复杂系统
复杂性和复杂系统的研究是是系统科学发展的新阶段。复杂系统具有四个基本特征: 组成系统的单元数量庞大；单元之间存在大量联系；具有自适应性和进化能力；具有动力学特性。
1、复杂系统内在因果关系及可变性的发现
随着社会的进步和科技的发展，人们要认识和理解的事物和现象变得越来越复杂，而这些复杂事物由内在相关性使其成为一个复杂的系统，从认识论的角度来看，复杂系统内部之间的因果关系是客观存在且是系统内部的一种主要依赖关系，因果关系描述了事物间广泛存在的相互联系、相互制约和相互影响，如：外在生理现象和内在疾病之间有因果关系，股市和社会经济之间有因果关系。因果知识有助于人们认清复杂事物、现象的本质与规律，发现复杂系统中的因果关系是自然科学、社会科学和计算机科学等领域研究者的共同目标。开展动态情况下的复杂系统因果关系问题研究具有重要的理论价值和现实意义，可应用于动态或有干扰情况下实时地预测和预警工作，提高应急能力和系统稳健性，提供智能决策支持。
2、复杂系统脆弱性及其演化机制的发现
现实世界中人们需要面对有巨大潜在威胁的系统越来越多，系统的演化可使风险不断扩散或积累从而导致灾难性事件的发生。系统在内外因素作用下的不稳定性、退化和崩溃等风险现象是系统脆弱性的表现，脆弱性是事物所固有的一种特性，探寻导致系统脆弱性的因素和发现脆弱性演化规律，有助于人们更好地认识和改造世界；系统脆弱性问题涉及到生态环境、能源环保、重大灾害、社会金融体系、国防等诸多方面。围绕复杂系统脆弱性分析模型、脆弱性发现方法及演化机制等科学问题及关键技术所开展的研究，将有助于人们认识复杂系统脆弱性产生和变化的内在机理、以及对复杂系统脆弱性的风险和危害的有效发现和预测。
3、基于数据融合的复杂系统模型研究及其在雾天大气成像中应用研究
针对现在雾天图像退化模型的不足，依据大量大气参数观测数据和大气传输数据，研究图像大气传输过程的精确物理模型。研究：多源、多类型、多格式、多维度、异步和海量数据的转换与融合；从因果分析角度探索属性特征和目标特征之间的关系；基于稀疏贝叶斯模型和马尔可夫毯，探索有效的学习机制和学习策略。
4、多机器人系统
机器人系统（Multi-Robot System）是人工智能的一个重要研究方向，也是一个复杂系统，其核心研究内容为单机器人的体系结构、机器人的智能表示及实现、多机器人体系结构（集中式/分布式/混合式）、多机器人协作及竞争、机器学习等。主要开展在动态复杂环境下分布式多机器人的协作与竞争技术研究，在强化学习及对策论等具体方法上取得较多研究成果：
①提出模糊强化学习和支持向量机（SVM）的方法解决连续的状态空间、连续的动作空间的强化学习学习问题。
②针对智能体在学习时处于部分可观测马尔科夫模型（POMDP），开展基于Monte Carlo的强化学习方法研究，解决多智能体/机器人协作问题。
③考虑多智能体协作条件下，开展基于分层分解的协作算法和基于价值的对策论学习方法和基于换位思考的强化学习研究。
④对多智能体竞争技术进行研究，一方面是与对手的竞争，开展基于对手建模技术研究；另一方面是团队内部的理性竞争，开展基于量子博弈技术研究。
研究成果已应用到机器人足球仿真2D、仿真3D、微软MSRS Nao仿人、机器人仿真救援等比赛中，在全国机器人大赛、乃至机器人世界杯上取得优异战绩，累计获得一等奖21项，二等奖29项，3等奖16项。获得2009年伊朗机器人公开赛仿真2D冠军，仿真3D亚军。在2010年RoboCup新加坡世界杯上获得了仿真3D季军。在2010年的全国机器人大赛上研制的仿人机器人打破短跑世界纪录。
[1] 国家自然科学基金“动态环境下复杂系统因果关系发现与稳健性推理研究” （61070131），2011.1-2013.12， 32万；
[2] 国家自然科学基金 “基于灵敏性分析和隐因素发现的复杂系统脆弱性演化机制研究” （61175051），2012.1-2015.12， 58万；
[3] 国家自然科学基金“基于数据驱动的雾天大气成像模型研究” （61175033），2012.1-2015.12， 58万。
