首页 大会新闻 会议日程 演讲嘉宾 组织机构 参会指南 资料下载 合作单位 往届回顾 酒店预订
EN 登录 论坛申请 个人报名 团体报名
大会新闻
CNCC news
学习算法与博弈决策:非完全信息下的挑战 时间: 2019-09-29

本论坛将于10月17日下午13:30-17:00(CNCC大会第一天)在苏州金鸡湖国际会议中心A107会议室举行,邀请国内权威专家共同论道学习算法与博弈决策中的机遇与挑战,共商数据驱动下的非完全信息智能博弈。欢迎大家参加!

  

随着经济的快速发展和互联网的迅速普及,“互联网+”成为当前经济发展的新动力,互联网经济已成为当今时代不可或缺的经济模式,众多品牌在保证传统线下销售模式的同时,积极拓展线上销售业务。与传统经济不同的是,互联网市场由买家(广大消费者)、卖家(各商业品牌)以及互联网平台(如天猫、淘宝等)三方构成,而互联网技术的支持使得交易额急剧增加。由此带来海量且结构复杂数据,以及背后呈现出参与三方信息不完全、信息不对称的现状。

图1. 互联网经济的主体构成

与此同时,人工智能加速发展,在与人类博弈的多个场景中赢得了胜利。基于人工智能的人机对抗由单智能体完全信息博弈演化至多智能体非完全信息博弈,博弈环境变得更加复杂;人工智能的研究重点逐步从感知智能向决策智能转变,非完全信息下多智能体博弈的机理、分析和计算问题日益凸显。博弈系统的三个不同角色均面临巨大的挑战:

·博弈分析者:博弈基础模型、机理、分析和高效计算

·博弈参与者:信息不完全下策略优化方法

·博弈设计者:数据驱动的机制设计

图2. 德州扑克


针对上述挑战,本论坛邀请了四位从事计算博弈和人工智能交叉研究的重量级学者与大家共同深入探讨数据驱动下的博弈决策理论:

1. 邓小铁,北京大学信息前沿计算中心讲席教授 

2. 高阳,南京大学计算机科学与技术系教授

3. 陆品燕,上海财经大学信息学院教授

4. 张伟楠,上海交通大学约翰·霍普克罗夫特研究中心助理教授


论坛主席


论坛主席 张国川


张国川,浙江大学计算机学院教授。1995年于中科院应用数学所获得运筹学博士学位。随后在奥地利格拉茨工业大学做博士后。2001年获得德国洪堡研究奖学金,先后在基尔大学和弗莱堡大学合作研究。研究兴趣包括近似算法、在线优化和算法博弈论。2018年获得中国运筹学会科学技术奖“运筹研究奖”。担任Journal of Scheduling,Parallel Computing等期刊编委,ISAAC顾问委员会委员,COCOON指导委员会委员。

共同主席  邓小铁


Xiaotie Deng got his PhD from Stanford University in 1989.  He is currently a chair professor at Peking University. Deng's current research focuses on algorithmic game theo-ry, with applications to Internet Economics and Finance. 

He is an ACM fellow for his contribution to the interface of algorithms and game theory, and an IEEE Fellow for his contributions to computing in partial information and interactive environments.

论坛助理  程郁琨


程郁琨,博士,副教授。主要研究领域为信息经济学、算法博弈论、组合优化等。2010-2013年期间,在浙江大学计算机学院从事博士后研究工作;2010年毕业于上海大学,获博士学位;2005年毕业于中国科学院数学与系统科学研究院,获硕士学位。2012-2013年,获国家留学基金委资助赴澳大利亚墨尔本大学访问。主持国家自然科学基金项目三项,在ICDCS(分布式计算系统顶级国际会议),IJCAI(人工智能顶级国际会议),WINE,SAGT等国际重要学术会议上发表学术论文。

讲者和报告简介


邓小铁

报告题目:Data Science Challenges to Game Theory Methodology

报告摘要:The unity in game theory in its methodology for economics, politics and, in general, all social sciences, has met new challenges in Today’s Internet enabled commerce and social networks, as well as intelligent algorithms for data based decision makings.  

We discuss the gradual progress in theory and methodology for the rising field for the general social sciences in the Era of big data, for agents with asymmetric information and computation power, and in the environment of  multi-agent interactions.

讲者简介:Xiaotie Deng got his PhD from Stanford University in 1989.  He is currently a chair professor at Peking University. Deng's current research focuses on algorithmic game theo-ry, with applications to Internet Economics and Finance. He is an ACM fellow for his contribution to the interface of algorithms and game theory, and an IEEE Fellow for his contributions to computing in partial information and interactive environments.

