报告题目：复杂网络动力学和控制优化的强化学习方法

报告人：Luigi Glielmo教授，意大利那不勒斯费德里科二世大学

报告时间及地点：

摘要：决策问题普遍存在于生产生活中，因此不同领域都对其进行了研究，通常是为了设计出能够得到最佳决策的正式程序。强化学习就是这样的方法之一，它既可以被看作一种机器学习方法，也可以被看作一种最优控制方法。强化学习是一种基于采样的方法，用于解决马尔可夫决策过程（MDPs），即当智能体(agent)在当前情况（state）和所选决策（action）下获得奖励时，由于当前动作影响未来状态，进而影响未来奖励，因此该问题的研究是有意义的。事实证明，强化学习是一种非常成功的技术。在本课程中，我们将探讨强化学习控制网络的最新趋势，从凸优化的基本概念开始，我们通过动态规划转向无模型强化学习。

报告人简介：Luigi Glielmo，意大利不勒斯费德里科二世大学教授，IEEE senior member，SIAM member。主要研究方向：奇异摄动方法、模型预测控制方法、汽车系统控制、脑深部刺激建模与控制、智能电网控制、卫星自主性、真核细胞中蛋白质运输的建模和布尔控制网络。最近的研究聚焦于：能源社区管理和锂离子电池的健康状态估计，与意大利公司合作。在国际期刊或国际会议论文集上发表近220篇论文，出版专著2部，并拥有2项专利。担任IEEE Control Systems Letters和IEEE Transaction on Automatic Control（前）编辑委员会成员、IEEE Control Systems Society Technical Committee on Automotive Controls共同提案人和主席、 IFAC会议委员会副主席，国际自动控制联合会（2023-2026）和2019年欧洲控制会议（那不勒斯，2019年6月）的总联合主席。

邀请人：刘洋