吕帅

教学经历

【学习经历】

1999.09-2003.06，东北师范大学计算机科学系计算机科学与技术专业，本科生（导师：邓安生教授）

2004.09-2007.06，金沙威尼斯欢乐娱人城计算机软件与理论专业，硕士生（导师：孙吉贵教授、欧阳丹彤教授）

2007.09-2010.06，金沙威尼斯欢乐娱人城计算机软件与理论专业，推免博士生（导师：刘磊教授、孙吉贵教授）

【工作经历】

2010.07-2015.09，金沙威尼斯欢乐娱人城、软件学院，讲师

2010.12-2015.12，金沙威尼斯欢乐娱人城数学博士后科研流动站，博士后（合作导师：李勇教授）

2013.03-2014.09，金沙威尼斯欢乐娱人城学术委员会，秘书

2015.09至今，金沙威尼斯欢乐娱人城、软件学院，副教授

2016.03-2019.06，金沙威尼斯欢乐娱人城2015级理科试验班（唐敖庆计算机班），学业导师/班主任

2016.11至今，金沙威尼斯欢乐娱人城、软件学院，硕士生导师

2019.11至今，金沙威尼斯欢乐娱人城、软件学院，博士生导师

2020.02-2024.03，金沙威尼斯欢乐娱人城软件学院教学委员会，委员

2021.01至今，金沙威尼斯欢乐娱人城软件工程专业，专业负责人

2021.06至今，金沙威尼斯欢乐娱人城研究生培养指导委员会软件学院分委员会，委员

2021.10-2024.06，金沙威尼斯欢乐娱人城2020级工科试验班（软件工程），学业导师/班主任

2022.06至今，蓝桥杯全国软件和信息技术专业人才大赛，金沙威尼斯欢乐娱人城竞赛项目负责人

【社会兼职】

中国计算机学会理论计算机科学专业委员会，执行委员

中国计算机学会形式化方法专业委员会，执行委员

中国计算机学会教育专业委员会，执行委员

吉林省计算机学会，理事

国家自然科学基金，评审

教学工作

【治学格言】宝剑锋从磨砺出，梅花香自苦寒来。——《警世贤文》之勤奋篇

【主讲课程】

《程序设计基础》（原名：高级语言程序设计，现为教学团队实践负责人）

——国家精品课程《高级语言程序设计》（2009年）

——吉林省优秀教学团队《高级语言程序设计与实现技术》（2010年）

——国家级精品资源共享课《高级语言程序设计》（2013年）

——国家精品在线开放课程《高级语言程序设计》（2019年）

——国家级一流本科课程（线上一流课程）《高级语言程序设计》（2020年）

——国家级一流本科课程（线上线下混合式一流课程）《程序设计基础》（2020年）

《人工智能基础》/《人工智能引论》

《计算理论》（原名：可计算性与计算复杂性）、《高级分布计算理论》

【教研论文】在《计算机教育》上发表教研论文8篇。

[1]   陈娟, 贾海洋, 邓春燕, 吕帅. 工程教育认证背景下基于FD-QM标准的程序设计基础课程教学设计与实践. 计算机教育, 2024, 5: 82-87. (CCF推荐中文C类期刊)

[2]   陈娟, 邓春燕, 吕帅, 贾海洋, 张长海. 程序设计基础课程形成性评价的设计与实践. 计算机教育, 2023, 3: 61-64. (CCF推荐中文C类期刊)

[3]   陈娟, 邓春燕, 张晓旭, 吕帅, 贾海洋, 张长海. 程序设计基础课程的思政元素与教学实践. 计算机教育, 2022, 3: 106-111. (CCF推荐中文C类期刊)

[4]   陈娟, 邓春燕, 吕帅, 李河, 张长海. 程序设计基础混合式教学实践与思考. 计算机教育, 2019, 8: 126-131. (CCF推荐中文C类期刊)

[5]   邓春燕, 周治国*, 陈娟, 吕帅. 工程教育认证背景下程序设计基础课程设计教学改革与实践. 计算机教育, 2019, 5: 68-72. (CCF推荐中文C类期刊)

