章忠志

复旦大学

《图上观点动力学的计算与优化方法》

报告摘要：

        图上的观点动力学与基于图的半监督学习、图神经网络密切相关，在政治、经济、公共卫生等领域有着重要应用。本报告围绕图上两个流行的观点动力学模型（Degroot模型和Friedkin-Johnsen模型）及其扩展与变种，从算法的视角，重点介绍收敛速度、大众观点、极化与分歧等相关量的计算与优化方法，以及报告人在观点动力学算法方面取得的最新研究结果。

个人简介：

        复旦大学计算与智能创新学院教授、博士生导师。主要研究方向为复杂网络、图数据挖掘与算法、图学习理论与算法。在包括TIT、TKDE、TIFS、TCYB、TCST、TNSE、TCSS等在内的IEEE汇刊，以及SODA、SIGMOD、KDD、NeurIPS、WWW、ICDE、IJCAI、AAAI等在内的会议上发表论文200余篇，其中封面文章3篇。2019-2025年连续七年入选爱思唯尔“中国高被引学者”榜单。曾获上海市自然科学三等奖（第一完成人）、Wilkes奖（2019年度The Computer Journal最佳论文奖）、中国计算机学会自然科学二等奖（第一完成人）等荣誉。指导近30名研究生获上海市、复旦大学、中国电子学会等有关学会的优秀博士与硕士学位论文奖及上海市优秀毕业生称号。

汪云海

中国人民大学

《基于t-分布的大规模复杂网络数据高效可视化》

报告摘要：

        力导向布局是网络可视化的主流方法，但在大规模图数据处理中面临双重挑战：传统幂函数力模型难以有效分离密集聚类，现有加速算法依赖四叉树等空间索引结构，导致内存开销高、并行扩展性受限。为此，本研究提出了一种高效的大规模图布局方法。模型层面，设计了基于t-分布的短程有界力模型（t-FDP），通过线性归一化度加权机制，在增强聚类分离能力的同时保持低应力误差；算法层面，提出以边为中心的负采样策略，将时间复杂度降至O(∣E∣) ，显著降低内存占用，并结合无锁并行优化，利用随机梯度更新的稀疏特性实现近似线性加速。在多个大规模公开数据集上的实验表明，该方法在邻域保持度、应力误差和聚类分离度等核心指标上均优于现有主流方法，可在30秒内完成千万级节点、亿级边规模图的布局生成，为大规模图可视化提供了兼具理论严谨性与工程实用性的高效解决方案。

个人简介：

        中国人民大学信息学院教授，博导，国家级青年人才，数据工程与知识工程教育部重点实验室副主任。研究方向为大数据可视分析，近五年在ACM SIGMOD、ACM SIGKDD、ACM SIGCHI、IEEE VIS、IEEE TVCG等相关会议与期刊发论文 70余篇，获得IEEE VIS、ACM SIGCHI多个领域顶级会议最佳论文提名奖等奖项。曾获山东省自然科学奖一等奖、中国电子学会科技进步奖二等奖、主持自然基金委联合重点、国际(地区)合作、重大专项培育、山东省杰青、科技创新2030重大项目课题等项目，担任IEEE TVCG、CGF、 IEEE CG&A等期刊编委。

钟杰

浙江师范大学

《大规模布尔网络的低复杂度控制方法》

报告摘要：

        布尔网络作为描述复杂逻辑动态系统的重要模型，广泛应用于基因调控、信号传导及信息传播等领域。然而，随着网络规模增大，其状态空间呈指数增长，给系统分析与控制带来显著计算挑战。围绕这一问题，报告从低复杂度控制与策略设计的角度，介绍大规模布尔网络中的若干研究进展。首先，针对高维状态空间带来的计算瓶颈，提出基于拓扑结构的分布式牵制控制方法，通过选择少量关键节点实现系统的全局镇定与振荡调控，避免显式构造全局状态空间。其次，针对状态路径存储与分析复杂的问题，引入自动机方法，实现布尔网络状态压缩与可恢复分析，保证关键信息的有效保留与唯一还原。最后，针对控制策略求解效率问题，结合强化学习方法，将控制问题转化为序贯决策过程，在无需精确模型的条件下实现策略的快速搜索与优化。数值结果表明，该方法具有良好的有效性：通常仅需控制约4%～20%的节点即可实现目标，对于包含321个基因的网络，仅需2个节点（约1%）即可完成控制。

