【自動化學科科普手冊】第九章 對控制理論幾個問題的討論

第九章 對控制理論幾個問題的討論

9.1**、控制理論的基礎：模型問題**

大概每個做控制的人都或多或少聽過以下問題：控制理論與實踐的差距為什么這么大？控制理論的前途在哪？控制理論應該基于模型還是應該基于數(shù)據(jù)？控制理論有什么作用，現(xiàn)在還有沒有需求？等等等等。這些問題各個都不簡單，即使是學術會議上討論，有時也能吵起來。經(jīng)過一段時間的思考，發(fā)現(xiàn)從頭討論會清晰一些。

我們仔細看控制理論研究的論文，無論是哪種控制理論，幾乎全部都是類似于數(shù)學建模類文章，什么叫數(shù)學建模類文章？一般來說，上來給個背景，然后建個模型，基于模型和需求再進行相關討論。

先不看下面，很多人在這地方就會提出一個問題，你這個模型符合實際嗎，實際的那些被忽略的因素會不會造成影響，或者更嚴格的，模型都是不精確的，所以是不能用的。

為了解決這個問題，最近一些控制理論的文章，大量出現(xiàn)數(shù)據(jù)，學習等字眼，有人又會說了，不靠譜，不敢用，沒意思。這些爭論我們經(jīng)常聽到，但重點是，爭論下面的核心問題是什么？

拋開表面上的不同，仔細思考，這實質(zhì)上主要還是模型與實際的差距對控制系統(tǒng)性能要求影響的問題。這也就解釋了為什么一些控制理論方法，你說它沒用，模型不精確，它效果還是挺好，你說它有用，模型加點不能承受的變化，它就不能用了。還是一個度的問題，或者說魯棒性，一句話，就是設計時忽略了可以忽略的，和忽略了不能忽略的區(qū)別問題。

因此，一種控制理論能不能投入使用震撼工業(yè)界，并不取決于數(shù)學推導多么精妙，而是是否考慮了所有應該考慮的東西?；蛘咄艘徊?，有些因素沒考慮但對控制方案效果沒有大的影響也可以。而準確了解和分析出這些因素的影響，在這個系統(tǒng)越發(fā)復雜的年代，經(jīng)驗豐富的工程技術人員可以勝任。但控制理論又對數(shù)學基礎有一定要求，因此這就是為什么歷史上一些突破來源于數(shù)學基礎較好的工程師。

數(shù)據(jù)驅動控制，尤其是深度學習，強化學習，深度強化學習算法，提供了一種試圖解決這個問題的思路，使得一些沒有工程經(jīng)驗的人利用數(shù)據(jù)分析和學習也能操控真實系統(tǒng)，相當于請了一個虛擬的工程師顧問，但它的問題在于由于基于數(shù)據(jù)，從本源上理解也是一種對系統(tǒng)的近似手段，與數(shù)學角度不同的是，很難確定數(shù)據(jù)分析出的結果品質(zhì)，導致實際應用時有時不太順利。

我們可以看到，目前的控制理論研究主流，沿著兩條主線邁進，但通過前面的分析，他們的大的思路是一致的，因此它們之間不是對立關系，而是基于同一大的思想對同一個目標的不同嘗試路線，應該互為補充，互為借鑒，互相促進。

9.2**、控制理論的應著眼點：系統(tǒng)特色**

談到控制學科，它的目的是實現(xiàn)對系統(tǒng)的調(diào)控，那么它的核心基礎就是對系統(tǒng)的認識和剖析，所以需要抓住所研究系統(tǒng)的特性進行進一步的討論。以上這句話大概是每一個接觸過控制學科的人都知道的，但是這里面仍然有一些值得思索的內(nèi)容，比方說，拿到一個研究成果，它真的符合這句話嗎？

隨著許多前輩的工作和辛勤付出，控制理論的工具已經(jīng)變得非常之多，在我們之前所整理的控制理論結構圖系列工作當中，一個個名詞的堆疊，就足以讓人眼花繚亂，挑選出任何一個名詞去文獻庫中搜索，都能夠發(fā)現(xiàn)成千上萬篇的文章，帶著這個題目，而其中大部分文章的區(qū)別僅僅是應用場景不同。

