不确定性环境下多智能体系统分布式任务分配博士项目

【项目简介】

设计下一代人工智能，用于在不确定性下协调智能系统。本项目解决多智能体系统的一个核心挑战：自主智能体如何在有限信息下协调任务分配。你将开发结合博弈论、优化和机器学习的新算法，应用于现实世界的大规模系统。

项目详情

多个智能智能体如何在复杂、不确定的环境中在没有中央控制的情况下高效协调决策？本项目解决人工智能和多智能体系统的一个基本挑战：在有限信息和竞争目标下的分布式任务分配。

在许多现实世界系统中，从物流网络到分布式服务，决策本质上是分布式的。智能体必须基于部分、局部信息行动，同时与可能有不同目标的其他智能体交互。虽然合作协调已被充分理解，但在涉及不确定性、延迟和异质行为的情境中，如何设计高效和稳健的协调机制知之甚少。

本项目将为这些环境中的分布式协调开发新的算法和理论基础。核心重点是设计使智能体能够高效分配任务的机制，同时保持对不确定性和动态条件的稳健性。

作为博士生，你将：

• 在部分可观测性下开发多智能体决策的数学模型

• 使用优化和博弈论的思想设计分布式协调机制

• 探索基于学习的方法，包括多智能体强化学习，以实现自适应行为

• 构建仿真环境以评估现实条件下的系统性能

• 分析不确定性、延迟和异常智能体行为下的稳健性，并设计保持稳定性能的机制

本项目结合博弈论、机器学习、优化和概率规划的工具。你将在这些领域的交叉点工作，为复杂协调问题开发可扩展、有原则的解决方案。

本项目的一个关键优势是严谨理论与现实影响的独特结合。Aurrigo International Plc作为本项目的工业合作伙伴，将提供直接接触实践中大规模协调挑战的机会。你将与学术导师密切合作，并与Aurrigo的工程团队协作，在整个项目中获得宝贵的行业洞察。专门的四个月工业实习将提供实践经验，使你能够在现实环境中测试和完善你的想法，同时发展强大的行业和创业技能。这种整合确保你的研究既有方法论深度又有实践相关性，为你从事学术界和高级人工智能开发的职业生涯做好准备。

你将加入人工智能和多智能体系统的强大研究环境，有机会在学术界和工业界进行合作。本项目提供在顶级期刊/会议发表的机会，并为分布式人工智能的前沿发展做出贡献。

本项目特别适合具有计算机科学、数学或相关领域强背景，并对多智能体系统、机器学习、优化或博弈论等领域感兴趣的候选人。在项目结束时，你将获得设计和分析复杂多智能体系统的专业知识，技能适用于包括物流、分布式系统和智能基础设施在内的广泛领域。

【申请要求】

申请人应已获得或预期获得相关学科的硕士学位，加权平均分60%或以上，和/或一等或二等一级荣誉学位（或海外机构的同等资格）。

必备技能或经验：

• 强大的分析和解决问题的能力

• 扎实的编程经验（如Python或类似语言）

• 对算法、概率和数学建模的良好理解

• 对人工智能和机器学习基础的良好理解

• 独立工作和清晰传达研究想法的能力

优先技能或经验：

• 以下一个或多个领域的背景：多智能体系统、优化或博弈论

• 强化学习或概率建模经验

• 熟悉基于仿真的实验或大规模系统建模

• 对理论研究和现实应用都感兴趣

【申请材料】

我们只能考虑完整并附有所有支持文件的申请。未提供所有相关文件的申请将被自动拒绝。你的申请必须包括：

1. 所有高等教育学位的成绩单和证书的英文版本，包括任何学士学位

2. 一份研究陈述，详细说明你对研究领域的理解、你将如何开展项目，以及相关文献的简要回顾。请务必使用你申请的研究项目的标题。没有固定格式或字数要求

3. 一份个人陈述，概述你认为与申请相关的任何进一步信息，如你的个人研究适应性、职业抱负、可能的未来研究兴趣，以及相关工作经验的进一步描述

4. 一份详细说明你的教育和工作经历的简历

5. 两位可以讨论你独立研究适应性的学术推荐人。推荐信必须使用抬头纸，签名并注明日期，日期不超过2年。至少一封推荐信应来自你最近的大学。如有必要，你可以稍后提交推荐信

