Qr code
中文
朱亚楠

Associate professor
Supervisor of Master's Candidates


Gender:Female
Education Level:With Certificate of Graduation for Doctorate Study
Degree:Doctoral Degree in Science
Status:在岗
School/Department:自动化学院
Administrative Position:副教授
Business Address:学科3号楼N404
E-Mail:
Click:Times

The Last Update Time: ..

Profile


朱亚楠|副教授、博士生导师

南京信息工程大学自动化学院

2027年博士研究生招生

招生专业:0810Z4 环境感知与智能控制(学术型博士)

主要研究方向:多智能体协同控制与群体智能、分布式优化与博弈、多智能体强化学习、遥感影像智能感知与深度学习。

欢迎自动化、控制科学与工程、计算机科学、人工智能、数学、遥感科学与技术等相关专业背景,对智能感知、优化决策、强化学习与协同控制感兴趣的优秀学子联系报考!


一、个人简介

朱亚楠,女,南京信息工程大学自动化学院副教授、博士生导师,获江苏省重大人才工程博士项目支持。

2019年博士毕业于东南大学,曾先后赴美国加州大学河滨分校、澳大利亚皇家墨尔本理工大学和香港城市大学开展学术交流与合作研究,合作导师包括任伟教授、余星火教授及陈关荣教授。

主持国家自然科学基金面上项目、国家自然科学基金青年项目、江苏省自然科学基金青年项目等,承担国家自然科学基金联合基金重点项目子课题研究。近年来,在国内外重要学术期刊和会议发表学术论文20余篇,研究成果发表于 IEEE Transactions on Automatic Control、IEEE Transactions on Cybernetics、IEEE Transactions on Control of Network Systems、IEEE Transactions on Network Science and Engineering、IEEE Systems, Man, and Cybernetics Magazine 等国际知名期刊。

主要从事多智能体协同控制与群体智能、分布式优化与博弈、多智能体强化学习以及遥感影像智能感知等研究,致力于控制理论、分布式优化与人工智能方法的交叉融合,探索复杂环境下智能感知、优化决策与协同控制的理论方法及其应用。

二、教育及学术经历

  • 2015.09—2019.06:东南大学,博士

  • 2019.07—2019.12:澳大利亚皇家墨尔本理工大学,访问学者,合作导师:余星火教授

  • 2018.10—2018.12:澳大利亚皇家墨尔本理工大学,访问学者,合作导师:余星火教授

  • 2017.12—2018.06:美国加州大学河滨分校,访问学者,合作导师:任伟教授

  • 2017.04—2017.06:香港城市大学,研究助理,合作导师:陈关荣教授

三、主要研究方向

围绕智能感知、优化决策与协同控制等关键科学问题,融合控制理论、分布式优化、博弈论、强化学习与深度学习等方法,重点开展以下研究:

1. 多智能体协同控制与群体智能

研究复杂网络环境下多智能体系统的分布式协同控制、一致性、编队控制与群体协作机制,探索动态通信拓扑、外部扰动及不确定环境下的高性能协同控制理论与方法,推动相关研究在无人机集群与多机器人协作系统中的应用。

2. 分布式优化与博弈决策

研究多智能体系统中的分布式优化、广义纳什均衡求解、在线优化与动态资源分配,重点探索复杂耦合约束、非平衡有向网络及动态环境下的分布式优化算法与博弈决策方法,为大规模网络化系统的协同决策与资源优化提供理论支撑。

3. 多智能体强化学习与自主决策

研究多智能体协同强化学习、联邦深度强化学习、博弈强化学习与智能任务规划,探索模型驱动与数据驱动相结合的智能决策方法,重点关注复杂动态环境下多无人机系统的自主部署、协同任务分配、通信资源优化与自适应决策。

4. 遥感影像智能感知与深度学习

研究深度学习驱动的遥感影像智能解译与语义分割方法,重点关注复杂遥感场景下的云与云影精细分割、多尺度特征提取、协同特征融合及轻量化神经网络设计,探索深度神经网络与注意力机制等人工智能方法在遥感信息提取、环境感知与图像分析中的应用。

研究特色: 以多智能体系统理论为基础,融合控制理论、分布式优化、博弈论与人工智能方法,在多智能体协同控制、优化博弈决策及强化学习等方向开展研究,同时关注遥感影像智能感知与深度学习技术。注重理论算法创新与实际应用相结合,探索相关方法在无人机集群、智能自主系统及环境感知等领域的应用。

四、代表性学术论文

[1] 朱亚楠, 陈祺瑞, 李涛. 有向非平衡图下基于预设时间的二阶多智能体系统广义纳什均衡搜索算法[J]. 自动化学报, 52(10):2226-2240, 2026.

[2] Yanan Zhu, Yueyu Ma, Xinxin Liu, He Wang, and Wenwu Yu, “Multi-UAV Deployment and Resource Allocation: A Federated Deep Reinforcement Learning Approach,” IEEE Systems, Man, and Cybernetics Magazine, 12(1): 99–111, 2026.