下面我們舉一個例子，也是我個人比較熟悉的領域， 那就是20世紀末興起的多智能體系統(tǒng)研究，多智能體系統(tǒng)這個詞聽上去有些不太好理解，這樣，我們來解釋一下這個研究概念的興起，當然，因為本篇回答不是專門討論這個學術概念，所以這里就只簡單的說一下。

多智能體系統(tǒng)的概念興起于物理學研究，它是指通過多個個體之間的簡單的交互，去試圖描繪一種群體復雜行為的產(chǎn)生過程。用現(xiàn)在的話說，也叫群體智能，只不過在控制研究當中，大多數(shù)還是關注了多個個體和簡單規(guī)則的耦合形式的一種數(shù)學模型。從這個角度上，和網(wǎng)絡化系統(tǒng)相當相似。

我們可以在控制理論結構圖當中任選一個名詞，并且把它加上多智能體的前綴，放到任何一種文獻庫，里面都能搜到很多篇文章。 我們這時候回頭再來看開頭的一句話，就是這些文章的特色究竟是在什么地方？或者說的更清楚一點，就是這些處理方法，有沒有抓住多智能體系統(tǒng)的特色？

為了說清楚這些問題，我們先來考慮一下多智能體系統(tǒng)，到底有什么特色？

多個個體之間耦合的關系，是包含在定義里面的最大特色，我們就從這一點開始出發(fā)，首先，相對于傳統(tǒng)系統(tǒng)而言，里面包含有多個個體，這樣即使多個個體離得非常近，我們也不可能把它視作一個整體，而忽略他們中間的相互聯(lián)系。這種相互聯(lián)系一般用網(wǎng)絡的形式存在，而這種網(wǎng)絡經(jīng)常用圖論的形式表達，這樣就產(chǎn)生了第一個特點：

我能非常簡單的畫出來多智能體系統(tǒng)的結構，但是如果要給一個傳統(tǒng)系統(tǒng)的方程，我可能得需要一些時間去分析它的結構，而且它的結構是不能輕易改變的，因為這些結構系數(shù)往往是由系統(tǒng)自身的物理定律決定了，而對于多智能體系統(tǒng)而言，它的結構取決于每個個體的關系，尤其是在信息物理系統(tǒng)概念下，改變兩個個體之間的關系，從而改變系統(tǒng)的網(wǎng)絡結構，是可以技術實現(xiàn)的。

這個特點代表著什么意思呢？也就是說，在傳統(tǒng)系統(tǒng)當中，我們只能依靠設計的控制器去對設計后的系統(tǒng)進行狀態(tài)上的改變，也就是系數(shù)矩陣的性質(zhì)上做出改變，但是如果是多智能體系統(tǒng)，我們就可以直接通過給出一些網(wǎng)絡結構的調(diào)整規(guī)則，去實現(xiàn)對系統(tǒng)狀態(tài)的改變，將一些不穩(wěn)定的系統(tǒng)變成穩(wěn)定的，將一些不可控的系統(tǒng)變成可控的，或者將一些沒有達到我們設計目標的系統(tǒng)變成我們能夠讓他實現(xiàn)設計目的的系統(tǒng)，而這方面的工作數(shù)量是少數(shù)，2020年發(fā)表在TAC上的一篇文章就比較直接的指出：

In our paper, instead, we deal with the open problem of modifying the structure of the network of interaction in a multi-agent systems such that to obtain arbitrarily selected clusters.