王浩、姚宏亮、方帅、方宝富、李俊照、于磊
研究子方向
1、复杂系统内在因果关系及可变性的发现
随着社会的进步和科技的发展，人们要认识和理解的事物和现象变得越来越复杂，而这些复杂事物由内在相关性使其成为一个复杂的系统，从认识论的角度来看，复杂系统内部之间的因果关系是客观存在且是系统内部的一种主要依赖关系，因果关系描述了事物间广泛存在的相互联系、相互制约和相互影响，如：外在生理现象和内在疾病之间有因果关系，股市和社会经济之间有因果关系。因果知识有助于人们认清复杂事物、现象的本质与规律，发现复杂系统中的因果关系是自然科学、社会科学和计算机科学等领域研究者的共同目标。开展动态情况下的复杂系统因果关系问题研究具有重要的理论价值和现实意义，可应用于动态或有干扰情况下实时地预测和预警工作，提高应急能力和系统稳健性，提供智能决策支持。
2、复杂系统脆弱性及其演化机制的发现
现实世界中人们需要面对有巨大潜在威胁的系统越来越多，系统的演化可使风险不断扩散或积累从而导致灾难性事件的发生。系统在内外因素作用下的不稳定性、退化和崩溃等风险现象是系统脆弱性的表现，脆弱性是事物所固有的一种特性，探寻导致系统脆弱性的因素和发现脆弱性演化规律，有助于人们更好地认识和改造世界；系统脆弱性问题涉及到生态环境、能源环保、重大灾害、社会金融体系、国防等诸多方面。围绕复杂系统脆弱性分析模型、脆弱性发现方法及演化机制等科学问题及关键技术所开展的研究，将有助于人们认识复杂系统脆弱性产生和变化的内在机理、以及对复杂系统脆弱性的风险和危害的有效发现和预测。
3、基于数据融合的复杂系统模型研究及其在雾天大气成像中应用研究
针对现在雾天图像退化模型的不足，依据大量大气参数观测数据和大气传输数据，研究图像大气传输过程的精确物理模型。研究：多源、多类型、多格式、多维度、异步和海量数据的转换与融合；从因果分析角度探索属性特征和目标特征之间的关系；基于稀疏贝叶斯模型和马尔可夫毯，探索有效的学习机制和学习策略。
4、多机器人系统
机器人系统（Multi-Robot System）是人工智能的一个重要研究方向，也是一个复杂系统，其核心研究内容为单机器人的体系结构、机器人的智能表示及实现、多机器人体系结构（集中式/分布式/混合式）、多机器人协作及竞争、机器学习等。主要开展在动态复杂环境下分布式多机器人的协作与竞争技术研究，在强化学习及对策论等具体方法上取得较多研究成果：
①提出模糊强化学习和支持向量机（SVM）的方法解决连续的状态空间、连续的动作空间的强化学习学习问题。
②针对智能体在学习时处于部分可观测马尔科夫模型（POMDP），开展基于Monte Carlo的强化学习方法研究，解决多智能体/机器人协作问题。
③考虑多智能体协作条件下，开展基于分层分解的协作算法和基于价值的对策论学习方法和基于换位思考的强化学习研究。
④对多智能体竞争技术进行研究，一方面是与对手的竞争，开展基于对手建模技术研究；另一方面是团队内部的理性竞争，开展基于量子博弈技术研究。
获奖
研究成果已应用到机器人足球仿真2D、仿真3D、微软MSRS Nao仿人、机器人仿真救援等比赛中，在全国机器人大赛、乃至机器人世界杯上取得优异战绩，累计获得一等奖21项，二等奖29项，3等奖16项。获得2009年伊朗机器人公开赛仿真2D冠军，仿真3D亚军。在2010年RoboCup新加坡世界杯上获得了仿真3D季军。在2010年的全国机器人大赛上研制的仿人机器人打破短跑世界纪录。
支撑课题
[1] 国家自然科学基金“动态环境下复杂系统因果关系发现与稳健性推理研究” （61070131），2011.1-2013.12， 32万；
[2] 国家自然科学基金 “基于灵敏性分析和隐因素发现的复杂系统脆弱性演化机制研究” （61175051），2012.1-2015.12， 58万；
[3] 国家自然科学基金“基于数据驱动的雾天大气成像模型研究” （61175033），2012.1-2015.12， 58万。
研究人员
王浩、姚宏亮、方帅、方宝富、李俊照、于磊
上一篇：智能媒体