[6]   李占山, 吕帅*. 基于计算思维与创新能力培养的计算理论课程教学改革探索. 计算机教育, 2019, 1: 21-24. (CCF推荐中文C类期刊)

[7]   吕帅, 王强强*, 郭德贵, 金京姬. 实践教学中的开放性创新实验项目探索. 计算机教育, 2017, 3: 29-32. (CCF推荐中文C类期刊)

[8]   吕帅, 刘磊*, 张睿, 郭德贵. 计算机学科研究生科研基础的建立模式. 计算机教育, 2012, 23: 22-24. (CCF推荐中文C类期刊)

【荣誉称号】

2016年，金沙威尼斯欢乐娱人城“三育人”先进个人荣誉称号

2018-2019学年，金沙威尼斯欢乐娱人城本科课堂教学质量优秀奖

2022-2023学年，金沙威尼斯欢乐娱人城本科课堂教学质量优秀奖

科研工作

【研究方向】人工智能、机器学习与自动推理

【科研项目】主持国家自然科学基金项目等科研项目13项，参加科研项目28项。

[1]   国家重点研发计划项目：智能计算机编程方法

[2]   国家自然科学基金项目：智能规划中基于路标的启发式搜索方法研究

[3]   国家自然科学基金项目：面向构建过程的范畴学习模型及其适应性机制研究

[4]   国家自然科学基金项目：命题与模态逻辑的扩展规则推理与混合推理方法研究

[5]   国家自然科学基金项目：本体演化中若干问题的研究

[6]   国家自然科学基金项目：扩展规则推理方法研究

[7]   国家自然科学基金项目：约束推理与约束程序

[8]   国家自然科学基金项目：非经典逻辑的自动推理

[9]   教育部高等学校博士学科点专项科研基金项目：命题逻辑和模态逻辑的扩展规则推理方法研究

[10]  教育部高等学校博士学科点专项科研基金项目：交通控制动态子区智能规划理论与方法研究

[11]  教育部高等学校博士学科点专项科研基金项目：基于进程演算的本体演化研究

[12]  教育部高等学校博士学科点专项科研基金项目：不确定智能规划理论与方法

[13]  中国博士后科学基金项目：自动规划的逻辑约束机制研究

[14]  吉林省重点科技攻关项目：云环境下的编程模型研究

[15]  吉林省自然科学基金项目：基于样本效率优化的深度强化学习方法研究

[16]  吉林省自然科学基金项目：面向大数据的知识表示和推理方法研究

[17]  吉林省自然科学基金项目：依赖知识编译的推理方法研究

[18]  吉林省自然科学基金项目：云环境下SaaS的安全问题研究

[19]  吉林省青年科研基金项目：基于随机游走策略的智能规划方法研究

[20]  吉林省青年科研基金项目：结合模态逻辑知识表示与推理的自动规划方法研究

[21]  教育部重点实验室开放基金项目：伪布尔求解与优化问题的局部搜索算法研究

[22]  教育部重点实验室开放基金项目：智能规划问题问题结构研究

[23]  教育部重点实验室开放基金项目：本体技术在海战场指挥决策中的应用研究

[24]  教育部重点实验室开放基金项目：基于群智能算法的多目标混合流水车间调度问题研究

[25]  教育部重点实验室开放基金项目：智能规划和自动推理问题中相变规律和解结构分析

[26]  省级重点实验室开放基金项目：协同服务建模及其验证方法研究

【科研论文】在AAAI、IJCAI、Information Sciences、Expert Systems with Applications、计算机学报、软件学报等国内外期刊和会议上发表学术论文133篇，其中：SCI和EI检索学术论文102篇。主要代表性学术论文：

[1]   Zhang Zeyu, Shen Chun, Lü Shuai*, Zhang Shaojie. Reconfigurability-aware selection for contrastive active domain adaptation. In: Proceedings of the 33rd International Joint Conference on Artificial Intelligence (IJCAI 2024), Jeju Island, South Korea, August 3-9, 2024, 5545-5553. (CCF推荐A类会议)