（Distributed control of multi-consensus.Lucia Valentina Gambuzza, Mattia Frasca, Senior, IEEE）

另外一點，就是模型的構建問題，很多研究當中，直接給出了多智能體系統(tǒng)方程，但是在實踐當中，是不是可以達到的？這種直接給出模型的方式是建立在我們是作為上層觀測者的角度上，也就是我們十分清楚這個網(wǎng)絡結構的樣子和每個個體所處的位置，那么很容易就會遭到一個反駁，就是你這種方式比我單獨指揮每個個體到底有什么優(yōu)勢，或者說有什么不可替代的地方，即使有那么一些性能提升，不足以完全說服人。

如果我們把自己看成是一個個體，從個體角度去考慮這些事情的話，那么事情就完全不一樣，這也就是基于觀測或者叫完全分布式控制。

另外，你把這些個體放在一塊，它們中間會有通信，而這個通信問題，是不是又盡力的去考慮呢？無論是時滯、丟包還是近兩年應用較多的事件觸發(fā)或者網(wǎng)絡攻擊，其實都是在通信上做了一些探索特色。

我們回過頭來去看這些開創(chuàng)性的工作，就可以很簡單的得到一個道理，所有的開創(chuàng)性都是根據(jù)這個系統(tǒng)自身的特色而來，這對于控制研究來說就是一個啟發(fā)，如果說你深刻的了解了系統(tǒng)的特色，抓住了這個系統(tǒng)的一些小小的特性，你就能夠出一些開創(chuàng)的工作，進而去解決別人沒有解決甚至沒有意識的問題。

9.3**、控制理論的初心：系統(tǒng)調(diào)控**

對于控制學科的研究人員，尤其是學生來講，往往會產(chǎn)生這么一種觀點，就是我想著什么問題，都用學到的已有控制理論去解決，而把一些新事物視為換皮，實際上，作為控制理論來講，它的每一個理論都是為了解決一類問題而生產(chǎn)出來的。沒有說能解決所有的問題，能應對所有的任務。

再拿多智能體系統(tǒng)來說，很多人從單純的控制角度出發(fā)，認為現(xiàn)在的討論已經(jīng)夠多了，但從頂刊來看，這個字眼還挺多，我們就可以思考一下這種現(xiàn)象，一方面是大家都感覺研究已經(jīng)做的差不多，另一方面，相關文章的數(shù)量也不斷產(chǎn)生，那么只有一個解釋，就是如果這種情況下數(shù)量上沒有什么影響，研究重點上面應該是受非常大的影響，最近幾年興起的有關多智能體系統(tǒng)強化學習，多智能體系統(tǒng)的博弈分析、多智能體系統(tǒng)的社交網(wǎng)絡建模和多智能體智能決策系統(tǒng)分析都印證這一觀點。

很多人看到這幾個題目就會想這些不都是別的學科的問題，為什么得到這么多人的重視？或者說這些問題為什么在這里非常的有意義？那我們就得回到這個問題的初心來看，我們要回到起點，深究當時提出多智能體系統(tǒng)這個概念到底是為了什么？

多智能體系統(tǒng)隱含的是這樣一種問題：就是通過個體之間簡單的交互，群體之間為什么就能夠產(chǎn)生復雜的行為，這是一個物理學問題，并且經(jīng)常出現(xiàn)在一些未被解決的物理學問題列表中，對于這個問題來說，我們捫心自問，控制理論能幫助解決這個的問題，但是單純依靠原有工具能徹底解決這個問題嗎？

如果要揭示出這里面的機理，我們就必須這樣找到呈現(xiàn)出這種機理的事物，那么除了生物集群來說，就是我們自己，對于社交網(wǎng)絡來說，人與人之間的關系不是單純的反饋，人的行為建模至少不應該是傳統(tǒng)的線性系統(tǒng)。那么，學習、博弈、社交網(wǎng)絡動力學這些因素的引入，往往是必然的，而不是說原有方向做不下去，然后我給他生搬硬套上去，而幾乎是必然的現(xiàn)象。

在一個更大的問題框架下利用控制理論的思想和技術，也能探索實現(xiàn)更加符合時代的“系統(tǒng)”的可行性。1950年的飛機大炮工業(yè)生產(chǎn)需要維納控制論，2050年的無人駕駛、無人工廠、聯(lián)網(wǎng)基礎設施、災難救援動物保護等等也需要新的“控制論”，方法和技術手段不斷在迭代適應新的基礎設施和硬件條件，但歸根結底還是對系統(tǒng)加以研究和分析以及實現(xiàn)，并沒有脫離控制理論本身，兼收并蓄博取眾長可能會是一個好的心態(tài)。

