当前课程知识点:2016年清华大学研究生学位论文答辩(一) > 第四周 自动化系——郑小龙 > 个人答辩陈述 > Video
返回《2016年清华大学研究生学位论文答辩(一)》慕课在线视频课程列表
返回《2016年清华大学研究生学位论文答辩(一)》慕课在线视频列表
我先代表咱们系分学位委员会
宣读一下答辩委员会的成员名单
主席(范玉顺)教授
单位是清华大学自动化系
委员有(曹政才)教授北京化工大学
(陶飞)教授 北京航空航天大学
(黄德先)研究员清华大学自动化系
(王凌)教授 清华大学自动化系
好 下面我就来主持这个答辩
先请我们答辩秘书
来介绍一下博士生的基本情况
好
我现在介绍一下
(郑晓龙)同学的基本情况
(郑晓龙)同学2011年直博生入学
到现在呢
他的课程成绩情况如下
人工神经元网络91分
组合数学83分
自然辩证法概论88分
制造过程调度理论及其应用94分
制造执行系统及其应用95分
实验设计与数据处理90分
文献综述与选题报告92分
资格考试92分
社会实践通过
博士生英语82分
学术活动与学术报告通过
介绍完毕
那下面
咱们就听听正式的答辩过程
先请(郑晓龙)同学
汇报一下论文的这个工作
各位老师各位同学 大家下午好
我是清华大学自动化系的
博士研究生(郑晓龙)
我博士论文的题目是
复杂资源约束调度问题
及其混合果蝇算法研究
我的导师是(王凌)教授
在我今天的答辩中
将从以下几个方面进行汇报
首先我将简单介绍一下
问题的研究背景和意义
然后介绍
资源约束调度问题的特性
和求解的难点
随后我将介绍一下
基本的果蝇算法
以及我的研究规划
生产调度是制造企业的决策环节
它直接决定了
企业的生产效率和经济效益
传统的调度问题呢
它很少考虑制造过程当中
除机器以外的资源
随着制造业的发展
工业4.0概念的提出
智能制造已经成为
我国制造业发展的战略方向
智能制造对精益化生产
提出了更高的要求
它要求企业
在生产调度的过程当中
实现对有限的资源的智能分配
提高对制造资源的利用效率
资源约束的调度问题
有着广泛的应用背景
半导体生产 汽车生产
化工 冶金 互联网服务等
生产制造的过程当中的许多问题
它都可以归结为
资源约束的调度问题
其相关的研究
具有重要的工程应用价值
另外在学术上
传统的调度问题
它就具有大规模 非线性
强约束 多极小的复杂性
求解的难度非常大
资源约束的调度问题
它较传统的调度问题而言呢
它具有更强的多约束
多子问题耦合的特性
其建模更加复杂
解空间规模也更大
求解的难度更大
大部分的资源约束调度问题
已经被证明是NP难问题
因此资源约束调度问题的研究
具有重要的学术意义
目前呢关于
资源约束调度问题的研究比较少
它的研究
主要存在两个方面的不足
第一是调度问题的类型不丰富
已有的研究主要集中在
资源约束的并行机调度
以及资源约束的项目调度
而其他的资源约束的
柔性调度的研究较少
第二资源约束的情况
考虑不是特别全面
资源约束对生产的影响方面
已有的研究大多集中在
分配的资源
影响工件的加工时间
而对于分配的资源
影响工件能否加工执行的
这一情况的考虑比较少
第二对于有限的
资源类型数量上面的考虑
已有的研究大多集中在
单资源约束的情形
而对于多资源约束情形考虑较少
目前针对
资源约束调度问题的求解算法
主要有三类方法
第一类方法是精确方法
这一类方法它主要是
用传统的数学方法
包括整数规划
以及分支定界等方法
而这一类方法的特点
它是能对小规模的问题
能够获得问题的最优解
但是它难以适用于大规模的问题
第二类方法是启发式的方法
这一类方法它基于启发式的规则
快速的构造高质量的解
但是这一类的方法呢
它获得的解的质量是有限的
第三类方法是智能算法
这一类方法对于
大规模的复杂问题
具有较好的性能
但是目前针对
资源约束调度问题的
智能算法还是比较少的
我的博士课题呢
主要是基于果蝇算法
开展资源约束调度问题的研究
果蝇算法是一种
新型的群智能算法
它是基于果蝇的觅食行为的
仿生学原理提出的
果蝇算法主要是
利用果蝇的嗅觉搜索
和视觉搜索
实现对问题的最优解
或者说满意解的搜索
果蝇算法
具有较强的局部搜索能力
以及较强的通用性
果蝇算法的基本过程如下
首先是