[2]   Lü Shuai, Kang Meng, Li Ximing*. Alleviating imbalanced pseudo-label distribution: Self-supervised multi-source domain adaptation with label-specific confidence. In: Proceedings of the 33rd International Joint Conference on Artificial Intelligence (IJCAI 2024), Jeju Island, South Korea, August 3-9, 2024, 4669-4677. (CCF推荐A类会议)

[3]   Zhu Sheng, Shen Chun, Lü Shuai*, Wu Junhong, An Daolong. Double buffers CEM-TD3: More efficient evolution and richer exploration. In: Proceedings of the 38th Annual AAAI Conference on Artificial Intelligence (AAAI 2024), Vancouver, Canada, February 20-27, 2024, 17193-17201. (CCF推荐A类会议)

[4]   Zhang Xinyu, Kang Meng, Lü Shuai*. Low category uncertainty and high training potential instance learning for unsupervised domain adaptation. In: Proceedings of the 38th Annual AAAI Conference on Artificial Intelligence (AAAI 2024), Vancouver, Canada, February 20-27, 2024, 16881-16889. (CCF推荐A类会议)

[5]   Zhang Shaojie, Shen Chun, Lü Shuai*, Zhang Zeyu. Reviewing the forgotten classes for domain adaptation of black-box predictors. In: Proceedings of the 38th Annual AAAI Conference on Artificial Intelligence (AAAI 2024), Vancouver, Canada, February 20-27, 2024, 16830-16837. (CCF推荐A类会议)

[6]   Gong Xiaoyu, Lü Shuai*, Yu Jiayu, Zhu Sheng, Li Zongze. Adaptive estimation Q-learning with uncertainty and familiarity. In: Proceedings of the 32nd International Joint Conference on Artificial Intelligence (IJCAI 2023), Macao, China, August 19-25, 2023, 3750-3758. (CCF推荐A类会议)

[7]   Yu Jiayu, Li Jingyao, Lü Shuai*, Han Shuai. Mixed experience sampling for off-policy reinforcement learning. Expert Systems with Applications, 2024, 251: 124017. (中科院1区TOP期刊, CCF推荐C类期刊)

[8]   Lü Shuai, Zhang Tongbo, Xu Yue, Zhou Wenbo, Lai Yong*. Combining bounded solving and controllable randomization for approximate model counting. Journal of Experimental & Theoretical Artificial Intelligence, 2024. (中科院4区期刊, CCF推荐C类期刊)

[9]   Lü Shuai, Li Zongze, Zhang Xinyu, Li Jingyao*. Consistency regularization-based mutual alignment for source-free domain adaptation. Expert Systems with Applications, 2024, 241: 122577. (中科院1区TOP期刊, CCF推荐C类期刊)

[10]  Zhang Junwei, Han Shuai, Xiong Xi, Zhu Sheng, Lü Shuai*. Explorer-Actor-Critic: Better actors for deep reinforcement learning. Information Sciences, 2024, 662: 120255. (中科院1区TOP期刊, CCF推荐B类期刊)

[11]  Shen Chun, Zhu Sheng, Han Shuai, Gong Xiaoyu, Lü Shuai*. Guided deterministic policy optimization with gradient-free policy parameters information. Expert Systems with Applications, 2023, 231: 120693. (中科院1区TOP期刊, CCF推荐C类期刊)

[12]  Han Shuai, Zhou Wenbo, Lü Shuai*, Zhu Sheng, Gong Xiaoyu. Entropy regularization methods for parameter space exploration. Information Sciences, 2023, 622: 476-489. (中科院1区TOP期刊, CCF推荐B类期刊)

[13]  张峻伟, 吕帅*, 张正昊, 于佳玉, 龚晓宇. 基于样本效率优化的深度强化学习方法综述. 软件学报, 2022, 33(11): 4217-4238. (CCF推荐中文A类期刊)

[14]  Lu Jiayi, Han Shuai, Lü Shuai*, Kang Meng, Zhang Junwei. Sampling diversity driven exploration with state difference guidance. Expert Systems with Applications, 2022, 203: 117418. (中科院1区TOP期刊, CCF推荐C类期刊)

