周晓君

杜洋伊

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2021级硕士研究生，主要从事神经架构搜索、强化学习、无人机路径规划等方面研究工作。

何一平

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2022级硕士生，主要从事机器学习、群体多属性决策、集成学习方面的研究工作。

袁维军

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2022级硕士生，主要从事流程工业智能监控、特征选择和可视化方面的研究工作。

厉晓荷

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2022级硕士生，主要从事流程工业智能优化决策、不确定优化与决策方面的研究工作。

唐周行

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2022级硕士生，主要从事约束优化、无人机路径规划方面的研究工作。

胡佳铭

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2021级硕士研究生，主要从事不确定优化、能源互联网等方面研究工作。

谭琬

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2021级硕士研究生，主要从事模糊多属性决策、能源互联网等方面研究工作。

王正

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2021级硕士研究生，主要从事可解释机器学习、能源互联网等方面研究工作。

李明

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2020级硕士研究生，主要从事特征工程、图像处理、流程工业智能监控等方面研究工作。

孙燕

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2020级硕士研究生，主要从事多属性决策、多目标优化、流程工业智能优化决策等方面研究，目前已发表的学术论文有：
[1] Yan Sun, Xiaojun ZHOU, etc. Optimal PID controller design for AVR system based on multi-objective optimization and multi-attribute decision making[C]. 2021, 中国控制与决策会议，accepted.

田寄托

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2020级硕士研究生，主要从事双层优化、机器学习、供应链优化等方面的研究，目前已发表的学术论文有：
[1] Zeyu Wang, Xiaojun Zhou, Jituo Tian, Tingwen Huang.  Hierarchical parameter optimization based support vector regression for power load forecasting [J].  Sustainable Cities and Society , accepted. 
[2] Xiaojun Zhou, Jituo Tian, etc. A fast constrained state transition algorithm[J]. Neurocomputing, 2021, 455, 202-214.

林飞凡

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2020级硕士研究生，主要从事模糊优化、机会约束、流程工业智能优化控制等方面的研究。

王泽宇

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

2020级硕士研究生，主要从事时间序列预测、智能交通方面的研究，目前已发表的学术论文有：
[1] Zeyu Wang, Xiaojun Zhou, Jituo Tian, Tingwen Huang.  Hierarchical parameter optimization based support vector regression for power load forecasting [J].  Sustainable Cities and Society , accepted.

高媛

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

19级硕士研究生，主要从事多任务学习、多目标优化、流程工业智能优化决策等方面的研究，目前已发表的学术论文有：
[1] 周晓君， 高媛等. 基于多目标优化多任务学习的端到端车牌识别方法[J]. 控制理论与应用，已录用
[2] Xiaojun Zhou , Yuan Gao, etc. A multiple gradient descent design for multi-task learning on edge computing: multi-objective machine learning approach[J]. IEEE Transactions on Network Science and Engineering, accepted.

耿传玉

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

19级硕士生, 主要从事医学图像处理、机器学习等方面的研究。

贺婧怡

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

19级硕士生，主要从事集成学习、多属性决策、流程工业智能优化决策等方面的研究，目前已发表的学术论文有：
[1] Jingyi He，Xiaojun Zhou, etc.  An ensemble learning framework based on group decision making[C]. 2020, 中国控制与决策会议，accepted. 
[2] Xiaojun Zhou, Jingyi He, etc. An ensemble learning method based on deep neural network and group decision making[J]. Knowledge-Based Systems, accepted.

张云祥

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

18级硕士生（已硕士毕业），主要从事数据驱动优化、贝叶斯学习、RNN等方面的研究, 目前已发表的学术论文有：
[1] 张云祥，周晓君等.  Data-driven based state transition algorithm for dynamic optimization [C]. 2019 IEEE Symposium Series on Computational Intelligence (SSCI), 2019, pp. 1091--1096.

王湘月

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

18级硕士生（已硕士毕业），主要从事不确定优化、机会约束优化、流程工业智能优化控制等方面的研究，目前已发表的学术论文有：
[1] 王湘月，周晓君等.  不确定条件下的湿法炼锌除铜过程机会约束优化控制[J]. 化工学报, 2020, 71: 1226--1233.
[2]  周晓君，王湘月等.  Hybrid Intelligence Assisted Sample Average Approximation Method for Chance Constrained Dynamic Optimization[J]. IEEE Transactions on Industrial Informatics,  DOI: 10.1109/TII.2020.3006514

徐冲冲

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

19级博士生，主要从事时间序列分析、分布式优化、约束优化算法等方面的研究，目前已经发表的学术论文有：
[1] C Xu, G Chen, X Zhou. Temporal pattern attention-based sequence to sequence model for multistep individual load forecasting[C]. IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society, accepted.

王启安

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

17级硕士生（已硕士毕业）, 主要从事图像处理、机器学习、特征选择等方面的研究, 目前已发表的学术论文有：
[1] 王启安，黄淼，周晓君. Feature selection in froth flotation for production condition recognition [J]. IFAC-PapersOnLine, 2018, 51(21): 123-128.
[2] 周晓君，王启安等，A hybrid feature selection method for production condition recognition in froth flotation with noisy labels[J]. Minerals Engineering, 2020,  https://doi.org/10.1016/j.mineng.2020.106201

龙建朋

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

17级硕士生（已硕士毕业）, 主要从事智能优化、约束优化、数据驱动优化等方面的研究，目前已发表的学术论文有：
[1] 周晓君，龙建朋，徐冲冲等. An external archive-based constrained state transition algorithm for optimal power dispatch [J]. Complexity, 2019, https://doi.org/10.1155/2019/4727168

杨珂

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

17级硕士生（已硕士毕业）, 主要从事社区发现、聚类分析、机器学习等方面的研究，目前已发表的学术论文有：
[1] 周晓君，杨珂等. A novel modularity-based discrete state transition algorithm for community detection in networks [J]. Neurocomputing, 2019, 34：89--99.