初始化果蝇种群的中心位置
然后利用果蝇的嗅觉搜索
对中心位置附近的邻域进行探索
通过视觉搜索
实现种群中心位置的迭代搜索
最后通过迭代搜索
实现对食物源的探寻
我的博士论文课题的
研究规划如下
首先在国内外文献调研
和总结的基础上
开展两个层面的方面的工作
首先是问题层面
针对复杂资源约束调度问题
开展问题的建模
问题性质的分析 资源的分配
关键路径分析的问题知识的挖掘
第二针对问题开展相应的
果蝇算法的设计层面的研究
主要是包括算法框架的优化研究
算法的搜索操作的设计
自适应机制的设计
协同机制的设计 等
基于协同算法的设计研究
我的研究对象主要是
包括三类典型的
资源约束调度问题
以及进行一类的推广研究
和一类的应用探讨研究
我的博士论文
主要包括五项核心的工作
下面将逐一进行汇报
第一项工作是
基于两阶段自适应果蝇算法的
资源约束不相关并行机调度问题
这类问题考虑的是
无差别的可更新资源
它的机器的环境是
不相关并行机环境
调度的目标是最小化makespan
这是问题的数学模型
这个问题
它主要有四个方面的求解难点
第一是多子问题
它主要包括了资源分配
机器的分配
以及工件的排序等三个子问题
另外子问题之间存在着强耦合性
主要是资源分配
与工件排序相耦合
机器的分配与工件的排序相耦合
第三 它存在着多极小特性
在每一种资源分配的方案下
都存在着局部极小
第四 问题的搜索空间非常的巨大
针对以上的几种求解的难点呢
我们开展了如下的算法设计
主要包括初始化的设计
编码方式的设计
知识驱动的搜索操作的设计
以及资源分配方式的设计
在编码和解码方面
本项工作当中我们所提出的是
关于机器上的工件排序的
这种编码方式
基于这种编码方式
能够有效的将一个解
解码映射成为一个调度解
另外我们设计了
基于最大剩余负荷
优先的这种资源分配规则
能够有效的避免造成makespan
较大的不利情形的出现
在种群的初始化阶段
考虑到问题的解空间非常的巨大
我们提出了
有效的这种启发式规则
构造高质量的初始解
快速的定位解空间潜力区域
具体而言 我们提出了基于这种
最早加工时间的机器分配规则
和LPT的这种工件排序规则
将工件分配到
加工时间最短的机器上
机器上的工件排序
按照加工时间的降序排列
另外在嗅觉搜索阶段
我们设计了机器的再分配操作的
这种全局搜索操作一
以及针对这种局部搜索的操作二
即工件的排序的这种调整操作
那么如何合理的
利用这两个操作呢
在传统的算法设计当中
通常是串行的利用这两种操作
对两操作进行无差别的应用
但是我们在我们本项的工作当中
通过对问题进行分析
挖掘出问题当中的
这种局部最优的判定条件
基于这种问题的性质
也就是基于这种问题的知识
设计的知识驱动的自适应
搜索操作的选择机制
通过这种局部最优的
这种判定条件
合理的采用这种局部搜索操作
和全局搜索操作
从而实现局部搜索
和全局搜索的平衡
提高算法的性能
这是算法设计的流程图
我们所设计的这种两阶段
自适应的果蝇算法
与标准的果蝇算法相比较而言
它的创新点主要体现在
第一 我们设计的这种
基于启发式规则的
这种初始化解的构造方式
第二
我们基于这种问题性质的分析
提出了这种知识驱动的
自适应的搜索操作的选择机制
第三 我们对问题的
最优调度的性质进行了分析
提出了相应的问题性质
作为算法终止准则的
一个判定条件
为了验证算法的性能
我们在标准的测试问题上
对算法性能进行了仿真验证
采用基于这种性质提出的
这种问题下界的
最优百分比偏差
作为算法的性能评价指标
首先
我们应用ANOVA分析的方法
对算法的参数进行了研究
算法当中主要包括
两个关键的参数
通过ANOVA分析我们可以得知
算法当中的两个关键参数
其中NS对算法的性能
具有显著的影响
而另一个参数S
对算法的影响不是特别显著
但是两者之间的耦合关系
对算法的性能具有显著的影响
基于ANOVA分析的结果
我们获得了推荐的参数
随后我们逐一验证了
我们所设计算法的
每一个环节的有效性
首先是初始化环节的有效性
我们通过比较了
我们所设计的TAFOA算法
以及去除了初始化阶段的算法
进行了比较
从结果
通过统计分析以及假设检验
可以看出我们设计的
初始化环节是显著有效的
第二 我们对知识驱动的环节的
