实验室拟以智能优化与算法作为基础理论研究和应用为方向。该方向主要涉及：动力系统与随机过程、最优化理论与算法、非线性系统模型与决策等内容。

1.动力系统与随机过程

该方向研究成员主要围绕如下问题进行研究：

（1）复杂系统的动力学性质研究。利用泛函分析中的不动点理论、临界点理论、随机过程理论以及微分系统理论中的Lyapunov函数法研究生态系统、神经网络系统（双向联想记忆型等）和哈密顿系统解的存在性与有界性，系统的稳定性与持续生存能力等动力学行为，特别探讨脉冲（随机脉冲）因素影响下系统解的存在唯一性、连续性、稳定性等渐近行为的复杂动力学性质。

（2）系统的建模与优化决策研究。研究复杂经济信息系统、复杂交通和物流信息系统的建模过程以及复杂网络的集群动力学与传播动力学性质，以统计决策理论、优化方法为基础，对其中的确定型、风险型和不确定环境下的各类决策问题进行分析，结合优化方法，给出最优决策方案。

（3）系统的数值分析与仿真。注重方法创新，以MATLAB、Simulink等数学软件为主要工具，对模型中系统解的各种性态进行计算和分析，利用计算机进行仿真、分析系统产生分支与混沌等复杂动力学行为的充分条件，找到系统稳定时模型中重要参数的阈值，预测系统的变化发展趋势，合理利用和调控系统，同时将研究成果应用于实际生产实践。

重点突破：本研究方向丰富和发展微分动力系统理论和随机过程理论，特别是在有脉冲影响的“非连续型”系统模型的定性研究方面，通过寻找脉冲因素对相关生态信息系统动力学性质的重要影响，获得保持系统稳定时模型中相关参数的阈值，更好地调控系统和利用系统。本研究方向将讨论脉冲因素对传染病模型定性性质的影响，特别探讨随机因素以及多种因素共存对系统动力学行为的影响，力争在随机微分系统的稳定性研究方法方面取得重要突破。

2.最优化理论与算法

该方向成员主要拟围绕如下问题开展研究：

（1）非线性约束优化理论与算法研究。在实际问题驱动下，提出新的半无限非线性优化问题的理论和方法，建立最优性理论和模型的牛顿型算法；对非线性不等式约束优化提出具有良好收敛性能和计算效果的信赖域-线搜索组合算法，发展约束光滑化方程和半光滑无约束方程系统的牛顿型方法，提出具有良好收敛性能的新算法。

（2）智能信息系统安全稳定运行的模型和算法研究。运用半光滑理论构建可用于输电能力、最优潮流、动态投标等智能信息系统的模型以及设计出系列高效算法；提出系统安全性风险约束下的调度和优化运行的新模型，以及模型求解的相关算法。

（3）神经网络的自适应模糊系统算法研究。对模糊系统提出无约束非线性优化算法，建立模糊系统参数的自适应优化梯度下降型和共轭梯度型学习算法，证明算法的计算效率和收敛性，为解决自动控制系统、决策分析与质量控制、计算流体等相关学科的关键科学问题提供数学理论依据。

重点突破：针对国民经济发展对能源、环境要求和市场化改革的新问题，建立与之相关的系统经济性、安全性和稳定性的数学模型和高效算法，解决实际信息处理系统下的某些关键问题；基于实际问题驱动，提出运筹、优化和控制相关的数学研究问题；运用优化方法研究神经网络和模糊系统的参数优化等问题，实现理论和方法的突破。

3.非线性系统模型与决策

该方向成员主要围绕如下问题拟进行研究：

（1）非线性控制和多模型预测研究。非线性切换控制的子系统相关控制算法的基础研究，设计切换控制系统的基本理论框架模型和基本切换控制规则；提出一类非线性决策系统的多模型预测控制方法，并将该方法应用到在线检测产品设计与优化中。

（2）多目标随机模型决策方法的研究。利用随机模糊决策相关理论和方法，研究多目标条件下，多准则随机模糊矩阵的求解和决策等相关问题，并将相关研究成果应用到医学图像处理、环境监控和物流园区一体化系统构建等方面提供智能决策支持。

（3）大数据分析与挖掘的研究。针对大数据的不同类型，研究大数据存储技术，设计索引模型和查询方法，管理大数据。结合统计学相关专业知识和方法，构建优化模型，设计高效并行算法和数据架构，对智能信息系统中的高维数据进行降维、数据挖掘机理进行分析和研究。

重点突破：根据计算模型匹配程度和控制权重来控制模型参数的变化，得到动态预测效果；在随机模糊决策中，提出求解模糊最小熵值下准则权重的新方法，为经济管理领域提供更加可靠的决策；设计出自动分类模型和算法，针对高维大数据的维数约简等方法和规则开展深入研究。