6. 你符合英语语言要求的证据。如果你目前不符合语言要求，可以在稍后阶段提交

7. 护照复印件。如适用，包括定居或预定居身份的证据

【资助信息】

本项目涵盖所有学费，并包括每年21,805英镑的津贴。请注意，成功的候选人将负责与搬到伯明翰和/或访问Aston校园相关的任何费用。国际学生必须满足签证、航班和NHS附加费的经济要求。申请人应在申请前确信自己能够承担这些费用。

【其他重要信息】

地点：该职位位于英国伯明翰的Aston校区。成功的候选人需要居住在校园合理距离内，并需要定期亲自到访。

面试：面试将通过Microsoft Teams在线进行。如果你被列入候选名单，将直接联系你并提供面试详情。

联系方式：关于本项目的咨询，请联系Farzaneh Farhadi博士，邮箱：f.farhadi@aston.ac.uk。如果你需要关于申请流程的更多信息，请联系研究生招生团队，邮箱：pgr_admissions@aston.ac.uk

关键词：人工智能、机器学习、数据科学、软件工程、机器人学、系统工程、运筹学、数学建模、计算数学、概率

博士决策报告：不确定性环境下的多智能体系统分布式任务分配

阿斯顿大学 | 工程与物理科学学院

---

快速决策概览

方面	评估	核心洞察
院校声誉	⭐⭐⭐⭐ 强劲	QS 2026: 全球前5%（英国第42位）；3年内上升165位
研究环境	⭐⭐⭐⭐ 优秀	REF 2021: 79%世界领先/国际优秀；TEF Gold
导师匹配度	⭐⭐⭐⭐ 良好	初级+资深导师组合；多智能体系统领域专长互补
资助状态	⭐⭐⭐⭐⭐ 全额资助	已确认资助博士生名额，截止日期2026年4月22日
职业前景	⭐⭐⭐⭐ 强劲	英国高技能就业前20；3年校友职业支持
行业联系	⭐⭐⭐⭐⭐ 卓越	英国SDG 17（合作伙伴关系）第1名；与交通领域活跃KTP合作

总体建议： 对于对多智能体系统和分布式AI感兴趣的候选人，这是一个高价值机会。全额资助、快速崛起的院校及其强大的行业合作伙伴关系，加上平衡的导师团队，使该职位具有竞争力。鉴于22天的截止期限，请立即申请。

---

第一部分：院校与项目概览

大学概况

阿斯顿大学 是一所位于英国伯明翰的研究密集型机构，目前在全球排名和研究声誉方面呈现显著上升势头。

排名轨迹：

排名体系	位置	趋势
QS世界大学排名 2026 (QS World University Rankings 2026)	全球前5%；英国第42位	3年内上升165位
THE世界大学排名 2026 (THE World Rankings 2026)	全球401–500位	稳定
卫报大学指南 2024 (Guardian University Guide 2024)	英国第21位（就业加权）	强劲
THE影响力排名 2025 (THE Impact Rankings 2025)	英国第1位（SDG 17：合作伙伴关系）	行业合作领导者

研究质量 (REF 2021)：

• 79%的研究被评为"世界领先" (4*) 或"国际优秀" (3*)
• 100%符合条件的员工提交了7个评估单元
• 研究"实力"自REF 2014以来翻了一番，表明博士指导能力正在扩展

机构优势：

• TEF Gold (2023)： 确保高质量教学和指导支持
• Athena Swan Gold： 对包容性和多元化候选人支持的坚定承诺
• 行业融合： 在THE影响力排名2025中SDG 17（合作伙伴关系）位列英国第1，表明应用研究具有卓越的行业合作潜力

注意事项：

• QS（前400）与THE（401–500）之间存在排名差异；申请人应优先考虑院系特定声誉而非综合排名
• 作为"第四代大学"，阿斯顿可能缺乏老牌罗素集团机构 的历史捐赠深度

---

院系与研究环境

工程与物理科学学院 设有多个与本项目相关的专业研究中心：

研究中心	与项目的相关性
阿斯顿光子技术研究所	先进硬件/传感器系统
Sir Peter Rigby数字未来研究所	跨学科AI和数字系统研究
英国神经形态计算多学科中心	下一代计算架构
凯捷企业AI卓越中心	行业AI应用（伦敦校区）

基础设施：

• 24/7无线计算机科学实验室，支持灵活的研究时间安排
• 可使用**"Traffic 3D"**——用于视觉AI信号控制智能体的最先进照片级真实感模拟器（与多智能体交通优化直接相关）
• 已建立的计算机科学行业俱乐部（自2016年）以知识交流最佳实践而闻名