有效性进行了验证
同样的我们比较了TAFOA
以及去除了这种知识驱动的
自适应选择机制的这种方法
进行了比较
同样的通过统计比较
和假设检验的方式
也验证了这种
知识驱动的搜索的环节的有效性
最后我们将我们所设计的算法
与已有的算法进行了比较
首先是与CPLEX这种传统的
数学方法进行了比较
由于CPLEX只适用于求解
这种小规模的问题
所以我们在25个小规模问题上
将两者进行了比较
可以看出在小规模问题上
我们所设计的方法
同样的取得了与CPLEX
相同的最优解
但是运行时间上远远小于CPLEX
此外
我们将我们所设计的方法
与遗传算法进行了比较
从统计分析以及假设检验
都可以看出
我们所设计的方法
显著优于已有的算法
在本项工作当中
我们建立了问题的混合整数
线性规划模型
提出了基于
最短加工时间的初始化规则
提出了基于这种
最大剩余最负荷
优先的这种资源分配的解码规则
提出了局部最优的判定条件
给出了问题的下界
另外我们设计了
基于这种局部判定条件的
自适应的操作选择机制
最后我们对算法的参数
对算法性能的影响进行了研究
通过仿真的测试
验证了我们所提出的算法
显著的优于已有的算法
本项工作发表在ESWA上
第二项工作是基于KGFOA的
资源约束柔性作业车间
调度问题研究
这个问题较前一问题而言
它的不同点主要体现在
第一它考虑的是差异性的资源
考虑在工作当中有多个工人
而每个机器的加工都需要
有工人的操作,机器才能够进行
而工人由于技能或者说由于知识的缺陷
他只能操作部分的机器
另外每一个工件的加工
它有N道工序
每个工序之间
它是存在着优先约束关系的
它的目标同样是优化makespan
这是问题的数学模型
这个问题的求解难点
较上一个问题而言
它主要不同体现在于
它有更强的约束
它体现在
它存在着操作的优先约束
以及工人的能力约束
它的搜索空间
是较前一个问题要更大的
针对以上的求解难点
我们同样的
开展了相应的编码设计
资源分配规则的设计
约束处理技术的设计
以及搜索操作的设计
在编码方面
我们提出了这种
基于操作序列向量
与资源组合对向量
相结合的双向量的编码机制
另外提出了这种最早开始时间
优先的这种解码规则
相应的我们设计了
嗅觉搜索操作的每个操作
在标准的果蝇算法当中
我们引入了知识引导的
这种协同搜索环节
利用经验知识指导相应的搜索
我们建立了资源分配概率的模型
通过采样资源分配的概率
对资源进行再分配
另外我们设计了
相应的块继承的交叉操作
充分利用以精英个体
所提供的有效的操作序列信息
这是算法设计的流程图
我们所提出的KGFOA
与标准的果蝇算法相比
它的创新点主要体现在于
我们在已有的FOA的搜索框架环节下
引入了这种知识引导的
协同搜索环节
利用采用概率模型的方式
生成资源的分配方案
提高了算法的全局搜索能力
为了验证算法的有效性
我们同样的在标准的测试问题上
对算法进行了仿真测试
采用了最优百分偏差的
作为算法的性能评价指标
同样的
首先我们采用了试验设计的方法
也就是DOE的方法
对算法的参数进行了研究
通过DOE的结果
获得了推荐的参数
此外我们通过
比较我们所提出的KGFOA
与去除知识引导搜索环节的
FOA方法进行了比较
可以看出在相同评价次数上
所有的问题
都获得了相同的最优解
通过假设检验也可以看出
KGFOA显著的优于FOA
另外为了进一步验证算法的性能
我们将我们所设计的KGFOA
与求解资源约束的
柔性作业车间调度问题的
最好的方法VNS进行了比较
在相同评价次数上
我们得到了
我们所设计的KGFOA显著优于VNS
进一步我们在相同运行时间下
也比较了三个算法的不同
可以看出在相同的评价次数
以及相同运行时间下
KGFOA都是显著
优于其他的两种算法
在本项工作当中
我们建立了问题的数学模型
提出了新颖的
基于资源组合对的编码方式
和解码策略
在原有的FOA搜索框架下
引入了知识引导的搜索环节
提高了FOA的全局搜索能力
通过精英个体提供的经验知识
设计了相应的经验知识库
设计了基于采样概率的
资源分配方式
最后通过DOE的方法
探讨了算法的参数的有效性
通过仿真实验
验证了算法设计的有效性
本项工作发表在IJPR上
第三项工作是基于
