由《智能科学与技术学报》主办的“深度强化学习”线上论坛于2020年7月15日上午成功举办！本次论坛以“深度强化学习”为主题，聚焦深度强化学习技术及其应用，吸引了各高校师生、各学会会员的积极参与，会议内容受到了广泛好评！。
人工智能在全球掀起了新一轮技术革命的波澜，深度学习已在人工智能领域获得了巨大的成功。在此背景下，产生了由深度学习和强化学习结合的深度强化学习。深度强化学习被广泛应用于工业制造、仿真模拟、机器人控制、优化与调度、游戏博弈等领域，极大地推动了人工智能和自动化技术的发展。
《智能科学与技术学报》特邀期刊主编、中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国科学院大学中国经济与社会安全研究中心主任、青岛智能产业技术研究院院长王飞跃担任论坛名誉主席，东南大学学习机器研究中心主任、自动化学院学术委员会主任、东南大学特聘教授孙长银担任论坛主席，并邀请了4位演讲嘉宾：中国科学院自动化研究所研究员魏庆来，清华大学自动化系教授宋士吉，天津大学电气自动化与信息工程学院教授穆朝絮，辽宁石油化工大学信息与控制工程学院教授李金娜，来分享先进技术与最新研究成果，对自适应动态规划、强化学习、深度强化学习的基本原理与具体应用进行了深入探讨。本次论坛在腾讯会议进行，并同时在B站、今日头条、知网等同步直播，参会观众达到5000余人。
《智能科学与技术学报》将陆续推出多个线上论坛，为读者提供更多的知识服务，敬请关注！
题目：自适应动态规划与深度自适应动态规划
魏庆来，中国科学院自动化研究所研究员，博士生导师，复杂系统管理与控制国家重点实验室副主任，现任中国科学院大学岗位教授。研究方向包括人工智能、自学习控制、平行控制、自适应动态规划、智能控制等。
演讲摘要：自适应动态规划基于增强式学习原理，采用非线性函数拟合方法逼近动态规划的性能指标，模拟人类通过环境反馈进行学习的思路，有效地解决了动态规划“维数灾”的难题，近年来被认为是一种非常接近人脑智能的学习控制方法。本报告首先介绍了自适应动态规划的基本原理，然后进一步介绍迭代自适应动态规划的基础理论以及研究进展，最后介绍深度自适应动态规划的应用。
视频回放：https://www.bilibili.com/video/BV1JC4y1b7E3?p=1
题目：深海可控式可视采样器关键技术研究
宋士吉，清华大学自动化系教授、博士生导师。研究方向包括复杂生产线智能优化与调度方法、鲁棒随机分层优化建模与分析求解方法、机器学习理论方法及其应用、水下机器人关键技术等。
演讲摘要：本报告阐述了深海可控式可视采样器的总体布局、核心部件的优化设计与加工制造，包括载体框架、深海作业抓斗、液压系统、电控系统、通信系统、传感器系统、照明系统；介绍了采样器深海作业软件系统，包括船载控制平台的水下作业数据管理与集成模块、水下作业智能控制模块、热液异常智能搜索模块；分析了基于强化学习的水下采样器智能控制方法、基于强化学习的热液羽状流智能搜索方法。
视频回放：https://www.bilibili.com/video/BV1JC4y1b7E3?p=2
题目：多智能体深度强化学习研究进展
穆朝絮，天津大学电气自动化与信息工程学院教授，博士生导师。兼任中国自动化学会人工智能与机器人教育专业委员会秘书长、青年工作委员会副秘书长等职务。研究方向包括强化学习、智能控制与优化决策等。
演讲摘要：由深度学习和强化学习结合的深度强化学习，在游戏领域取得了令人兴奋的成绩，基于深度强化学习的AlphaGo击败了人类顶尖职业棋手，引起了人们的极大关注。深度强化学习可能成为一种解决复杂问题的有效方法,推动人工智能技术的快速发展。多智能体深度强化学习问题是复杂的、动态的，给学习决策过程带来很大困难。本报告主要介绍了强化学习、深度强化学习的基本原理，以及多智能体深度强化学习领域的研究进展。
视频回放：https://www.bilibili.com/video/BV1JC4y1b7E3?p=3
题目：基于强化学习的数据驱动最优控制及应用
李金娜，辽宁石油化工大学信息与控制工程学院教授。研究方向包括复杂系统建模与自学习优化控制及工业应用等。
演讲摘要：利用强化学习技术解决未知动态控制系统最优控制问题，面临系统不确定性、外界干扰和状态数据不可测等给现有的强化学习算法可执行性、算法的收敛性、系统的可镇定性和目标性能的可实现性等方面带来的挑战性难题。本报告将介绍课题组近年来在基于强化学习技术的鲁棒自学习最优控制、输出反馈控制及工业运行优化等方面的研究成果，并且探讨基于强化学习技术的最优控制问题面临的挑战与机遇。
视频回放：https://www.bilibili.com/video/BV1JC4y1b7E3?p=4
