贾
贾庆山 (Qing-Shan Jia)
H指数:38
被引数:6,132
个人简介
暂无内容
教育背景
2002.08 – 2006.07
清华大学自动化系 工学博士学位 控制科学与工程
1998.08 – 2002.07
清华大学自动化系 工学学士学位 自动化
工作经历
2020.12 – 至今
清华大学自动化系
长聘教授
2015.12 – 2020.11
清华大学自动化系
长聘副教授
2013.03 – 2013.08
麻省理工学院
访问学者
2010.12 – 2015.11
清华大学自动化系
副教授
2010.04 – 2010.06
香港科技大学
访问学者
2006.08 – 2010.11
清华大学自动化系
讲师
2006.08 – 2007.02
哈佛大学
访问学者
荣誉奖项
- 教育部自然科学奖二等奖(2020)|教育部
- 国家自然科学二等奖(2018)|国家
- Journal of Simulation最佳论文奖(2017)
- IEEE国际自动化科学与工程年会最佳论文奖(2015)|IEEE
- WCICA供应链领域最佳论文奖(2014)
- 国家自然科学基金优秀青年基金(2012)|国家自然科学基金委
- 国家自然科学二等奖(2009)|国家
无历史数据依赖且系统独立的训练:一种神经网络辅助的改进拉格朗日松弛方法用于大规模安全约束机组组合
基于智能体特定偏好的多智能体强化学习
基于共识的异步分布式算法的云数据中心地理分布式工作负载调度
考虑决策相关不确定性的配电网络加固与移动资源调度弹性协同优化
Energy
IF9.4
多时间尺度学习优化方法在可再生能源电力机组组合中的应用
可扩展的Whittle指数策略用于铁路集装箱堆场实时存储分配
机器学习增强的向量序优化在多目标随机机组组合中的应用
一种针对自主车辆控制策略的加速黑箱样本路径可行性概率估计方法
将耦合时间尺度强化学习方法用于建筑运行优化与废热利用
APPLIED ENERGY
IF11
主动鲁棒加固弹性电力配电网:决策相关不确定性建模与快速求解策略
Zhu, Y.; Cui, G.; Liu, A.; Jia, Q.S.; Guan, X.; Zhai, Q.; Guo, Q.; Guo, X. 一种嵌入强化学习的代理拉格朗日松弛方法用于快速求解机组组合问题。IEEE Trans. Power Syst. 2025, 40, 3806–3818. [Google Scholar] [CrossRef]
FUNDAMENTAL RESEARCH
IF6.3