个人简介：

        博士，教授，博士生导师。浙江师范大学数学科学学院学术副院长。入选浙江省省级青年优秀人才、浙江省院士结对培养青年英才计划、浙江省数学会优秀数学教师、金华市青年拔尖人才，2015年和2018分别在东南大学和香港城市大学获得硕士和博士学位。主要从事布尔网络的分析与控制、分布式优化、离散事件系统及模型预测控制等相关问题的研究。主持国家自然科学基金面上项目1项，主持完成国家自然科学基金青年项目1项，浙江省自然科学基金面上项目1项，中国博士后面上和特别资助项目各1项。截止目前，已发表SCI 70 余篇（TAC 7篇，Automatica 1篇，SICON 1篇，IEEE Trans. 论文 30余篇），指导硕士毕业论文获浙江省优秀硕士学位论文，ICCM毕业论文奖，国际基础科学大会本科论文奖，指导本科生主持国家级大学生创新创业训练计划项目6项，浙江省国际大学生创新大赛金奖和银奖各一项。

周明洋

深圳大学

《复杂网络传播中的结构调控及应用》

报告摘要：

        传播是复杂网络中最重要动力学之一，无论是在社交网络中的消息传播，还是在分布式计算中的数据同步，均可归结为这样的核心问题：网络结构的局部干预，是否能够在系统层面上实现传播可调性？本报告从“结构调控”这一视角出发，汇报我们近年来在该问题上的若干探索：首先，在传播抑制方面，关注如何用最少的节点阻断恶意信息的蔓延：将免疫策略的设计转化为谱半径的最小化问题，并证明算法的近似度，同时设计出与边数无关的快速算法适用于稠密网络。接着，在传播加速方面，关注分布式计算中的网络结构加速问题：分析收敛速度与拉普拉斯矩阵特征谱之间的定量关系，从边添加与冗余边删除两个维度设计优化算法，从而提高分布式计算同步速度。最后分析在AI时代的今天相关工作的可能发展趋势。

个人简介：

        深圳大学计算机与软件学院副教授，博士生导师。2016年毕业于中国科学技术大学（本硕博），获得电路与系统专业工学博士，导师付忠谦、张翼成，同年加入深圳大学计算机与软件学院，研究方向复杂网络传播，网络结构优化及其在大模型中的应用。深圳市海外高层次人次。主持国家自然科学基金面上项目、青年项目及省、市项目，获得CCF-华为胡杨林形式化专项基金和腾讯犀牛鸟基金。相关成果发表在CCF顶会NeurIPS、WWW、KDD、SIGMOD、IJCAI、ACL和复杂网络期刊Physics reports、chaos等四十余篇。担任多个高水平期刊和计算机会议审稿人。

卞诗瑞

复旦大学

《复杂生命系统的振荡随机动力学景观量化与跃迁理论》

报告摘要：

        本报告聚焦于挖掘振荡动力学的独有特征与机制。产生振荡动力学的高维网络普遍存在于复杂生命系统中，揭示随机网络中振荡动力学的机制具有重要意义。经典的势能景观与大偏差理论为研究多稳态系统中的随机扰动机制并解释细胞功能提供了工具，但准确量化高维振荡系统的景观以及刻画周期轨道的跃迁仍然具有更高的挑战性。我们基于振荡系统内蕴的极限环性质等动力学特征，提出了一种称为高斯近似扩散分解 (DDGA) 的方法量化其势能景观，并论证了DDGA在量化振荡系统能量景观和相应随机动力学方面相比现有方法的高效性与准确性。通过进一步将DDGA应用于高维生命系统，能够高效地揭示诸如细胞命运检查点机制等复杂生物机制，这加深了从动力学角度对细胞功能的理解。通过对随机动力学Fokker-Planck算子的谱分解，我们进一步发掘了周期轨道分布式跃迁的性质，展现出与针对稳态跃迁的传统大偏差理论的明显差异。