MOFOA的多技能人力资源约束的
项目调度问题
这个问题较之前的问题而言
它的不同主要体现在第一
它考虑了多种资源类型
考虑多个人力资源
每种资源它掌握了特定的技能
整个项目当中包括多个任务
每个任务的执行
需要有掌握一定知识技能的
人力资源才能完成
并且每个人力资源
都有一定的技能熟练能级
此外
考虑了人力资源
在执行任务当中的这种时间成本
我们的调度的目标
是同时优化makespan
以及项目的总成本
这是问题的数学模型
这个问题较之前问题而言
它的求解难点的不同主要体现在
第一它有更多的强约束
主要是技能约束
以及技能的等级约束
另外它是多个目标
需要同时优化makespan与项目的总成本
同样的针对以上的求解难点
我们进行了编码方式的设计
资源分配的设计
约束处理的设计
以及多目标处理技术的设计
在编码解码方面
我们提出了基于任务列表
和资源列表的双列表编码方式
另外我们提出了
基于最早可开始执行的
这种解码方式
在初始化环节
考虑到问题解空间规模巨大
我们也设计了
基于这种最小成本的
启发式规则初始化
另外考虑多目标特性
我们也同样设计了
相应的这种随机
初始化的策略相结合
考虑初始化的这种均衡性
另外我们相应的设计了嗅觉搜索
以及视觉搜索当中
多目标的这种处理技术
采用了这种非支配排序的
多目标处理技术
另外同样的我们在算法当中
引入了这种知识引导的
协作搜索环节
通过这种资源分配的概率模型
实现资源的再分配
另外
我们也设计了相应的交叉操作
实现对这种任务列表的搜索
能够继承和利用有效的
精英个体提供的这种有效信息
这是我们设计算法的流程图
我们所设计的多目标FOA
与普通的FOA相比
它的不同点主要体现在
第一有效的初始化规则的设计
第二我们在嗅觉搜索阶段的
这种多目标处理技术的设计
第三引入了这种知识引导的
协作搜索环节
设计了相应的知识驱动的搜索
为了验证算法的有效性
我们在标准的测试问题上
对算法进行了仿真测试
考虑在单目标情形
和多目标两种情形下
验证了算法的性能
在多目标情形下我们采用的是
表征所获得Pareto解的
这种支配关系的C指标
作为性能的评价指标
首先我们同样采用了DOE的方法
对算法的关键参数进行了设置
通过DOE的方法得到了
推荐的参数
另外在单目标情形下
我们将我们所提出的方法
与已有的最好算法
进行了性能得比较
可以看出我们所提出的算法
更新了24个问题的最优解
并且所设计的算法的运行时间
在类似的CPU环境下
我们的运行时间
显著优于已有的算法
而在多目标的环境下
由于我们是首次提出
针对该问题的多目标求解算法
所以我们实现了经典的
多目标处理方法NSGA2
和随机方法
与我们所设计的方法进行了比较
通过比较结果可以看出
我们所设计的方法
是一种求解多目标的
这种多人力资源约束的
项目调度问题的有效方法
在本项工作当中
我们建立了问题的数学模型
提出了这种新颖的编码方式
提出了基于最小成本的
启发式规则
和随机的初始化种群策略
建立了这种经验知识的库
提出了设计了
这种资源分配的这种概率模型
设计了相应的
知识驱动的搜索操作
通过DOE的方法
获得了推荐的参数
通过仿真实验
验证了我们
所设计的方法的有效性
第四项的工作是基于CMFOA的
资源约束的
并行机的绿色调度问题
这项工作是第一项工作的
一个推广研究
它在第一个问题的基础上
考虑了生产过程当中的碳排放
每台机器在加工工件时
它有不同的速度选择模式
在运行速度越快的
这种速度模式下
它的碳排放相应的就越高
这个问题研究的调度目标
是同时优化makespan
以及总的碳排放量
这是问题的数学模型
这个问题
较第一项工作的问题当中
它的求解难点体现在
第一它有更多的子问题
它主要在前三个子问题的基础上
引入了这种速度选择的子问题
第二它有更多的这种多极小
第三它是一个多目标的优化问题
需要同时优化makespan
与碳的总的碳排放量
针对以上的求解难点
我们进行了相应的编码设计
以及协同机制的设计
以及知识驱动搜索操作的设计
以及基于这种关键路径的
低碳策略的设计
在编码解码方式上面
我们设计了基于
这种机器上面的工件速度对的
这种序列的编码方式
能够直观有效的
解码出相应的调度解