控制理論這個詞，如果要準確的來說，應該叫做系統(tǒng)調(diào)控理論，控制理論每個時期都應該有不同的內(nèi)涵，這是需要突破的，至少在認識上要突破，如果我們從已有的控制理論框架去思考問題，我們的思維就有可能局限于這個框架，心里往往想的是如何去繼續(xù)做，然后產(chǎn)生一個好摘的果子都摘完的感覺，但是如過從研究初心出發(fā)，奔著解決問題去，不要排斥任何東西，強化學習也好，博弈論也罷，這些東西在他們各自領域閃閃發(fā)光，把他們搬過來，能不能用到我們這里？

但正如第二部分來說，如果我們在了解這個系統(tǒng)特色，并且借助一些觀點的啟發(fā)，而不是生搬硬套過來的話，那么這種學科交叉的魅力就會帶來全新的感覺。舉一個例子，機器學習和控制理論的交叉，大家試圖去解決的問題核心點都在于，該把這個機器學習部分用到哪個部分，是建模還是去識別控制器，還是還是去調(diào)參數(shù)，這些都是一些嘗試思路，但是從方向上，尤其是對于工作效果，抓住了重點做的工作才是效果不錯的開創(chuàng)性的工作。

需要注意的是，控制理論不光包括控制算法的設計，就像卡爾曼所說，即使當時控制算法設計與發(fā)展相當成熟，在那個時候仍然忽略了一些最基本的問題，比方說可控性，卡爾曼提出了這個問題，有些人就會說，這基本上就屬于正確的廢話，因為我如果不知道能不能控制，我怎么設計控制器？但是卡爾曼之前的沒有人意識到這個問題，從一定程度上來講，相當于大家都在努力的制作永動機，但是能不能做成還沒有理論證明。

對于多智能體系統(tǒng)、復雜網(wǎng)絡系統(tǒng)包括帶有博弈的社交網(wǎng)絡系統(tǒng)，可控性發(fā)揮的是一個輔助的作用，那么，對于這方面研究來說的話，我們所要關注的重點就著眼于這個輔助作用，就是如何更快，更方便，更直接的去判斷出來，這方面問題很基礎，但也有意思的比較好的工作

這里說可控性，并不是要介紹這個領域，而是說即使要做一些小小的概念，也能做出來嶄新的漂亮的結果，但是這些東西歸根結底屬于控制范疇。

9.4**、控制理論的研究：基本流程**

一個傳統(tǒng)的控制流程，第一步應該是建模，你想控制什么地方的哪些變量，就建一個這些變量對應的模型。但對于一些控制理論研究者來說，往往第一步就會卡住，因為搞控制的，關注點往往在解決問題，一般的模型都是給出的，建模技術可能研究不深。

于是需要花一些力氣，用的可以是物理建模，也可以是數(shù)據(jù)驅動建模，反正最后得到了一個模型。如果是工程常見的模型，那值得慶賀，很多經(jīng)典控制理論都可以用了。比如自控里的方法。如果是不那么常見的，就有點難度，第一個想到了PID，看看好不好使，很多人可能瞧不上PID，但到了工程大多都逃不過真香定律。

要是遇到要求高的地方，如果PID不能滿足要求了。比如一些設備，如果是物理建模方法，可以轉化成狀態(tài)空間，可以試試基本的最優(yōu)控制LQR等?；蛘邚挠布辖鉀Q，換一些性能好的器件等等。如果到了這還是不行，到了需要翻論文了這一步，首先要干啥，要知道現(xiàn)在這個模型叫啥系統(tǒng)，才能有針對性的搜。說實話，給工業(yè)界出來的模型找個學術界習慣的名有點難度。需要有懂這行的指導。

