数字系统、通信技术与智能传感的迅速发展，推动了大规模多智能体系统的广泛应用。在控制、决策、机器学习与信号处理等实际场景中，智能体往往需要在信息受限的条件下协同完成控制、优化与学习任务，从而使系统能够在复杂多变的环境中保持高效、可靠的运行。

传统的集中式架构容易受到单点故障影响，且在通信、计算开销与系统扩展性方面均面临显著瓶颈，难以满足大规模系统的实际需求。为了克服上述瓶颈，分布式架构被提出并逐渐被广泛采用。分布式架构基于局部信息设计分布式拓扑结构，使智能体在保持自治性的同时实现整体协同。因此，分布式架构已逐渐成为大规模系统的重要解决方案。然而，仅有分布式拓扑结构还不足以支撑大规模系统在真实场景中高效运行：系统如何协同动作、如何实现高效决策、如何在不确定环境中维持性能，均依赖于分布式协同控制、优化与学习等核心算法的支撑。

为促进分布式协同控制、优化与学习相关理论方法、技术与应用研究的深入开展，及时反映相关领域具有创新性、突破性的研究成果，《自动化学报》组织分布式协同控制、优化与学习专刊，面向国内外学术界和产业界征集高质量原创研究成果。

专刊题目：分布式协同控制、优化与学习

客座编委：杨涛（东北大学）、冯运（湖南大学）、李渝哲（东北大学）、刘智伟（华中科技大学）、吕跃祖（北京理工大学）、易新蕾（同济大学）、徐磊（瑞典皇家理工学院）

一、征稿范围（包括但不限于）

• 分布式协同优化方法

• 分布式协同控制方法

• 分布式决策与博弈方法

• 分布式机器学习方法

• 分布式估计方法

• 分布式算法的安全、隐私保护机制

• 分布式算法的工程应用

二、投稿要求

1. 请登陆《自动化学报》在线投审稿系统，选择专刊名称“分布式协同控制、优化与学习”：https://mc03.manuscriptcentral.com/aas-cn

2. 稿件需严格经过《自动化学报》编委会和同行评议专家的评审，通过后方可录用发表。

3. 格式体例可参照《自动化学报》已出版论文，投稿注意事项请见《自动化学报》“投稿须知”。

4. 论文发表后，将按学报标准支付稿酬并赠送样刊。

三、时间节点

截稿日期：2026年9月30日

审稿完成日期：2026年12月1日

终稿提交日期：2026年12月31日

出版日期：2027年5月20日