另外我们提出了
最大剩余总负荷
优先的解码规则
针对不同的子问题
主要是包括工件机器分配
工件排序以及速度选择
我们设计了相应的搜索操作
通过三操作的协同方式
实现嗅觉的协同搜索
另外针对视觉搜索过程当中的
不同的选择需求
主要是局部搜索环节
需要从多个解当中
选出一个最优解
我们采用了相应的TOPSIS选择技术
第二在全局视觉搜索环节
需要从多个解当中选出多个解
我们采用了
基于非支配排序的
多目标处理技术
通过两种多目标处理技术的协同
实现了多目标处理
另外
我们针对这种Pareto解集的优化
我们基于问题的性质得出
这种获得非支配解的
这种问题性质
基于问题知识设计了
相应的低碳策略
这是低碳策略的一个示例
通过我们所设计的低碳策略
能够有效的减少相应的碳排放
这是我们所设计的算法的流程图
与标准的果蝇算法相比
我们算法的创新点主要体现在
第一在嗅觉搜索阶段
我们设计了这种多操作
协同的这种方式
能够有效的处理多个子问题
第二在视觉搜索阶段
我们设计了相应的
多目标处理技术
协同处理来实现多目标的排序
在低碳策略方面
我们根据问题的性质设计了
相应的知识驱动的这种搜索环节
为了(验证)设计算法的有效性
我们在标准测试问题上
进行了仿真的测试
采用了非支配解的个数
以及C指标这种两个经典的
多目标领域里面的评价指标
作为性能的评价
我们采用了这种DOE的方法
实现参数的设置
获得了推荐的参数
另外我们通过算法的验证
验证的每一个环节的有效性
首先是多操作协同的有效性
我们通过比较我们所设计的CMFOA
与去除这种操作协同的
多种FOA进行了比较
通过假设检验和统计分析
验证了我们这种多操作
协同方式的有效性
第二
我们通过这种
多策略协同的这种方式
验证了我们所提出的
这种多目标策略
协同的这种有效性
另外我们基于这种
关键路径的低碳策略的有效性
我们比较了CMFOA
与去除这种低碳策略的
这种环节的算法进行了比较
通过结果可以看出
我们所提出的算法的有效性
像我们所提出的算法
与经典的多目标处理方法
NSGA2进行了比较
通过仿真比较我们可以看出
我们所提出的方法
性能显著优于经典的
多目标处理方法
在本项工作当中
我们建立了问题的数学模型
提出了新颖的
基于工件操作速度对的编码方式
和基于最大剩余总负荷
优先的资源分配规则
设计了基于这种
关键路径的低碳策略
此外
我们通过DOE的方法
研究了算法参数
对算法性能的影响
通过仿真实验
验证了每一个环节的有效性
最后通过与经典的
多目标优化方法(NSGA2)的比较
验证了所提算法的有效性
本项工作中发表在IEEE Transaction on SMCA刊上
第五项目工作是一个应用探讨
我们在资源约束的半导体
最终测试问题上
进行了方法的应用探讨
半导体最终测试调度问题
它是半导体产品在出厂之前
需要对每一个出厂的芯片
进行功能的测试
避免次品的出现
这个问题它本质上
是一个多资源约束的
柔性作业车间调度问题
它的优化目标是makespan
这是问题的示意图
这是问题的数学模型
这个问题它的求解难点
主要体现在
第一它是一种多资源
它考虑了在实际的过程当中
需要的这种操作手
以及测试头还托盘
这三种非常昂贵的资源
另外它是一个多约束特性
除了这种优先约束
以及资源的约束以外
它另外还考虑了设置时间的约束
针对以上的求解的难点
我们同样的开展了
相应的编码设计协同搜索的设计
资源分配的设计
以及这种约束处理的设计
在编码和解码方面
我们提出了这种
基于操作序列向量
以及机器分配向量的
这种直观有效的这种编码方式
在这种编码方式的基础上
可以非常直观有效的
解码成相应的调度
另外我们提出了
这种先到先供应的
资源分配的规则
作为这种解码方式
相应的我们针对多个子问题
设计了相应的这种搜索操作
以及这种相应的视觉搜索环节
另外我们在标准的
果蝇算法当中引入了
这种协作搜索的环节
通过设计这种改进的搜索操作
实现对整个机器分配
以及操作序列信息的
这种有效搜索
这是我们设计的
离散的果蝇算法的流程图
为了验证算法的有效性
我们在台湾的
某半导体测试工厂
所提供的这种实际的数据当中
对算法设计的性能进行了验证
首先我们采用了
DOE实验设计的方法
