讯和协调在优化中起到的重要作用。本项目旨在融合先进的分布式优化算法与智能优化算法相结合，进而提出新颖的高效智能优化算法，并在无人机集群试验、无人艇编队控制中验证算法的有效性！ 成果形式：高质量论文，高水平专利，软件演示系统。 作品的实际应用价值和现实指导意义：多智能体系统分布式协同控制问题源自于诸如鱼群汇聚、动物迁徙、狼群捕食等自然协作现象。随着上世纪70年代至今信息化的高速发展，仿生学的思想同样被运用于自然界的群体行为，催生了多智能体系统的协同控制问题。伴随着分布式计算、传感器技术、以及无线通讯技术的迅猛发展，大量研究成果被应用到诸如卫星编队、网络传感、交通系统、深海探测、多弹协同等各个方面。协同问题一般而言，有两种解决方式：集中式控制和分布式控制。集中式控制一般假设至少有一个中心节点，可以获取并发送信息给所有的智能体；而分布式控制则仅要求各个智能体与其邻居智能体交换信息，因而仅需要局部的信息交互。由于智能体规模大、传感器能力受限、无线通讯范围受限等约束，集中式控制在现代社会往往很难实现，此时，分布式控制具有无与伦比的优势吸引着来自诸多领域的科技工作者的巨大研究兴趣，可以在包括物理（复杂网络、混沌系统、电路系统）、生物（神经网络）、航空航天（协同制导）、机械（机器人协作、机械臂协同）、计算机（分布式计算与传感）、交通（智能交通、智慧城市）等领域发挥重要的应用。 | |||
请17、18级有意向报名2021年东南大学“挑战杯”大学生课外学术作品项目的同学于2019年9月15日晚10点前将报名表（见下方链接）填写好后发送至东南大学学生科学技术协会邮箱seutech@163.com。