找到了相關名詞，去搜了論文，各種名詞眼花繚亂，打開一看，一些控制理論研究論文，尤其是注重展示控制方法的論文，模型或多或少比較理想和簡單。這就有個問題：這種簡單模型推出來的方法到了實際能不能用？這方面的工作較少，一些搞理論的人說這有啥，不就是灌水嘛，沒有新思想，不過就這情況而言，還是有意義的。前提是模型和工程實際更接近，而不是更遠。并且有些時候，推廣并不是改改條件結論不變這種簡單的事，翻車的有點多。

即使能用，又有一個新問題，能不能看懂，控制領域的一篇好論文應該是證明很漂亮，結論很簡潔，但大多數(shù)控制方法的論文想用它的方法還是需要有大量基礎知識。

花了一些心血學了數(shù)學，可以讀論文了，通過仿真和經(jīng)驗看了看，一些方案不成立，一些方案倒是可行，試了試提升不大，少數(shù)方案做的還算滿意。拿到了一套公式，接下來的問題就是轉化成代碼。這塊也很考驗人。

歷經(jīng)了千辛萬苦，到了工程運行這步，和仿真差不多自然是不錯的結局，如果有些大的偏差，得，又回到上邊重新開始。

所以，一篇控制理論論文想投入使用，必須滿足各種因素，包括場合，模型，方法，工程師，實際現(xiàn)場條件等等。

那么，如何推進控制理論與實踐的差距縮小呢？一步步的看，有沒有改進的地方。

第一，找到合適的需求。根據(jù)上面的思路，可以看到，能走到需要搜論文這步，還是不容易的。所以第一個方向是做高精尖的東西。希望咱們的高精尖越來越多。

第二，系統(tǒng)建模與辯識課程。建模需要的力學和系統(tǒng)辯識，一般較少出現(xiàn)在自動化專業(yè)課程里。不知道現(xiàn)在改沒改。涉及到一點的在自控的頻域分析里面。這塊需要加強。

第三，搞控制理論研究做新方法自然是好，希望有更多的控制理論加入大家庭，但現(xiàn)在的問題是方法很多，能用的少。希望模型比較貼近工程實際的研究多一些，即使方法上沒有什么所謂的新東西也是可以接受的。因為你證明這個方法在比較復雜的系統(tǒng)模型上能用就是一個有意義的創(chuàng)新。

第四，最重要的，理論學家和工程師要見面。控制理論家和控制工程師之間的各種輸出已經(jīng)很多了，天天說要在理論界與工業(yè)界之間架橋梁，但橋梁式人物一年能出幾個？還是需要多交流：

其中控制理論家需要做的努力多一些，了解工程師們棘手的問題，做出解答，并參與實際方案設計，畢竟數(shù)學基礎好一些?？刂乒こ處熜枰龅木褪翘岢鰡栴}和擺出需求，了解一下數(shù)學名詞，告訴哪些是可行的，或者給出輔助的工程改進方案。畢竟工程經(jīng)驗在那。不過讓兩方互相妥協(xié)，難度有點高，首先要讓控制理論家和工程師組成一個團隊，這塊寄希望于企業(yè)或者高校成果轉化了。

有人說，我聽到的說法有兩種，一是控制理論研究超前于實踐，二是控制工程很多問題亟待解決。那只讓工程師們學數(shù)學趕快追不挺好

其實這里面有些誤會，一方面我們的論文數(shù)量快速增長，一方面工程師們，即使是數(shù)學出身的工程大佬，有時也感嘆在現(xiàn)在論文里找不到合適的方法。

這就像兩個人在泥濘的道路上跑步，一個人給另一個人打電話，說你抓點緊，我都快到了，另一個人在地面上卻沒有看到腳印。然后回了一句，你跑哪條路上了？

9.5**、**控制理論的結果：評價標準

大家都在講創(chuàng)新，都在追求創(chuàng)新，有了新結論足以激動小半天，畢竟從科學角度上，任何新結論都可以發(fā)表，但最初的喜悅平靜后，為了進一步研究，不妨想一想，這個新結論是不是好的？是不是最好的？

