孙晓燕

基本信息

孙晓燕，教授，博导，江苏省“六大高峰”高层次人才。曾分别于2005.9-2006.9在中国科学技术大学王煦法教授团队访问、2011.9-2012.3在英国萨里大学金耀初教授团队访问、2015.6-2016.6在美国橡树岭国家实验室高性能计算分部访问。

主持国家自然科学基金项目3项、科技部重点研发计划子课题1项、江苏省自然科学基金项目1项、中国博士后项目1项；作为第一参与人，参与国家自然科学进重点项目1项、科技部国际合作重点专项项目1项；承担横向课题6项；出版专著2部，教材2部，发表学术论文60余篇，其中，被SCI,EI等检索40余篇，授权发明专利5项，计算机软件著作权10余项。

江苏省自动化学会副秘书长；江苏省自动化学会智能优化与应用专委会秘书长；《AppliedSoftComputing》编委；科技部重大\重点研发计划、国合专项等会评专家、国家自然科学基金函评专家、国内外等20余家高水平期刊论文评审人。

研究方向

安全领域多源信息融合与大规模数据处理

智能优化与进化大模型融合

工业系统智能优化与控制

综合能源系统预测与调度优化

招生信息

1、学术型硕士生
专业：计算机科学与技术（081200） ，软件工程（083500）
方向：多源信息融合、模式识别、智能优化理论与方法

2、专业型硕士生
专业：计算机技术（085404），人工智能（085410），软件工程（085405）
方向：安全领域大规模数据处理、综合能源系统预测与调度优化、复杂系统智能优化与控制

3、博士生
专业：软件工程（083500）
方向：进化大模型融合、多源信息融合、综合能源系统调度优化

研究成果

近年来，基于国家自然科学基金和企业项目的资助，围绕人工智能技术落地过程中凝练的多源异构数据驱动的复杂问题，开展了多项具有创新性的理论方法研究，具体包括：

（1）融合用户生成内容等定性指标搜索的交互式智能优化算法：针对无法构建数学模型的定性指标个性化搜索问题，融合用户评价文本、视频、图片等多源数据，提出了多种基于深度学习的个性化搜索向量化表示方法、偏好模型构建机制和智能优化算法框架等，大大丰富和扩展了智能优化的理论和应用研究范畴。

基于上述工作在TEVC、TCYB、TNNLS、KBS、自动化学报等TOP期刊发表学术论文10余篇。

（2）数据和学习驱动的多领域预测机制：数据和学习驱动的预测是人工智能应用的重要基础，以能源大数据、煤矿井下安全、滑坡预警等实际问题为推手，研究了工业大数据的管理选择机制、基于多种机器学习模型的负荷精准预测机理、考虑数据安全和隐私保护的联邦学习预测框架、多源异质数据耦合的公共安全预测模型构建等，并将其应用于煤矿负荷预测、井下电磁强度预测、滑坡预测等实际问题中，为人工智能技术的拓展应用提供了有效的示范。

基于上述工作在Applied Energy、控制理论与应用等发表学术论文5篇；授权发明专利2项；完成企业合作项目2项。

（3）双碳目标驱动的综合能源生态系统调度优化：结合国家双碳目标达成的需求，考虑高能耗高排放类行业，通过实地调研，提出了融合生产过程衍生“废弃”能源的综合能源利用方式、构建了含衍生能源的综合能源生态系统框架、探讨系统运行优化模型构建和基于智能优化算法的求解方案等，为我国双高行业双碳目标达成提供了有益探索。

作为第一参与人获批国家自然科学基金重点项目1项，科技部国际合作重点专项项目1项；在Energy、AppliedEnergy、控制与决策等发表学术论文3篇。

（4）高维不确定多目标进化优化算法及其应用：针对目标个数超过3个的实际问题，如综合能源系统运行优化、化工过程优化、布局优化、产品变更设计等，深入挖掘优化目标中参数的不确定性，提出了一套高维多目标不确定性表示体系、含不确定性的帕累托解集比较策略、设计了高效的进化机制，并将所提算法应用于煤矿井下射频识别阅读器布局等。

基于上述工作在TEVC、控制与决策、GECCO、WCCI等高水平学术期刊、会议发表学术论文10余篇。

进一步将理论方法研究积极转化，服务于国民经济的发展，与国网江苏省电力有限公司连云港供电分公司、徐州供电分公司、苏州理工雷科传感技术有限公司等开展了合作，提出了基于预测机制的居民区变压器剩余容量预测和利用机制，以大大减小变压器投资成本；提出了电力大数据驱动的面向地区区域特性的双高企业碳排放模型构建和碳足迹预测，为政府对双高企业的监管提供有效帮助，得到省电网公司的高度关注；提出了融合降雨量、形变量等多源信息的滑坡预测和预警方法，弥补了边坡雷达监测系统中监测和预警同步进行的空白，以期大大减小滑坡灾害带来的损失。

联系方式：xysun78@126.com

办公地点：人工智能与计算机学院B425