瑞士洛桑联邦理工学院多智能体强化博士全奖 - 导师招生 - 博士招生

版块导航: 正在加载中...

登录注册

应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜

返回列表

不爱吃可乐鸡翅

新虫 (正式写手)

应助: 0 (幼儿园)
金币: 22
帖子: 392
在线: 15分钟
虫号: 36850981

已领完

瑞士洛桑联邦理工学院多智能体强化博士全奖: 领取红包 (小木虫手机app专属红包)

扫一扫，下载小木虫客户端

因平台限制，联系方式见头像

面向健康感知控制的多智能体强化学习博士生

项目描述

本项目旨在开发基于多智能体强化学习的新型方法，用于复杂工程系统的健康感知控制。研究重点在于将系统健康状况和退化动态信息整合到控制策略中，从而实现兼顾性能和长期资产可靠性的决策。

本项目将探索强化学习智能体如何学习能够兼顾运行目标、物理约束和系统老化情况的控制策略，尤其关注多个子系统交互的多智能体环境。我们将结合物理信息模型和数据驱动方法，确保学习到的策略既高效又与底层系统动态特性相符。

应用领域包括复杂的工业和能源系统（例如风力涡轮机或其他大型基础设施），在这些系统中，控制决策对系统寿命有着直接影响。

该博士职位隶属于欧洲研究理事会 (ERC) 的整合基金项目，旨在支持健康感知控制和复杂系统智能维护方面的前沿研究。

IMOS 实验室

(https://www.epfl.ch/labs/imos/) 提供极具激励性的跨学科科研环境，为跨项目和跨研究人员的交流互动提供了诸多机会，并与工业界利益相关者和国际一流大学保持着良好的合作关系。

职位要求

我们正在寻找一位拥有扎实的分析背景，以及工程、控制、计算机科学、物理、应用数学或相关领域杰出硕士学位的博士候选人。

您应具备扎实的机器学习和控制基础，理想情况下拥有强化学习、优化或动力系统方面的经验。掌握深度学习、信号处理或物理信息建模知识将是极大的优势。

我们希望候选人具有自我驱动力、强大的问题解决能力和创新思维。熟练掌握英语（书面和口语）是必备条件。

申请流程

正式申请材料包括：

· 一封求职信，

· 候选人简历，

· 一份简短的研究陈述（一页），描述您在强化学习和健康感知控制领域的项目构想，并阐述其与您的经验以及相关文献工作的联系，

· 所有已获得学位的成绩单（英文版），

· 一篇已发表的论文（例如学位论文，最好是会议论文或期刊论文，提供链接即可），请通过申请平台提交。
发自小木虫手机客户端

回复此楼