[15]  Han Shuai, Zhou Wenbo, Lu Jiayi, Liu Jing, Lü Shuai*. NROWAN-DQN: A stable noisy network with noise reduction and online weight adjustment for exploration. Expert Systems with Applications, 2022, 203: 117343. (中科院1区TOP期刊, CCF推荐C类期刊)

[16]  Zhang Junwei, Zhang Zhenghao, Han Shuai, Lü Shuai*. Proximal policy optimization via enhanced exploration efficiency. Information Sciences, 2022, 609: 750-765. (中科院1区TOP期刊, CCF推荐B类期刊)

[17]  Li Jingyao, Lü Shuai, Li Zhanshan*. Unsupervised domain adaptation via softmax-based prototype construction and adaptation. Information Sciences, 2022, 609: 257-275. (中科院1区TOP期刊, CCF推荐B类期刊)

[18]  吕帅*, 龚晓宇, 张正昊, 韩帅, 张峻伟. 结合进化算法的深度强化学习方法研究综述. 计算机学报, 2022, 45(7): 1478-1499. (CCF推荐中文A类期刊)

[19]  Li Jingyao, Lü Shuai, Zhu Wenbo, Li Zhanshan*. Enhancing transferability and discriminability simultaneously for unsupervised domain adaptation. Knowledge-Based Systems, 2022, 247: 108705. (中科院1区TOP期刊, CCF推荐C类期刊)

[20]  Gong Xiaoyu, Yu Jiayu, Lü Shuai*, Lu Hengwei. Actor-critic with familiarity-based trajectory experience replay. Information Sciences, 2022, 582: 633-647. (中科院1区TOP期刊, CCF推荐B类期刊)

[21]  李壮, 刘磊, 张桐搏, 周文博, 吕帅*. 基于局部搜索的并行扩展规则推理方法. 软件学报, 2021, 32(9): 2744-2754. (CCF推荐中文A类期刊)

[22]  Li Junjie, Zhang Junwei, Gong Xiaoyu, Lü Shuai*. Evolutionary generative adversarial networks with crossover based knowledge distillation. In: Proceedings of the International Joint Conference on Neural Networks (IJCNN 2021), Virtual Event, July 18-22, 2021, 1-8. (CCF推荐C类会议)

[23]  Li Jingyao, Li Zhanshan, Lü Shuai*. Feature concatenation for adversarial domain adaptation. Expert Systems with Applications, 2021, 169: 114490. (中科院1区TOP期刊, CCF推荐C类期刊)

[24]  Lü Shuai*, Han Shuai, Zhou Wenbo, Zhang Junwei. Recruitment-imitation mechanism for evolutionary reinforcement learning. Information Sciences, 2021, 553: 172-188. (中科院1区TOP期刊, CCF推荐B类期刊)

[25]  Li Jingyao, Li Zhanshan, Lü Shuai*. Unsupervised double weighted domain adaptation. Neural Computing and Applications, 2021, 33(8): 3545-3566. (中科院3区期刊, CCF推荐C类期刊)

[26]  Han Shuai, Zhou Wenbo, Lü Shuai*, Yu Jiayu. Regularly updated deterministic policy gradient algorithm. Knowledge-Based Systems, 2021, 214: 106736. (中科院1区TOP期刊, CCF推荐C类期刊)

[27]  Zhang Lei, Han Shuai, Zhang Zhiruo, Li Lefan, Lü Shuai*. Deep recurrent deterministic policy gradient for physical control. In: Proceedings of the 29th International Conference on Artificial Neural Networks (ICANN 2020), Bratislava, Slovakia, September 15-18, 2020, LNCS 12397, 257-268. (CCF推荐C类会议)

[28]  贺甫霖, 刘磊, 吕帅*, 牛当当, 王强. 基于格局检测的模型计数方法. 软件学报, 2020, 31(2): 395-405. (CCF推荐中文A类期刊)

[29]  王强, 刘磊, 吕帅*. 基于扩展规则的启发式#SAT求解算法. 软件学报, 2018, 29(11): 3517-3527. (CCF推荐中文A类期刊)