个人简介：

        复旦大学数学科学学院2023级应用数学博士研究生，复旦大学首届“数学英才试验班”成员。师从林伟教授，研究方向为复杂生命系统的势能景观量化方法与突变预警理论，在Adv. Sci.，Cell Rep. Phys. Sci.，Chaos等期刊一作发表论文四篇。获首届国家自然科学基金委青年学生基础研究项目（博士研究生）资助、入选首批中国科协青年科技人才培育工程博士生专项计划（由中国工业与应用数学学会托举）。获世界华人数学家大会本科论文奖、教育部基础学科拔尖计划2.0“提问与猜想”全国一等奖、博士生国家奖学金、复旦大学优秀学生标兵等奖项或荣誉。

则坤睿

北京航空航天大学

《数据驱动集群系统协同定位与自组织形状控制》

报告摘要：

        报告聚焦在外部定位系统拒止环境中，大规模机器人群体的形状控制问题。首先，为估计相邻机器人之间的相对位置，在仅利用板载传感器测量的条件下，提出了一种基于并行学习的估计器，该估计器放宽了经典方法对定位运动的持续激励条件的要求，提升控制性能。其次，引入一种基于一致性协商的协同定位协议，实现机器人对于全局形状中心锚点的分布式定位，突破网络定位方法对于刚性等测量拓扑条件的严苛限制，提高定位算法适应性。最后，基于协同定位理论结果，设计了一种新颖的机器人行为控制策略，该策略在实现集群的高效形状控制的同时提升机器人之间相对定位的可观测性。

个人简介：

        北京航空航天大学自动化科学与电气工程学院2022级直博生，师从吕金虎教授，研究方向为无人集群系统协同网络定位、自组织协同形状控制、自适应控制等。近五年，主持国家自然科学基金青年学生基础研究项目1项，北航高水平学生科技创新团体项目1项，以第一作者（含学生一作）、共同通讯作者在IEEE TIE., IEEE TASE., IEEE RAL., 中国科学：信息科学等期刊发表论文6篇。曾获博士生国家奖学金(2025)、北京市优秀毕业生(2022)、北航新生奖学金、北航一等学业奖学金等荣誉。

刘爱欣

上海交通大学

《多势分解视角下博弈中的合作与冲突》

报告摘要：

        本研究通过空间分解将参与者收益结构中的可协同成分与冲突成分加以剥离，为参与者行为机理提供可解释的结构视角。首先在底层工具层面，面向纯调和子空间（势子空间的正交补）构造简洁基底。该基底可从几何投影刻画参与者冲突关系，为多势博弈分组建模提供依据。其次，在建模范式层面，建立多势博弈框架下空间分解理论，将有限策略博弈空间正交分解为多势子空间与多调和子空间，形成涵盖多势结构识别、多势函数求解与有效性验证的分析闭环，使基于多势的隐性群组合作机制具备可计算的实现路径。最后，构建群组多势Nash均衡概念，刻画多势博弈均衡与原均衡间映射关系，并分析分组后的势性继承机理。

个人简介：

        上海交通大学自动化与感知学院2022级博士生，师从王琳教授，2024-2025年赴格罗宁根大学联合培养，导师为曹明教授。研究方向为博弈拓扑空间、网络演化博弈动力学分析和布尔网络系统理论等。近五年，主持国家自然科学基金青年学生基础研究项目1项，以第一作者发表论文10余篇，包括SCIS、IEEE CYBER等中科院一区/二区期刊论文7篇和控制领域顶会论文3篇等。曾获国家奖学金（2020/2024/2025）、第十七届IFAC LSS 2025优秀论文奖、第二届逻辑系统控制专题大会优秀论文一等奖、山东省研究生优秀成果奖一等奖等荣誉。