针对复杂场景方面的优化与决策问题具有不确定性、多粒度和目标多元化等特点，以数字孪生、随机优化方法和博弈论为基础，融合大数据驱动的机器学习方法，特别是深度强化学习、深度神经网络，构建了不同功能的信息融合决策新模型，拓展了行为决策理论的技术范围，完善了复杂多属性决策的优化模型与方法，实现了数据智能分析处理、决策辅助控制和资源最优化配置。特别地，提出了基于随机优化的绿色通信场景下物理层功率分配和网络层缓存的跨层优化机制；提出了基于随机博弈和深度增强学习的能量收割认知网络频谱共享机制；提出了基于机器学习的绿色移动边缘计算中计算卸载策略和方法。已主持完成国家自然基金项目1项“基于随机优化的绿色通信功率和缓存时延跨层研究”，山东省优秀青年创新团队支持计划1项“基于随机优化和深度增强学习的能量收割认知网络关键技术研究”，在研山东省自然科学基金1项“面向大规模低延时高能效业务的无人机辅助绿色边缘计算研究”，获批国家工业信息安全中心数字孪生工程中心1个，发表SCI、EI检索论文30余篇，其中包括IEEE Trans、IEEE主流会议等20余篇，授权专利10余项。
