井冈山，教授，博士生导师

国家级青年人才项目入选者

重庆大学弘深优秀学者

教育背景

    2019-2021 北卡罗来纳州立大学，电子与计算机工程系(ECE)，博士后

    2018-2019 俄亥俄州立大学，机械与航空工程系(MAE)，博士后

    2016-2017 香港理工大学，应用数学系(AMA)，助理研究员

    2012-2018 西安电子科技大学，控制理论与控制工程，工学博士

    2008-2012 宁夏大学，数学与应用数学，理学学士

专业领域：

    网络化系统分布式控制，大规模问题优化与强化学习

主要研究方向：

    目前主要关注于针对大规模网络化系统（多智能体系统）开发计算复杂度低，灵活性高，可以有效实施的分布式控制，优化与机器学习算法。具体研究的问题包括分布式强化学习，多机器人刚性编队控制，传感器网络定位，分布式优化等。

学术兼职：

    目前担任国际期刊Journal of Automation and Intelligence编辑部主任、副主编，IEEE会员，自动化学会会员，美国《数学评论》(Mathematical Reviews)评论员，为以下期刊审稿：IEEE Transactions on Automatic Control, SIAM Journal on Control and optimization, SIAM Journal on Matrix Analysis and Applications, Automatica, Systems & Control Letters, IEEE Transactions on Control of Network Systems, IEEE Transactions on Control Systems Technology, IEEE Transactions on Signal Processing, IEEE Control Systems Letters, IEEE Transactions on Power Systems, IEEE Transactions on Cybernetics, IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Industrial Electronics, IEEE Transactions on Systems, Man and Cybernetics: Systems, IEEE Transactions on Circuits and Systems II: Express Briefs, Applied Mathematics and Computation, Unmanned Systems。

科研情况简介：

    长期关注多智能体系统的分析，控制，优化，与机器学习。首次提出角度刚性理论，随后将其应用于编队控制以及传感器网络定位问题中，用于在传感器测度低廉的情况下解决协同控制与优化问题。该工作被国际上领域内诸多顶尖团队跟进并扩展。在俄亥俄州立大学做博士后期间以主要参与人负责由美国国家航空航天局(NASA)资助的火星着陆项目“Optimized Entry and Powered Descent Guidance for Precision Planetary Landing”，设计出一套针对大规模非凸优化问题的ADMM算法。在北卡罗来纳州立大学做博士后期间负责美国NSF项目“Data-Driven Reinforcement Learning Control of Large CPS Networks using Multi-Stage Hierarchical Decompositions”，开发出一套适用于大规模网络化系统的分布式强化学习算法。

    本课题组与国内外著名高校（北京大学，普渡大学，北卡罗来那州立大学等）学者长期保持紧密合作。诚挚邀请对我们工作感兴趣的青年教师与学生加入！也非常欢迎各类学术交流讨论。目前正在招收弘深青年教师（博士后），待遇优厚（特别资助：37-40万元/年，重点资助：27-30万元/年）。本课题组将给予加入的学生和博士后在参加海内外学术会议，奖助学金以及工作薪酬上最大力度的支持。

联系方式：

    jinggangshan@cqu.edu.cn

    办公地点：重庆大学虎溪校区信息大楼A414