行业合作伙伴关系： 活跃的知识转移合作伙伴关系 包括：

• Smart Transport HUB Ltd
• Aurrigo（自动驾驶车辆）

这些合作伙伴关系为交通和自主系统研究的实际部署提供了途径。

---

第二部分：导师分析

指导团队结构

本项目提供平衡的指导模式，结合了初级和资深学术视角：

导师	职称	引用数	角色
Dr Farzaneh Farhadi	Assistant Professor	~166	主导师
Dr Maria Chli	Reader in AI & Robotics	~598	联合导师

---

Dr Farzaneh Farhadi（主导师）

学术职称： 阿斯顿大学计算机科学助理教授

公开档案：

• Google Scholar: https://scholar.google.com/citations?user=K4UX5lUAAAAJ
• 阿斯顿研究档案: https://research.aston.ac.uk/en/persons/farzaneh-farhadi/

研究方向：

• 多智能体系统
• 博弈论
• 激励机制设计
• 策略学习

代表性出版物 (2020–2026)：

1. Robust Information Design for Multi-Agent Systems with Complementarities (2026, arXiv) — 与Dr. Chli合著
2. 进行中项目："不确定性环境下的多智能体系统分布式任务分配"（博士资助项目）

评估： 作为助理教授，Dr. Farhadi提供专注的指导和积极的研究参与。初级教职人员通常提供更亲力亲为的指导，但与资深同事相比，其专业网络可能较小。

---

Dr Maria Chli（联合导师）

学术职称： 阿斯顿大学人工智能与机器人学Reader

公开档案：

• Google Scholar: https://scholar.google.com/citations?user=jzifjcAAAAAJ
• 专家档案: https://expertfile.com/organizations/Aston-University/expert/drmaria.chli/Dr-Maria-Chli

研究方向：

• 多智能体系统
• 基于智能体的建模
• 深度强化学习
• 基于视觉的交通控制

代表性出版物 (2020–2026)：

1. "Fully-Autonomous, Vision-based Traffic Signal Control: from Simulation to Reality" (2022, AAMAS) — 顶级会议
2. "Multi-Agent Deep Reinforcement Learning for Traffic Optimization" (2020, ITSC)

评估： Dr. Chli带来显著更高的引用影响力（~598次引用）和在顶级会议（AAMAS, ITSC）的成熟发表记录。她在深度强化学习和交通系统方面的专业知识与项目重点直接互补。

---

指导团队动态

优势：

• 活跃合作： 导师们合著了2026年arXiv论文，确认了持续的合作研究和一致的指导
• 互补专长： Farhadi专攻机制设计和博弈论；Chli带来深度强化学习和交通系统专业知识
• 发表渠道： 在AAMAS和ITSC的发表记录表明学生在顶级会议发表的良好潜力

需核实风险：

• 隶属关系清晰度： 一些记录显示Dr. Chli曾有苏黎世联邦理工学院 的过往隶属关系；申请人应在面试期间确认她当前的主要任职
• 初级主导师： Dr. Farhadi的助理教授职级可能限制即时的行业联系；利用Dr. Chli更广泛的网络获取外部机会

---

第三部分：财务支持与奖学金

学费结构 (2025/26)

学生类别	工程/物理科学	其他学院
英国	£5,005/年	£5,005/年
国际	£19,200/年	£15,800/年

注：国际学生在工程/物理科学项目需额外支付£3,400/年。

---

本项目资助状态

该博士职位已确认为全额资助。

关键细节：

• 申请截止日期：2026年4月22日（距参考日期约22天）
• 咨询联系方式：f.farhadi@aston.ac.uk

---

其他资助背景

资助类型	可用性	备注
慈善奖学金	有限	例如Wesleyan Assurance奖学金（关注职场幸福感）
GREAT奖学金	£10,000	注意： 通常针对授课型研究生课程，而非博士研究
副校长奖学金	不定	通常也针对授课型项目
兼职博士	可选	费用按比例计算；允许自费研究者分摊成本

财务考量：

• 阿斯顿毕业生薪资位列英国前20最高（LEO 2025），支持从任何个人投资中获得长期财务回报
• 伯明翰生活成本与英国主要城市平均水平一致；需单独预算住宿和生活费用
• 国际学生必须证明有资金支付学费+生活费以获得签证