A.這個新結論是不是好結論？

顯然，新結論并不恒等于好結論，因為新結論是比出來的，那就有幾個問題，跟誰比出來的？

舉幾個例子：

①效果比原文的結論在某一方面好，比如某個條件上限制更寬松。那么其他地方呢？有沒有明顯的硬傷，比如其他地方也很重要的性能指標則遠不如原文？

②場景比原文的結論廣。比如場景上更寬泛，但結論（不是推導過程）復雜度變的很高？

B.這個新結論是不是最好結論？

很多工作對于問題A都是滿足的，效果相比原文不錯也沒有其他明顯硬傷，或者相較原文處理新場景的結論也沒有因此變得復雜的多。這里多次提到“相較原文”，那么，如果原文就有硬傷新結論又繼承下來的呢？

我們或許都曾經(jīng)經(jīng)歷過，有些理論結果是新結論，發(fā)表了不錯的期刊，但一旦你去使用，有時就會有邏輯上的矛盾，大有一種“系統(tǒng)一般是不滿足A性質(zhì)，而巧了，論文的基礎（更多的是作者潛意識中使用的假設，比如某個系統(tǒng)信息的默認獲?。┦窍到y(tǒng)滿足A性質(zhì)”的魔幻、“系統(tǒng)要是滿足A性質(zhì)我還要用你這個方法？”的不屑，以及“原文結論就難算，好家伙你的結論不簡單的就算了，比他還難點?！钡臒o力。

而對于一些工作，在問題B上還有一定的發(fā)展空間。

到這里，我們知道了理論上的好結果是什么？但作為一門總歸要進入應用的學科來講，還要關心實際上的好結果。

我們經(jīng)常說，控制理論是與時俱進的。大多數(shù)時候，這句話僅僅是一個不帶好壞評價而比較準確的描述。最近在看2021年諾貝爾獎獲得者喬治帕里西的著作《隨椋鳥飛行》，里面提到，伽利略比較早使用了簡化方法對物理世界進行研究，后續(xù)一些研究者不斷加入新因素，來不斷增加模型所考慮的復雜性因素。對于控制理論也是如此，尤其是這幾年，所考慮的因素也是來源多樣。

一開始自然沒有什么大問題，引入擾動、不確定、時滯、多類非線性特性等，都取得了豐富的結果，一個原因在于研究擾動、不確定、時滯、多類非線性特性的專家大多也是做控制理論或者熟悉控制理論工具的數(shù)學家或者物理學家。

后來涉及到應用，產(chǎn)生了不同小方向的研究者觀點碰撞，在2020年的回答中已經(jīng)提到，這里就不重復了。

再后來隨著引入學科的差異，慢慢就出現(xiàn)了一些現(xiàn)象，這幾年的控制理論文章里，網(wǎng)絡攻擊、隱私保護、傳染病、博弈論、社交網(wǎng)絡之類的關鍵詞。成果數(shù)量看上去也不少，就在寫回答時的這個午后，可能有幾篇文章已經(jīng)上線了，我們有些做控制的同仁會說這地方都做爛了。但，真的做爛了嗎？咱們聽聽一直做這塊的專家怎么評價。

有幾次參與相關交流活動，比如把做計算機網(wǎng)絡安全的，或者傳染病建模的專家跟相關的控制學者拉在一起的學術交流會。人家專家剛開始認真聽，到最后應承幾句就沒下文了。。要是私下問，一些專家表示，現(xiàn)在根本不是這樣的嘛。如果是真正做不動的問題，專家聽完可能說，“我們也在考慮這個問題?！?，目前這個反映，只能說明才剛開始。

這里也隱含著一個問題，開拓者從交叉中獲得啟發(fā)，開始了研究，后繼者往往更傾向于在開拓者的工作上follow，而如果對涉及學科知識把握不足，一不小心就跑偏，進入了一個奇怪的新世界。

比如，不管實際情況，拿著控制理論地圖，哪個名詞最花哨就用哪個。再比如，文獻里最經(jīng)典的控制問題，直接RL就開始了，或者反過來。控制理論日益發(fā)展為一門交叉學科，這個坑值得注意和時刻銘記。而對于交叉學科來說，讓涉及的學科專家們都算滿意的，才能算上實際上的好結果。

