仪器科学与技术系

姜程鹏

讲师

单 位:仪器科学与技术系

职 称:讲师

所在梯队:网络传感与计算

通信地址:北京市海淀区学院路30号北京科技大学自动化学院

邮 编:100083

办公地点:机电信息楼522室

电子邮件:jcp@ustb.edu.cn

社会职务:《IEEE Transactions on Mobile Computing》、《IEEE Transactions on Wireless Communications》等期刊审稿人


  • 教育背景
  • 工作履历
  • 研究方向
  • 主讲课程
  • 代表性论著
  • 代表性项目
  • 成果、荣誉
  • 发明专利

2011.09-2015.07 哈尔滨理工大学 测控技术与通信工程学院 传感网技术 学士
2015.09-2016.06 北京科技大学 自动化学院 控制科学与工程 硕士

2024.10-至今 北京科技大学博士后

智能感知、能量采集及网络资源管理、自适应动态规划与深度强化学习

[1] Jiang C. P., Chen W. C., Chen X. C., Zhang S., Xiao W. D. Deep reinforcement learning approach with hybrid action space for mobile charging in wireless rechargeable sensor networks[J]. Expert Systems with Applications, 2024, Part C, 249:123752.
[2] Jiang C. P., Chen W. C., Wang J., Wang Z. Y., Xiao W. D. Deep Reinforcement Learning-based Joint Sequence Scheduling and Trajectory Planning in Wireless Rechargeable Sensor Networks[J]. IEEE Sensors Journal, 2024.
[3] Jiang C. P., Chen W. C., Wang J., Wang Z. Y., Xiao W. D. An improved deep Q-network approach for charging sequence scheduling with optimal mobile charging cost and charging efficiency in wireless rechargeable sensor networks[J]. Ad Hoc Networks, 2024, 157: 103458.
[4] Jiang C. P., Chen S., Li J. L., Xiao W. D., et al. Mobile Charging Scheduling Approach for Wireless Rechargeable Sensor Networks Based on Multiple Discrete-Action Space Deep Q-Network[J]. Applied Sciences, 2023, 13(14): 8513.
[5] Jiang C. P., Wang Z. Y., Chen S., Li J. L., Xiao W. D., et al. Attention-Shared Multi-Agent Actor–Critic-Based Deep Reinforcement Learning Approach for Mobile Charging Dynamic Scheduling in Wireless Rechargeable Sensor Networks[J]. Entropy, 2022, 24(7): 965.

(1) 国家自然科学基金面上项目(编号:62173032):大型工业高炉煤气流分布智能建模理论与方法研究, 2022-01-01 至 2025-12-31, 项目主要参与人
(2) 国家自然科学基金面上项目(编号:62173028):网络-物理协同攻击下二维平面智能网联车队列事件驱动容侵与容错协同控制, 2022-01-01 至 2025-12-31,项目主要参与人