人物经历
2011年毕业于南京大学计算机科学，博士
2011年LAMDA集团（LAMDA刊物）技术部担任助理研究员
2014年任南京大学计算机科学系副教授
2019年加入南京大学人工智能学院任教授
主要成就
科研成就
强化学习旨在自主学习最佳顺序决策的模型
强化学习的环境虚拟化（与阿里巴巴和滴滴公司合作）
为了将强化学习应用于现实世界的工业应用，我们的研究发现仅从历史数据构建具有良好泛化性的虚拟环境是可行的。这些环境为工业应用提供零成本的试错培训
强化学习中的经验重用（与青达、张超、周志华等）我们的研究设计了通过重新利用经验来加速强化学习的方法，特别是在模拟器中积累的经验
星际争霸上的强化学习（与Zhen-Jia Pang、Ruo-Zhe Liu 等）我们的研究尝试尽可能高效地为这种超大规模的部分可观察实时策略游戏学习良好的游戏策略
Z.-H。周，Y. Yu，C. Qian。进化学习：理论和算法的进展。柏林：斯普林格，2019年
无导数优化旨在解决具有复杂结构的优化问题，例如具有许多局部最优值的非凸、不可微和非连续问题。我们正致力于以理论为基础的高效无导数优化方法，以更好地解决机器学习问题
基于模型的无导数的优化（与洪谦与易奇虎等），对于真正的领域复杂的优化，我们的研究解决这些问题，包括理论基础，高维，和嘈杂的评价
近似分析和帕累托优化（与钱超、姚欣和周志华等）我们的研究分析了进化算法解的优劣，并设计了帕累托优化，该优化已被证明是各种子集选择问题的强大逼近工具
进化优化的运行时间分析（与Chao Qian和Zhi-Hua Zhou）我们开发了用于分析进化算法复杂性的工具，这是进化算法最基本的问题之一
人才培养
人工智能教程（AI学院本科生，2018年秋季）
高级机器学习（研究生，2018年秋季）
高级机器学习（研究生，2017年秋季）
人工智能（本科生，2015年、2016年、2017年、2018年春季）
数据挖掘（硕士生，2014、2013、2012秋季）
数字图像处理（数学系本科生，2014年春季，2013年）
数据挖掘导论（本科生，2013、2012年春季）
