近日，信息科学与工程学院机器学习与计算智能研究所，2022级硕士研究生张皓桐（指导教师：徐凯、黄德清、贺德强、吴仕勋）在国际交通运输领域TOP期刊、中科院一区TOP期刊《IEEE Transactions on Intelligent Transportation Systems》（影响因子9.551，DOI: 10.1109/TITS.2024.3404504）上发表题为《Hybrid Decision-making for Intelligent High-speed Train Operation: A Boundary Constraint and Pre-evaluation Reinforcement Learning Approach》的高水平研究论文。

在基于深度强化学习的高速列车智能控制中，存在高时间变异性的状态空间表征约束、非线性增长的动态能效奖励函数设计机理尚不明晰等关键科学问题，论文创新性地提出了一种边界约束和预评估的深度强化学习（BCPRL）方法。在高速列车运营环境下，所提方法揭示了常用固定奖励函数在不同约束条件下的局限性，结合收缩轨迹探索空间、预评估能效情景复杂性，以及双延迟深度确定性策略梯度，优化了列车的智能决策控制策略，有效提升了高速列车的能源效率和运营质量，为高速列车智能控制提供了坚实的理论基础。

信息科学与工程学院机器学习与计算智能研究所在徐凯教授领衔下，紧密围绕“成渝地区双城经济圈”和“碳达峰、碳中和”国家重大战略问题，与西南交通大学在成渝中线高铁建设中紧密合作，结合ChatGPT背后的核心技术-基于人类反馈的强化学习（RLHF），共同助推列车智能驾驶中感知与控制的关键理论与技术创新研究。近年来，该所在全球智能车辆领域的旗舰学术期刊《IEEE Transactions on Intelligent Vehicles》（影响因子：8.2，中科院一区），国家一级学会主办权威学术期刊《铁道学报》等期刊上发表了具有影响力的系列高水平学术论文，得到了学术界的广泛关注和认可。研究成果对成渝中线智慧轨道交通建设与双碳目标的实现具有重要的参考价值。