人在回路智能网络化系统的建模与效用和延时优化

With the rapid developments in mobile communication, computing and artificial intelligence technologies, building intelligent networked systems has become one important emerging trend in industrial innovations. In such intelligent systems, coupling between human users and systems is much stronger than before, primarily due to the direct interaction between them and the fact that user behavior patterns and preferences can now affect system performance to a very large extent. We call such systems human-in-the-loop networked systems. Despite abundant successes in developing and deploying new intelligent technologies, much less is known in the theoretical side, in that we do not know how to define intelligence for networked systems, and do not have a rigorous foundation for understanding how different factors affect the overall system intelligence, how human users contribute to the achievable intelligence level, and how to design low-complexity algorithms to achieve highest level of system intelligence. ..In this project, our goal is to develop a general theoretical framework for such human-in-the-loop networked systems, and to develop algorithms that can ensure (i) low computational complexity, and (ii) rigorous utility and delay guarantees. We focus on the following four threads. (i) Defining metrics for measuring networked system intelligence and designing algorithms for complete information systems. (ii) Designing joint learning-intelligent scheduling algorithms. (iii) Designing joint exploration-learning-control algorithms for systems without action-outcome information. (iv) Gamification-based user behavior steering and online learning aided control.

随着移动通信、计算以及人工智能等技术的日新月异，网络系统的智能化逐渐开始成为科技创新的主流。在智能化网络系统中，用户与系统之间的耦合变得更强，交互变得更为直接(称之为人在回路系统)，用户的行为习惯和偏好对系统性能的影响日益增大。然而，尽管智能化系统被广泛部署，我们仍然缺少对智能系统的严格定义以及进行有效分析的理论基础。本项目的主要目标是从网络控制的角度出发，为具有多用户的人在回路智能网络系统提出普适理论框架，并据此发展智能系统的控制技术，设计具有严格性能保障的低复杂度算法，优化智能系统中用户的效用与延时性能。本项目拟关注以下研究内容：(1) 定义网络系统智能水平度量，探索具有准确用户模型下的算法设计；(2) 设计联合用户行为学习-智能调度算法；(3) 探索控制行为效果未知场景下的联合学习-智能调度算法；(4) 用户行为的游戏化调控与在线学习控制。

随着网络系统的智能化，用户与系统之间的耦合变得更强，交互变得更为直接(称之为人在回路系统)，用户的行为习惯和偏好对系统性能的影响日益增大。然而，尽管智能化系统被广泛部署，我们仍然缺少对智能系统的严格定义以及进行有效分析的理论基础，为许多网络系统设计高效的算法仍存在许多挑战。本项目从网络控制与优化的角度出发，为具有多用户的人在回路智能网络系统提出普适理论框架，并据此发展智能系统的控制技术，设计具有严格性能保障的低复杂度算法，优化智能网络系统中用户的效用与延时性能。本项目关注以下研究内容:(1)定义网络系统智能水平度量， 探索具有准确用户模型下的算法设计;(2)设计联合用户行为学习-智能调度算法;(3)探索控制行为效果未知场景下的联合学习-智能调度算法;(4)用户行为的游戏化调控与在线学习控制。在项目的主要研究内容上，团队在项目执行中发表了高水平国际会议与期刊论文近30篇，举办与参与了超过50次国内外的学术交流研讨与讲座报告，其中包括参加国际顶级学术会议并作报告，以及长期访问国内外知名学术机构；在各科研内容上提出多个原创的算法与分析框架，成果涵盖了博弈论，网络控制，多智能体强化学习与分布式算法设计；科研成果为人在回路网络化系统的算法设计与分析建立了理论基础并设计高效优化控制算法，成果得到了学界与业界的广泛关注。本项目也培养了多名博士研究生，其中5名参与项目的博士研究生均已顺利获得博士学位，其中一人入职清华大学担任助理教授，一人入职清华大学担任博士后研究员，一人进入政府部门工作，两人进入互联网企业。