高阳

报告题目:多智能体强化学习中的博弈和均衡

报告摘要:简要介绍强化学习基本原理、多智能体强化学习算法;同时介绍了报告人提出的非共享支付矩阵博弈、近似博弈、博弈迁移和博弈约简。

讲者简介:高阳教授,南京大学计算机科学与技术系副主任。2009年入选江苏省“333高层次人才培养工程”第二批中青年科学技术带头人,2010年入选教育部新世纪优秀人才计划。目前担任中国人工智能学会理事/机器学习专业委员会副主任/粒计算与知识发现专业委员会副主任;中国计算机学会大数据专家委委员/人工智能与模式识别专业委员会常委/多智能体与智能系统学组副组长;江苏省人工智能学会副理事长等。获中国人工智能学会吴文俊自然科学奖二等奖。

陆品燕

报告题目:最优拍卖机制设计:简单性与鲁棒性

报告摘要:设计最优拍卖机制是微观经济学中一个非常重要的课题,特别是网络经济的发展让这个课题更加具有现实意义。经济学中关于这个课题最重要的结果就是著名的Myerson最优拍卖理论,Myerson因此而获得了诺贝尔经济学奖。但这个漂亮的经济学理论在现实中的使用却非常少,主要有两个原因:一是这个最优拍卖机制比较复杂;二是这个机制的最优性有很严格的数学假设条件,这些条件不一定在现实中满足。针对这些问题,最近十几年里在理论计算机界有一系列关于最有拍卖机制设计的工作,主要突出机制的简单性与鲁棒性。本报告会综述这方面的工作并展望未来的方向。

讲者简介:陆品燕,上海财经大学信息学院教授,副院长,理论计算机科学研究中心主任。2009年1月于清华大学计算机系获博士学位后加入微软亚洲研究院,历任理论组副研究员,研究员,主管研究员。2015年12月全职加盟上海财经大学,领衔组建理论计算机科学研究中心(ITCS),经过三年时间的建设,他的研究中心在CSRankings上算法与复杂性方向(理论计算机三大会议STOC/FOCS/SODA)已经排到亚洲第一名、全球前十。他的主要研究方向是理论计算机,并注重与其它学科的交叉,包括自然科学中的统计物理以及社会科学中的经济学与社会选择理论等。有60余篇科研论文在计算机理论及博弈论的国际会议和杂志发表,其中理论计算机的三大会议STOC/FOCS/SODA共26篇。荣获ICALP2007、FAW2010、ISAAC2010 等重要国际会议最佳论文奖。担任FAW-AAIM 2012、WINE 2017、FAW 2018、ISAAC 2019等国际会议程序委员会联合主席,以及多次担任STOC,FOCS,ICALP等顶级国际会议的程序委员会委员。曾荣获第八届世界华人数学家大会ICCM数学奖(原晨兴数学奖)银奖(2019)、上海市拔尖青年(2017)、中国计算机学会青年科学家(2014)、微软金星员工奖(2010)、 微软学者(2008)、清华大学特等奖学金(2007)等荣誉。

张伟楠

报告题目:大规模智能体博弈中的学习算法和支持平台

报告摘要:近年来,机器学习的落地场景有两个发展方向,一是从预测到决策的范式拓展,另一个则是从单智能体到多智能体的场景推广。由此,面向多智能体系统的博弈和强化学习开始越来越受到学术界和工业界的关注。本次报告,我将从多智能体博弈和深度强化学习的几个落地任务切入,由此引入它的基本数学定义和几个经典解决方法。之后我将深入海量智能体场景下的不同场景,探讨在海量智能体的情况下,传统多智能体强化学习方法的不足。最后,我将介绍MAgent、CityFlow和DS,三个专为海量智能体场景提供模拟实验的平台,并展示上述算法在该平台上的初步实验效果和业界落地情况。

讲者简介:张伟楠博士现任上海交通大学约翰·霍普克罗夫特研究中心助理教授,科研领域包括深度学习、强化学习、数据挖掘、知识图谱及其在推荐系统、搜索引擎、文本分析等场景中的应用。相关的研究成果在国际一流会议和期刊上发表70余篇学术论文。2016年获得由微软研究院评选的“全球SIGKDD Top 20科研新星”称号;2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖;2017年获得上海ACM新星奖;2018年获得阿里巴巴达摩院青橙奖。他曾在KDD-Cup用户个性化推荐大赛获得全球季军,在全球大数据实时竞价展示广告出价算法大赛获得最终冠军。


中国计算机学会
电话:010-6260 0336
邮箱:cncc@ccf.org.cn
地址:北京市海淀区科学院南路6号
联系我们
参会报名:010-6260 0336
论坛、活动:010-6256 2503-22
合作与展位:010-6256 2503-27
微信公众号
版权所有 中国计算机学会 技术支持:北京中科辅龙信息技术有限公司 联系电话:(86-10)62600336 京公网安备11010802017125号

京公网安备 11010802032778号