[3] Y. Zhu, Q. Li, T. Li, and G. Wen, “Distributed Randomized Gradient-Free Convex Optimization With Set Constraints Over Time-Varying Weight-Unbalanced Digraphs,” IEEE Transactions on Network Science and Engineering, 12(2): 610–622, 2025.

[4] Y. Zhu, W. Yu, and G. Wen, “Distributed Fenchel Dual Gradient Algorithm for Constrained Convex Optimization Over Digraphs,” IEEE Control Systems Letters, 9: 2537–2542, 2025.

[5] Y. Zhu, W. Yu, G. Wen, and G. Chen, “Distributed Nash Equilibrium Seeking in an Aggregative Game on a Directed Graph,” IEEE Transactions on Automatic Control, 66(6): 2746–2753, 2021.

[6] Y. Zhu, W. Yu, W. Ren, G. Wen, and J. Gu, “Generalized Nash Equilibrium Seeking via Continuous-Time Coordination Dynamics Over Digraphs,” IEEE Transactions on Control of Network Systems, 8(2): 1023–1033, 2021.

[7] Y. Zhu, G. Wen, W. Yu, and X. Yu, “Nonsmooth Resource Allocation of Multiagent Systems With Disturbances: A Proximal Approach,” IEEE Transactions on Control of Network Systems, 8(3): 1454–1464, 2021.

[8] Y. Zhu, G. Wen, W. Yu, and X. Yu, “Continuous-Time Distributed Proximal Gradient Algorithms for Nonsmooth Resource Allocation Over General Digraphs,” IEEE Transactions on Network Science and Engineering, 8(2): 1733–1744, 2021.

[9] Y. Zhu, W. Ren, W. Yu, and G. Wen, “Distributed Resource Allocation Over Directed Graphs via Continuous-Time Algorithms,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, 51(2): 1097–1106, 2021.

[10] Y. Zhu, W. Yu, G. Wen, and G. Chen, “Projected Primal–Dual Dynamics for Distributed Constrained Nonsmooth Convex Optimization,” IEEE Transactions on Cybernetics, 50(4): 1776–1782, 2020.

五、主持及承担的科研项目

  1. 国家自然科学基金面上项目(62573235),2026.12—2029.12,主持。

  2. 国家自然科学基金联合基金重点项目子课题(U22B2046),2023.01—2026.12,子课题负责人。

  3. 国家自然科学基金青年项目(62203224),2023.01—2025.12,主持。

  4. 江苏省自然科学基金青年项目(BK20200809),2020.07—2023.06,主持。

  5. 江苏省高等学校自然科学研究项目(20KJB120004),2020.12—2022.12,主持。

六、研究生招生信息

2027年博士研究生招生

招生专业:0810Z4 环境感知与智能控制(学术型博士)

欢迎具有自动化、控制科学与工程、计算机科学、人工智能、数学、遥感科学与技术等相关学科背景的优秀学生提前联系报考。

希望申请者具备扎实的数学与专业理论基础,具有良好的英文文献阅读能力、独立思考能力和科研创新意识,对多智能体协同控制、分布式优化与博弈、多智能体强化学习或遥感影像智能感知等方向具有浓厚的研究兴趣。

具有相关论文成果、科研项目经历或算法开发经验的学生尤为欢迎。熟悉 MATLAB、Python、PyTorch 等科研工具,具备较强的数学建模、算法设计、仿真分析或深度学习实践能力者优先考虑。

课题组鼓励学生结合自身学术背景与研究兴趣,围绕多智能体协同控制、分布式优化与博弈、强化学习及遥感智能感知等方向开展深入研究,注重理论创新与实际应用相结合,培养独立开展学术研究与解决复杂科学问题的能力。

欢迎有志于从事学术研究、具有科研热情和创新精神的优秀学子加入!

硕士研究生招生

同时招收控制科学与工程(081100)、控制工程(085406)、大数据技术与工程(085411)及电子信息(085400,中外合作办学)等相关专业硕士研究生。

具体招生专业和报考要求以学校当年招生目录为准。

七、联系方式

导师: 朱亚楠 副教授、博士生导师

单位: 南京信息工程大学自动化学院

电子邮箱: ynzhu@nuist.edu.cn

欢迎有意申请2027年博士研究生的同学提前通过邮件联系,建议邮件主题注明:

2027年博士申请—姓名—毕业院校—研究方向

邮件建议附个人简历、成绩单、已发表论文或其他代表性科研成果,并简要介绍个人科研经历、研究兴趣及未来研究计划。

诚挚欢迎具有扎实理论基础、科研热情和创新精神的优秀学子加入,共同探索智能感知、多智能体协同控制、分布式优化与博弈以及人工智能领域的前沿科学问题!

注:具体招生名额、报考条件、申请程序及考核安排,以南京信息工程大学2027年博士研究生招生简章及学院正式通知为准。


Educational Experience

No Content
Work Experience

  • 2020.1 -- Now

    南京信息工程大学      讲师(高校)

Social Affiliations

No Content
Other Contact Information

  • PostalAddress :

  • Email :

Research Group

No Content
Research Focus

No Content