张润东

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

17级硕士生（已硕士毕业）, 主要从事模糊聚类、模糊决策等方面的研究，目前已发表的学术论文有：
[1] 周晓君，张润东等，Kernel intuitionistic fuzzy c-means and state transition algorithm for clustering problem[J]. Soft Computing, 2020，https://link.springer.com/article/10.1007/s00500-020-04879-8
[2] 周晓君，张润东等,  Using hybrid normalization technique and state transition algorithm to VIKOR method for influence maximization problem[J]. Neurocomputing, 2020, 410:41-50.

周佳佳

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

16级硕士生（已硕士毕业）, 主要从事多目标优化、智能优化算法等方面的研究, 目前已发表的学术论文有：
[1] 周晓君，周佳佳，阳春华等. Set-point tracking and multi-objective optimization-Based PID control for the goethite process [J]. IEEE ACCESS, 2018, 6: 36683-36698.

黄淼

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

16级硕士生（已硕士毕业）, 主要从事动态优化、机器学习等方面的研究,目前已发表的学术论文有：
[1] 黄淼, 周晓君*, T.W. Huang等. Dynamic optimization based on state transition algorithm for copper removal process [J]. Neural Computing and Applications, 2017, DOI 10.1007/s00521-017-3232-0
[2] 周晓君, 黄淼, T.W. Huang等. Dynamic optimization for copper removal process with continuous production constraints [J]. IEEE Transactions on Industrial Informatics, 2019, DOI 10.1109/TII.2019.2943500

张凤雪

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

17级博士生, 主要从事分数阶PID控制、深度学习等方面的研究, 目前已发表的学术论文有：
[1] 张凤雪, 阳春华, 周晓君*, 桂卫华. Fractional-order PID controller tuning using continuous state transition algorithm [J]. Neural Computing and Applications, 2018, 29(10): 795-804.
[2] 张凤雪, 阳春华, 周晓君, 桂卫华. Fractional order fuzzy PID optimal control in copper removal process of zinc hydrometallurgy[J]. Hydrometallurgy, 2018, 178: 60-76.
[3] 张凤雪, 阳春华, 周晓君*, 桂卫华. Optimal setting and control strategy for industrial process based on discrete-time fractional-order PID[J], IEEE Access, 2019, 7:47747--47761.

韩洁

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

16级博士生（已博士毕业）, 主要从事不确定优化、动态多目标优化、图像处理等方面的研究，目前已发表的学术论文有：
[1] 韩洁, 董天雪, 周晓君*, 阳春华, 桂卫华. State transition algorithm for constrained optimization problems[C]. in the 33rd Chinese Control Conference (CCC), 2014, pp. 7543-7548.
[2] 韩洁, 阳春华, 周晓君*, 桂卫华. Entropy-based estimation of bubble size distributions in froth flotation using B-spline functions [J]. IFAC-PapersOnLine, 2016, 49(20): 96–101;
[3] 韩洁, 阳春华, 周晓君*, 桂卫华. A new multi-threshold image segmentation approach using state transition algorithm [J]. Applied Mathematical Modelling, 2017, 44: 588–601;
[4] 韩洁, 阳春华, 周晓君, 桂卫华. Dynamic multi-objective optimization arising in iron precipitation of zinc hydrometallurgy [J]. Hydrometallurgy, 2017, 173: 134–148.
[5] 韩洁, 阳春华, 周晓君, 桂卫华. A two-stage state transition algorithm for constrained engineering optimization problems[J]. Int. Journal of Control Automation and Systems, 2018, 16(2): 522-534.
[6] 韩洁, 阳春华, CC Lim, 周晓君等. Power scheduling optimization under single-valued neutrosophic uncertainty[J].  Neurocomputing,  2020, 382: 12--20
[7] 韩洁, 阳春华, CC Lim, 周晓君等. Stackelberg-Nash game approach for constrained robust optimization with fuzzy variables[J]. IEEE Transactions on Fuzzy Systems,  DOI: 10.1109/TFUZZ.2020.3025697

黄兆可

团队名称：智能控制与优化决策

团队介绍：致力于不确定优化、可解释机器学习和模糊多属性决策等方法的基础理论研究，同时从事流程工业智能优化制造、能源互联网、智能交通等领域的应用研究。

团队成员介绍：

15级博士生（已博士毕业）, 主要从事不平衡数据处理、双层规划、数据挖掘等方面的研究, 目前已发表的学术论文有：
[1] 黄兆可, 阳春华, 周晓君, 桂卫华. A novel cognitively-inspired state transition algorithm for solving the linear bi-level programming problem[J]. Cognitive Computation, 2018, DOI: 10.1007/s12559-018-9561-1.
[2] 黄兆可, 阳春华, 周晓君等. A hybrid feature selection method based on binary state transition algorithm and ReliefF[J],IEEE Journal of Biomedical and Health Informatics, DOI: 10.1109/JBHI.2018.2872811
[3] 黄兆可，阳春华, 周晓君等. Energy consumption forecasting for the nonferrous metallurgy industry using hybrid support vector regression with an adaptive state transition algorithm[J], Cognitive Computation, https://doi.org/10.1007/s12559-019-09644-0
[4] 黄兆可，阳春华，陈晓方等. Adaptive over-sampling method for classification with application to imbalanced datasets in aluminum electrolysis[J], Neural Computing and Applications, https://doi.org/10.1007/s00521-019-04208-7
[5] 黄兆可，阳春华，陈晓方，周晓君等. Functional deep echo state network improved by a bi-level optimization approach for multivariate time series classification[J]. Applied Soft Computing, accepted.