**9.6、**控制理論的實現(xiàn)：控制工程師

除了對控制理論研究本身，更重要的是控制理論需求的問題，首先要解決的是定位問題，也就是正確認識控制理論在實踐中的地位。更直接的說，什么是控制工程師？

控制工程師，從簡單來說就是，基于客戶所提出的要求，在特定的行業(yè)系統(tǒng)，特定的工作環(huán)境中，在團隊合作下，設計出一套可行的解決方案并實施，從而滿足客戶的需求的一種職業(yè)。

首先，看一張總體圖，了解一下工程中控制方案的出臺過程。對于未來的主要工作也有自己一些清醒認識。

一個控制算法的得出，往往是綜合考慮的結果，一些必須從硬件解決的，一些必須從算法中解決的，一些從算法中解決會更好的，一些從硬件上解決會更好的，一些成本低的，一些成本高但效果好的，說的高大上點，就是系統(tǒng)工程思想。

控制理論的框架趨于成熟，表達的意思并不是完美，而是突破速度放緩了。而規(guī)劃，調(diào)度領域的突破明顯增加，很多大佬感嘆說control不如planning有需求，這里面說明了什么？企業(yè)什么時候對人才有需求？有問題有困難才有需求。這也反映了一個形勢。

很多控制研究是丟了鑰匙在路燈下找，即使不是丟在路燈附近

換在這里，就是工業(yè)界需求的，困難的，做的少；相對成熟的，學術界做的多。其實這也不能批判什么，科研成為一種職業(yè)后，尤其是與吃飯掛鉤后，就很難要求每個人都去一心做難題的，也不太現(xiàn)實。

9.7**、總結**

到此為止，本章都在以多智能體系統(tǒng)為例，但是這種思考感悟并不局限于這個領域，而是對于一種系統(tǒng)，要問他有什么特色？要問你自己要實現(xiàn)什么目的？這種目的能不能用控制理論傳統(tǒng)工具實現(xiàn)？這種特色有沒有必要提出來一個新指標？

拿到一個系統(tǒng)，這些問題提出來，得到的成果跟別人提到，至少人家會覺得你至少提供一種參考思路，研究抓住了特色，給讀者提供參考，本身就是研究最大的價值。

通過這些分析來看，我們也能夠知道，在應用場景上，有些東西它并不是萬能的，能感受時代在發(fā)展，社會在進步，技術問題層出不窮。有人也許會說你這些東西，無非就是基礎理論能用到嗎，基礎理論研究要走的道路，如果我們不去做，別人就會做，然后他們做完之后，我們就有可能受其限制。

對于控制的研究來說，適當?shù)囊M數(shù)學人才對于控制的研究是相當有裨益的，但是，正如黃琳院士在一篇文章當中所深刻指出的那樣：

這種理論與實際嚴重分離的現(xiàn)狀有其一定的必然性, 即數(shù)學家在研究控制問題時把著眼點放在數(shù)學的興趣而不是控制工程問題的解決, 使追求抽象化、一般化的理論成為時尚. 但數(shù)學理論能嚴格證明的有應用價值的控制問題僅是浩瀚的控制領域數(shù)學問題中的個別現(xiàn)象, 而且從現(xiàn)實的控制工程中提煉出可操作的理論問題并加以解決本身就是一項十分困難的任務. 這就使得功底不深而體量較大的控制數(shù)學工作者轉而走向另一個途徑, 即為已有的理論與方法配上控制系統(tǒng)的例子以利發(fā)表科學價值不大的“論文”, 并以此造成控制理論虛假的繁榮. 面對這一怪象, 重溫“工程控制論”的思想與處理問題的方法是十分有益的.

如果我們做不到對系統(tǒng)特色、對研究初心、對創(chuàng)新意識的把握，那么我們就又一次了進入了黃老所指出的這種狀態(tài)，即使文章再多也是虛假的繁榮。

祝好！