报告时间：2026年6月13日（周六）14：00-17：40

地 点：崇德楼422室（系统科学研究院会议室）

报告主题：分布式优化与调控

报告（一）

报告题目：互联系统分布式优化方法与应用

主讲嘉宾：刘昌鑫

报告时间：14：00-14：50

内容简介：互联系统是由多个子系统通过耦合项相互连接而构成的复杂大系统，广泛应用于多自主体系统、大规模机器学习训练等领域。由于各子系统具有独立性与局部信息访问限制，其整体的优化与调控难以通过集中式方法有效解决，因而需要借助分布式优化算法进行协同求解。本报告将分别探讨两类典型的互联结构下的分布式优化问题：一类是具有互联成本的优化问题，另一类是包含互联约束的优化问题。针对互联成本情形，提出了一种具有鲁棒性的分布式优化算法框架。该框架不仅为设计性能更优的新算法提供了系统性指导，还可用于分析现有算法，从而获得更紧致、更具解释力的理论收敛结果。对于互联约束情形，设计了一种零约束违反的分布式优化算法，能够在迭代过程中始终满足约束条件，特别适用于对安全性要求严格的场景，如基于约束优化的安全分布式控制器的实时在线求解。最后，通过分布式声学定位仿真和多机器人安全编队控制实验，分别验证了所提算法的有效性。

专家简介：刘昌鑫，华东理工大学教授、博士生导师，入选国家高层次青年人才、上海市高层次人才计划。主要研究方向包括信息物理系统、分布式优化及应用、生产计划与控制。围绕上述领域，已发表学术论文50余篇，其中IEEE Transactions系列及Automatica论文20余篇。主持国家科技重大专项项目课题、国家自然科学基金面上项目、工业控制技术全国重点实验室自主课题等项目。担任Circuits, Systems, and Signal Processing副主编、以及Engineering等多个国际期刊青年编委；担任IEEE控制系统协会安全与隐私技术委员会、中国自动化学会大数据专业委员会等多个专委会委员。曾获2022年度中国自动化学会自然科学一等奖等奖项。

报告（二）

报告题目：信息受限下的分布式优化：从欧氏空间到黎曼流形

主讲嘉宾：熊永阳

报告时间：14：50-15：40

内容简介：分布式优化是突破单硬件算力瓶颈、发挥多智能体协同优势的重要手段，然而，在信息受限场景下，算法面临先验知识获取难、通信开销大等挑战。针对此问题，报告首先介绍一种自适应Polyak步长的分布式优化算法，该算法通过引入水平值调整机制，各节点仅需求解简单的线性可行性问题即可动态调整步长，从而取消对函数先验知识的依赖。针对大规模网络下的通信约束，报告将介绍一种带偏压缩的近端联邦学习算法，该算法能以次线性速度收敛至平稳点的邻域，并且该邻域的大小可通过调节步长和批量大小进行控制。最后，针对流形约束的非光滑复合优化问题，将欧氏空间的近端EXTRA算法推广至黎曼流形。通过在切空间引入近端映射，所提算法在单循环框架下即可实现高效求解，并达到与欧氏空间相匹配的收敛速率。

专家简介：熊永阳，中山大学智能工程学院副教授、博士生导师。本科毕业于哈尔滨工业大学信息与计算科学专业，随后在本校控制科学与工程学科攻读硕士和博士学位。读博期间获国家留学基金委资助，赴新加坡南洋理工大学进行博士联合培养。博士毕业后进入清华大学自动化系从事博士后研究工作，2024年加入中山大学智能工程学院工作至今。研究方向为分布式协同控制与优化决策。入选深圳市高等学校特聘人才岗位，主持国家自然科学基金青年项目、广东省自然科学基金面上项目等。

报告（三）

报告题目：多智能体系统完全分布式协同控制

主讲嘉宾：吕跃祖

报告时间：16：00-16：50

内容简介：过去十多年以来，无人集群系统的分布式控制与优化广为研究，其中信息交互是现有分布式控制与优化协议的关键一环。然而，分布式控制算法大多需要用到拓扑图的全局代数连通度信息，大大降低了集群系统的可拓展性。针对这一困境，我们提出了完全分布式协同控制框架，引入自适应对拓扑图代数连通度信息进行估计，从而设计了仅基于个体局部信息的分布式控制算法，建立了完全分布式协同控制理论体系。

专家简介：吕跃祖，国家级青年人才，中国科协青托，北京市科技新星，IEEE Senior Member。分别于2013年和2018年在北京大学获学士及博士学位，2018年至2021年在东南大学任教，现为北京理工大学教授。主要研究方向包括无人集群系统分布式协同控制，自适应控制，鲁棒控制等，在Automatica, IEEE汇刊等杂志发表SCI论文80余篇，出版中英文专著5部。主持国家自然科学基金，军委科技委1XX工程等国家级项目10余项。曾获2025年中国指挥与控制学会技术发明一等奖，2022年中国指挥与控制学会科技进步一等奖，2021年亚太神经网络学会(APNNS)青年研究者奖，2022年 IEEE SMC学会Zadeh最佳会议论文奖，2022年 IEEE ICUS会议最佳论文奖等。任IEEE SMC Magazine编委，AISE青年编委，IEEE工业电子协会(IES)工业信息学技术委员会（中国）秘书长，中国指挥与控制学会具身智能专委会委员、中国自动化学会机器人智能专委会委员、中国人工智能学会工业人工智能专委会委员。

报告（四）

报告题目：分布式学习优化算法

主讲嘉宾：周声龙

报告时间：16：50-17：40

内容简介：本报告基于中心化和去中心化结构给出两类分布式学习最优化算法，可求解各类深度学习任务，包括大语言模型全量微调、计算机视觉、联邦学习等。特别在联邦学习中，算法能够处理一些通信、计算、隐私等实际需求。

专家简介：周声龙，北京交通大学数学与统计学院教授，博士生导师，英国南安普顿大学博士。2011和2014年分别获得北京交通大学本科和硕士学位，2018年获得英国南安普顿大学博士学位，之后在该校担任副研究员和讲师。2021至2023年在伦敦帝国理工担任副研究员。他的研究方向是最优化理论与方法，包括稀疏优化、分布式优化，以及人工智能和机器学习等领域中应用。相关成果发表在Nature Machine Intelligence、Mathematics of Operational Research、SIAM Journal of Optimization、SIAM Journal on Scientific Computing、Applied Computational Harmon Analysis、IEEE TPAMI、JMLR、IEEE TSP等国际权威期刊上。2022年入选国家高层次青年人才计划，2023年获批国家重点研发计划青年科学家项目。

欢迎广大师生参会交流！