教育背景
理學(xué)學(xué)士 (數(shù)學(xué))，陜西師范大學(xué)，西安，中國，1996；
理學(xué)博士 (數(shù)學(xué))，四川大學(xué)，成都， 中國, 2001。
科研概況
研究領(lǐng)域
人工智能
空間推理
研究概況
空間知識的表示與推理在諸如地理信息系統(tǒng)、機(jī)器人學(xué)、計(jì)算機(jī)視覺等領(lǐng)域有重要應(yīng)用。我和合作者系統(tǒng)研究了空間推理的拓?fù)浞椒ǎ诳臻g關(guān)系建模和空間約束求解方面取得一些重要成果。我們工作的一大部分是建立在著名的區(qū)域連接演算RCC之上的。
1. 廣義區(qū)域連接演算。為能同時(shí)容納離散和連續(xù)模型，我們引入了廣義的區(qū)域連接演算。原RCC理論只有連續(xù)模型，但實(shí)際應(yīng)用中大量采用的卻都是離散模型。通過引入一些范疇算子，我們建立了離散和連續(xù)模型之間的聯(lián)系，調(diào)和了這一矛盾�；贕RCC理論，我們進(jìn)一步建立了空間拓?fù)湫畔⒌囊粋�(gè)分層表示理論。
2. 基于關(guān)系復(fù)合的推理技術(shù)。復(fù)合推理技術(shù)最初是由Allen在時(shí)序推理研究中提出的。我們證明了任意RCC模型都不是RCC8復(fù)合表的外延性模型，而Egenhofer的9交模型在一定意義下是最大的外延性模型。這表明：一個(gè)關(guān)系模型是否對復(fù)合運(yùn)算封閉與復(fù)合推理是否完備是相互獨(dú)立的。這否定地回答了Bennett、Isli和 Cohn 在1997年提出的一個(gè)猜想。
3. 拓?fù)潢P(guān)系建模。將9交方法應(yīng)用于復(fù)雜平面區(qū)域，我們得到了38種基本拓?fù)潢P(guān)系。通過引入簡單區(qū)域的補(bǔ)區(qū)域，我們提出了帶補(bǔ)的Egenhofer模型，并證明其為Duentsch提出的 RCC11關(guān)系代數(shù)的一個(gè)模型。為處理非精確甚至模糊的拓?fù)湫畔ⅲ覀兲岢隽艘粋�(gè)基于模糊集理論的拓?fù)潢P(guān)系模型。
4. 空間約束求解算法。我們成功解決了空間推理中幾個(gè)重要的約束可滿足問題。對于RCC8代數(shù)，我們設(shè)計(jì)了一個(gè)復(fù)雜度為立方的實(shí)現(xiàn)算法，并證明：一個(gè)易處理子集相對于關(guān)系交、關(guān)系逆、和關(guān)系弱復(fù)合運(yùn)算的閉包也是易處理子集。這保證了Renz和Nebel關(guān)于RCC8計(jì)算復(fù)雜性的著名論斷的正確性。為此提出的“一步擴(kuò)張”概念后來被證明為關(guān)系代數(shù)可表示的一個(gè)充分條件。Skiadopoulos和Koubarakis在其2005年發(fā)表在AIJ的論文中將主方位演算的可滿足問題列為一個(gè)公開問題，我們完滿地解決了這一問題，并提出了一個(gè)復(fù)雜度為立方時(shí)間的判定算法。鑒于在實(shí)際應(yīng)用中方位關(guān)系和拓?fù)潢P(guān)系往往是結(jié)合使用的，我們進(jìn)一步研究了RCC8約束與方位約束的綜合求解問題。若考慮矩形代數(shù)，我們給出混合約束的一個(gè)易處理子集；對于主方位代數(shù)，我們證明即使只考慮基本約束，此綜合約束求解問題也是NP完全的。
以上研究結(jié)果主要發(fā)表在國際期刊Artificial Intelligence Journal（AIJ，5 篇）和國際會議IJCAI、AAAI、ECAI上。
研究課題
國家自然科學(xué)基金青年基金項(xiàng)目: 定性空間推理的拓?fù)浞椒?(2004-2006);
國家自然科學(xué)基金面上基金項(xiàng)目: 基于定性演算的空間知識表示與推理 (2007-2009).
科研成果
獎勵(lì)與榮譽(yù)
澳大利亞研究理事會: Future Fellow (2009);
中創(chuàng)軟件人才獎 (2008);
微軟青年教授獎 (2006);
德國洪堡學(xué)者 (2004).
學(xué)術(shù)成果
[1] Weiming Liu, Xiaotong Zhang, Sanjiang Li, Mingsheng Ying. Reasoning about Cardinal Directions between Extended Objects, Artificial Intelligence, 2010, 174 (12-13): 951-983. (33 pages, doi:10.1016/j.artint.2010.05.006)
[2] Sanjiang Li, Weiming Liu. Topological Relations between Convex Regions, in Proceedings of the 24th AAAI Conference on Artificial Intelligence (AAAI-10), Atlanta, Georgia, USA, July 11-15, 2010.
[3] Weiming Liu, Sanjiang Li, Jochen Renz. Combining RCC-8 with Qualitative Direction Calculi: Algorithms and Complexity, in: Proceedings of the Twenty-first International Joint Conference on Artificial Intelligence (IJCAI-09), pages 854-859, Pasadena, CA, July 2009.
[4] Sanjiang Li, Mingsheng Ying. Soft constraint abstraction based on semiring homomorphism, Theoretical Computer Science (B), 403(2-3):192-201, 2008.
[5] Xiaotong Zhang, Weiming Liu, Sanjiang Li, Mingsheng Ying. Reasoning with Cardinal Directions: An Efficient Algorithm, in Proceedings of the 23rd AAAI Conference on Artificial Intelligence (AAAI-08), Chicago, IL, 2008
[6] Sanjiang Li, Bernhard Nebel. Qualitative Spatial Representation and Reasoning: A Hierarchical Approach, The Computer Journal, 2007, 50(4): 391-402.
[7] Sanjiang Li. A representation theorem for minmax regret policies, Artificial Intelligence, 2007, 171(1): 19-24.
[8] Sanjiang Li. Combining Topological and Directional Information for Spatial Reasoning, in M. Veloso, ed., Proceedings of the 20th International Joint Conference on Artificial Intelligence (IJCAI-07), pages 435-440, AAAI Press, 2007.
[9] Sanjiang Li. A Complete Classification of Topological Relations Using 9-Intersection Method. International Journal of Geographical Information Science, 2006, 20(6): 589-610.
[10] Sanjiang Li, Huaiqing Wang. RCC8 binary constraint network can be consistently extended, Artificial Intelligence, 2006, 170(1): 1-18.
[11] Sanjiang Li, Mingsheng Ying. Generalized Region Connection Calculus, Artificial Intelligence, 2004, 160(1-2): 1-34.
[12] Yongming Li, Sanjiang Li. A Fuzzy Sets Theoretic Approach to Approximate Spatial Reasoning, IEEE Transactions on Fuzzy Systems, 2004, 12(6): 745-754.
[13] Sanjiang Li, Mingsheng Ying. Region Connection Calculus: its models and composition table, Artificial Intelligence, 2003, 145(1-2): 121-146.