警告： 不要依赖GREAT或副校长奖学金作为博士资助。需明确核实资格，因为大多数指定用于授课型硕士项目。

---

第四部分：职业成果与校友网络

就业表现

指标	数值	背景
薪资中位数（毕业后3年）	£33,600	LEO数据，2018–19届
薪资中位数（毕业后5年）	£35,400 – £37,600	全国排名第19–25位
高技能就业	英国前20	每日邮报大学指南 2026 (Daily Mail University Guide 2026)
社会流动性影响	英国第2	英国社会流动性指数
就业前景排名	英国第8	StudentCrowd

---

职业支持服务

时长与权限：

• 校友在毕业后3年内可继续使用专门的职业指导、模拟面试和求职工具
• 为在国外工作的毕业生提供远程访问

认可：

• 获奖者："最佳大学职业服务"（2020）
• 获奖者："最佳大学实习服务"（2022）
• 全国本科生就业能力奖

研究生专项支持：

• 为MSc/PhD学生提供专门的职业顾问
• 支持识别研究导向型职位和学术职业路径

---

认证与质量保证

• 工程项目获得机械工程师学会 认证
• TEF Gold 2023地位确保高质量教学环境
• 跨学科课程设置受到雇主重视，适合复杂行业职位

---

注意事项

• 薪资数据（LEO）主要追踪本科学位毕业生；博士起薪未明确详述
• 部分职业服务描述提及"MSc学生"；博士申请人应在面试期间确认具体的研究职业路径支持
• 2026+年的经济状况可能与2018–19届参考期不同

---

第五部分：申请策略

立即行动事项

鉴于2026年4月22日截止日期（剩余约22天），申请人应立即行动：

优先级	任务	时间线
1	联系Dr. Farhadi (f.farhadi@aston.ac.uk) 表达兴趣	48小时内
2	准备突出多智能体系统/强化学习经验的CV	1周内
3	起草研究陈述，阐述不确定性下的分布式任务分配	1周内
4	获取学术推荐信（至少2封）	立即
5	核实Dr. Chli当前主要隶属关系	面试前
6	提交完整申请	2026年4月20日前（预留缓冲）

---

申请准备指导

需强调的技术背景：

• 多智能体强化学习
• 博弈论与机制设计
• 分布式系统与分布式优化
• 模拟环境经验（如Traffic 3D、SUMO或类似工具）

研究陈述重点领域：

• 阐述多智能体协调中的不确定性量化
• 提出稳健任务分配机制的方法
• 展示对导师近期工作的了解（引用2026年arXiv论文）
• 关联实际应用（交通系统、无人机协调、自动驾驶车辆）

面试期间需询问的问题：

1. 理论机制设计与应用模拟工作之间的预期平衡是什么？
2. 是否有机会参与Smart Transport HUB或Aurrigo的KTP项目？
3. 该研究小组学生的典型发表时间线是怎样的？
4. 确认Dr. Chli当前的主要任职及指导可用性

---

竞争定位

需突出的优势：

• 多智能体系统、博弈论或强化学习的先前研究经历
• AAMAS/ITSC相关领域的论文或项目
• 深度学习框架和模拟工具经验
• 对实际部署的兴趣（交通、自主系统）

需应对的潜在问题：

• 如缺乏直接MARL经验，强调在优化、分布式系统或机器学习方面的可迁移技能
• 展示对深度MARL验证挑战的认识（高维输入、推理成本）

---

风险缓解

风险	缓解策略
初级主导师	利用Dr. Chli的网络；主动寻求外部合作
隶属关系不确定性	在承诺前直接核实Dr. Chli的状态
资助竞争	尽早申请；必要时准备备用自费计划
排名波动	关注院系特定研究质量和行业联系

---

综合评估

阿斯顿大学这一全额资助博士职位对于对分布式多智能体系统感兴趣的候选人而言是一个强有力的机会。该机构快速的排名上升、卓越的行业合作生态系统（SDG 17英国第1），以及互补的指导团队共同提供了一个支持性的研究环境，并有通向学术和行业职业的清晰路径。

核心优势：

• 全额资助，可立即开始
• 导师活跃合作，近期有联合发表
• 直接使用Traffic 3D模拟器和交通行业KTP项目
• 强劲的毕业生就业成果和延长的职业支持

关键行动：

• 立即联系Dr. Farhadi
• 1周内准备申请材料
• 在2026年4月22日截止日期前尽早提交

---

本报告根据阿斯顿大学官方来源、QS/THE排名2025–2026、Google Scholar档案及THE影响力排名编制。数据反映分析日期时可获得的信息。