[30]  杨洋, 刘磊, 李广力, 张桐搏, 吕帅*. 一种新的基于局部搜索的扩展规则推理方法. 计算机学报, 2018, 41(4): 825-839. (CCF推荐中文A类期刊)

[31]  牛当当, 刘磊, 吕帅*. EPCCL理论的并行知识编译算法. 电子学报, 2018, 46(3): 537-543. (CCF推荐中文A类期刊)

[32]  牛当当, 刘磊, 吕帅*. EPCCL理论的求交知识编译算法. 软件学报, 2017, 28(8): 2096-2112. (CCF推荐中文A类期刊)

[33]  Liu Lei, Yang Yang, Li Guangli, Wang Qi, Lü Shuai*. Redundancy checking algorithms based on parallel novel extension rule. Journal of Experimental & Theoretical Artificial Intelligence, 2017, 29(3): 629-647. (中科院4区期刊, CCF推荐C类期刊)

[34]  刘磊, 牛当当, 吕帅*. 基于超扩展规则的知识编译方法. 计算机学报, 2016, 39(8): 1681-1696. (CCF推荐中文A类期刊)

[35]  吕帅, 刘磊*, 魏唯, 高冰冰. 智能规划的逻辑编码方式研究. 计算机研究与发展, 2012, 49(3): 607-619. (CCF推荐中文A类期刊)

[36]  吕帅, 刘磊*, 石莲, 魏唯, 杨超. 依赖公理约简的经典规划方法. 电子学报, 2011, 39(2): 322-328. (CCF推荐中文A类期刊)

[37]  吕帅, 刘磊*, 江鸿, 史晶晶. 一种约简动作变元的命题规划编码方式. 计算机研究与发展, 2010, 47(10): 1756-1763. (CCF推荐中文A类期刊)

[38]  吕帅, 刘磊, 李莹, 石莲. 基于模态逻辑D公理系统的Conformant规划方法. 计算机研究与发展, 2009, 46(7): 1160-1168. (CCF推荐中文A类期刊)

[39]  吕帅, 刘磊*, 石莲, 李莹. 基于自动推理技术的智能规划方法. 软件学报, 2009, 20(5): 1226-1240. (CCF推荐中文A类期刊)

注：按照国际惯例，*表示通讯作者。

【发明专利】授权发明专利1项。

[1] 吕帅, 龙泽泓, 钟太鸿, 林炟君. 一种基于SAC强化学习算法的智能运动控制方法. (专利号: ZL 2024 1 0726196.6, 授权公告日: 2024.08.13)

【科研获奖】获得全国商业科技进步一等奖3项、二等奖1项，吉林省自然科学二等奖1项，吉林省科学技术进步三等奖2项。

[1]   全国商业科技进步二等奖：形式化新技术及其在软件智能化开发过程中的应用研究

[2]   吉林省自然科学二等奖：知识表示与特征选择方法研究

[3]   全国商业科技进步一等奖：形式化新方法及其在云计算中的应用

[4]   吉林省科学技术进步三等奖：本体工程技术及其应用研究

[5]   全国商业科技进步一等奖：形式化新方法与新技术及其在软件需求工程中的应用

[6]   吉林省科学技术进步三等奖：高可信软件的安全开发与验证方法及其应用

[7]   全国商业科技进步一等奖：基于形式化方法的本体工程关键技术研究与应用

招生需求和人才培养（详见主页：lus-jlu.github.io）

【博士招生】

金沙威尼斯欢乐娱人城，081202计算机软件与理论（学术学位）

【硕士招生】

金沙威尼斯欢乐娱人城，081200计算机科学与技术（学术学位）

金沙威尼斯欢乐娱人城，085404计算机技术（专业学位）

软件学院，083500软件工程（学术学位）

软件学院，085405软件工程（专业学位）

【申报方式】

如果你希望从事机器学习领域的科学研究，请发送你的简历、成绩单和相关证明材料到信箱：lus@jlu.edu.cn。如需要，将安排面试、机试、研讨等环节进行深入沟通。

——简历（限A4纸1-2页），主要涵盖：学业、英语、编程、竞赛。

——成绩单和相关证明材料。