对关键的三个参数进行了研究
通过这种DOE的方法
得到了推荐的参数
另外我们将我们
所提出的离散的果蝇算法
与已有的方法
进行了性能的比较
可以看出在所有的问题上
我们所提出的方法
都获得了最优解
另外通过假设检验的方式
我们可以看出
我们所提出的算法
显著优于已有的算法
另外在运行时间上面
在类似的这种CPU环境下
我们所提出的算法
运行时间显著的少于已有的算法
可以看出我们所提出的算法
平均运行时间仅需要三点几秒
能够近似的达到
这种在线调度的时间需求
这是问题所获得到一个甘特图
在本项工作当中
我们设计了基于这种操作序列
和资源分配的
双向量编码方式的这种编码机制
另外我们提出了
基于这种先到先供应的
资源分配规则
在原有的搜索框架的基础上
加入了协作搜索的环节
提高了算法的全局搜索能力
通过DOE的方法
研究了算法参数
对离散果蝇算法的性能的影响
最后通过仿真测试验证了
我们所提出的算法的有效性
这项工作发表在KBS上
最后我对
我的整个博士论文的课题
进行一个总结
我的论文主要的创新点体现在
首先在问题层面上面
我们开展了相应的问题的建模
以及问题知识的这种挖掘
包括局部最优条件
判定的这种知识
以及关键路径的
这种低碳策略的这种知识操作
另外我们设计了
相应的资源分配的这种概率模型
实现这种资源分配的概率分配
另外在算法的设计层面
我们提出了
这种新颖有效的编码解码方式
设计了多种群多操作
多策略的这种协同机制
另外我们针对问题的特性
设计了相应的这种搜索操作
设计了这种基于知识驱动的
这种搜索机制
另外基于这种
资源分配的概率采样
实现资源的分配的操作设计
在本论文的基础上
后续的工作
也可以从两个方面来开展
首先问题层面
第一是问题的这种深入研究
后续的研究可以考虑
更多的这种实际的复杂性
比如考虑这种不确定性
以及机器故障
机器供给不确定等
另外关于问题的这种推广研究
也是非常有意义的
我们已有的研究
主要是资源约束下的
这种柔性调度问题研究
后续的研究可以开展
这种针对资源约束可重复调度
以及资源约束
分布式调度问题的研究
另外
我们可以开展
相应的应用的推广研究
在本课题当中
我们仅在这种半导体最终测试
一个调度问题上
进行了这种应用探讨
后续可以在其他的实际的
资源约束的工程调度问题上面
进行应用的推广
另外关于算法设计的层面
我们后续可以针对不同的问题
设计相应的知识驱动的
搜索操作设计
此外关于协同进化的机制
也是提高算法性能的
一种有效方式
除了本课题当中
所涉及的多操作协同
多策略协同以及多方式协同的
这种机制以外
另外还有多解码编码机制的
这种策略协同以及算法协同等
这种算法这种协同机制
最后是我的论文发表情况
在我攻读博士期间
主要发表SCI国际期刊六篇
其中有两项工作
得到了比较多的引用
包括SCI 25次的引用
以及一项工作的41次的引用
另外还有两篇国内期刊的这种
EI国内期刊
以及三篇这种EI的学术会议
此外还有一些跟课题组同学
合作的这种工作
在博士期间获得了一些荣誉
包括中国过程控制
会议的POST论文奖
以及清华大学的
综合优秀一等奖奖学金两次
清华大学的
综合优秀三等奖学金一次
另外还获得了“一二.九”辅导员
以及清华大学的
优秀研究生辅导员
清华大学优秀共产党员
优秀党支部书记等等荣誉
谢谢各位老师
-个人答辩陈述
--个人答辩陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩及陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩及陈述
--个人答辩及陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩及陈述
--个人答辩陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问题及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--Video
-问题回答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video