机构旨在为大家提供更加全面、深入的导师解析和科研辅导！每期我们会邀请团队的博士对各个领域的教授导师进行详细解析，从教授简介与研究背景 / 主要研究方向与成果分析 / 研究方法与特色 / 研究前沿与发展趋势 / 对有意申请教授课题组的建议这五个方面，帮助大家更好地了解导师，学会科研！
教授简介与研究背景
刘教授为中南大学学院副教授、博士生导师，深耕计算机科学与技术领域近二十年。她本硕博均毕业于中南大学，学术背景具有显着的连贯性和系统性。自2012年留校任教以来，其研究主要集中在计算机科学与经济学的交叉领域，尤其在智智、物联网及车联网方向取得突破性进展。
刘教授的学术经历体现了从传统计算机技术向跨学科创新的转型。早期研究涉及系统与网络资源管理，2014年起主持国家自然科学基金项目时，首次将行为经济学理论引入信息科学领域，开创性地利用“通告定效应”“灾害疫病”等行为模型分析网络节点行为，解决协作通信中的促进问题。这一研究路径既形成了，合作借鉴了其核心的计算机学科基础，也借助对经济学理论的敏锐洞察密切相关。
团队特色在于“学科交叉”与“产学研结合”。其指导的研究生不仅在国际顶级期刊（如IEEE Transactions on Mobile Computers）发表论文，毕业后亦腾讯、阿里等进入头部科技企业或继续攻读路径。这种“学术-产业”双轨培养模式，将课题组成为中南大学学科计算机中兼具理论深度与实践价值为核心的团队。
主要研究方向与成果分析
刘教授团队的核心研究方向可致力于“基于行为经济学的网络行为优化”，具体主题如下领域：
（1）群智采集设计
针对群智采集中参与者积极性不足的问题，团队提出多维度模型。如机制，专利《基于定效应理论提高车联网合作率的方法》（201910609362.4）通过设定初始认知点（一个定值），利用用户对相关点的损失心理，显着提升物资参与数据迁移的意愿。该方法在IEEE物联网期刊的实验中启发，使合作率提高32%。
（2）车联网通信协作优化
在车联网领域，提出BMCGM（行为经济驱动的消息传递保障）机制（发表于Sensors，2018）。该模型通过引入“禀赋效应”，将资源赋予“虚拟端点通信”，增强节点对资源共享心理共识，从而减少自私行为。实验表明，该机制在道路拥堵场景下的消息传递成功率提升19%。
（3）物联网数据隐私与效率平衡
在IEEE Transactions on MobileComputing发表的论文中，提出动态预算分配算法，结合“心理账户”理论，将隐私保护成本纳入用户决策框架。该方法在保证数据质量的同时，将隐私泄露风险降低至传统模型的1/4。
成果：
·主持国家自然科学基金项目2项，聚焦行为经济学与多元化系统结合的基础理论；
·近5年在CCF A类期刊发表论文7篇，其中4篇发表于物联网顶级期刊IEEE IoT-J（影响因子>10）；
·授权发明专利5项，涵盖激励机制设计、隐私保护等关键技术。
研究方法与特色
刘教授团队的核心方法论可总结为“行为建模—算法设计—系统验证”三位一体：
（1）跨学科理论融合
以行为经济学中的“非理性决策”模型（如定效应、禀赋效应）为切入点，构建网络节点行为预测框架。例如，在群智感知任务分配中，通过设定“虚拟礼物”（专利201811158641.4）触发用户的禀赋效应，诱发更倾向完成任务以完成线程。
（2）轻量化算法设计
区别于传统博弈论依赖复杂均衡计算，团队采用启发式策略降低计算费用。如在车联网协作模型中，基于灾害的轻量级启发矩阵线性时间复杂度，适用于实时性要求高的移动场景。
（3）环节驱动的研究闭环
团队与中兴通讯、国家电网等企业合作，构建真实场景测试平台。例如，在智慧医疗项目中，通过多种感知技术收集的临床数据行为验证了模型的预测准确率（达到89%），形成了“理论-实践-反馈”的迭代优化机制。
研究前沿与发展趋势
当前，刘教授团队正围绕以下前沿方向展开攻关：
（1）动态环境下的自适应
针对物联网节点移动性增强的特点，研究时空影响策略。例如，在移动群智增益中，结合用户税务预测动态调整补贴预算，相关预研成果已在IEEE IoT-J审稿中。
（2）隐私与协作的博弈均衡
探索要点隐私、联邦学习与行为经济学的结合点，提出隐私获取型激励机制。初步实验表明，该方法在保护位置隐私的同时，任务覆盖率提升18%。
（3）AI赋能的群体行为预测
引入深度学习模型（如Transformer）分析大规模用户行为数据，预测网络节点的争论偏好。该方向已获得“新一代人工智能”重大项目支持，预计将推动激励从“规则驱动”向“数据驱动”演进。
未来趋势判断：行为与信息经济学的交叉研究分散“设计”向“自主化”发展，基于强化学习的自机制优化系统或成为下一代群智感知网络的核心架构。
对有意申请教授课题组的建议
针对刘教授课题组学生的拟定申请，建议从以下维度提升对比：
（1）夯实交叉学科基础
· 必读教材：《行为经济学》（戴维·莱布森）、全面《系统：概念与设计》（Coulouris）；
· 掌握基础工具：Python（网络仿真）、MATLAB（行为建模）、NS-3（物联网协议验证）。
（2）深入理解团队成果
· 精读主题论文：IEEE IoT-J 2019年发表的激励机制研究（DOI: 10.1109/JIOT.2019.2927351）；
· 分析专利创新点：重点关注“定效”“心理账户”在算法中的具体实现。
（3）实践实践与创新潜力
· 科研经历：突出物联网、机器学习相关项目，尤其是涉及用户行为分析的案例；
· 申请材料：在研究计划中提出跨学科设想（如“基于神经网络的灾害预警模型”）。
【竞赛报名/项目咨询+微信：mollywei007】
