报告题目：基于有限信息的鲁棒决策模型与算法

时间：2024年11月21日下午14:00-15:30

地点：中关村校区主楼216

报告人：何斯迈

报告人简介：

何斯迈，上海交通大学安泰经管学院数据与商务智能系特聘教授。本科毕业于中国科学技术大学，硕士就读于美国布朗大学，博士毕业于香港中文大学。主要研究领域包括优化算法和供应链管理，在OR，MOR，MP，SIAM OPT等管理及运筹国际顶级期刊上发表论文十余篇，为京东﹑顺丰等企业提供技术咨询服务。其中与京东合作的京东无人仓机器人调度系统进入INFORMS Franz Edelman Award Finalist。何斯迈曾主持多项香港及国家自然科学基金项目。他曾荣获1992年国际数学奥林匹克(IMO)金牌，及中国运筹学会青年科技奖等荣誉。

报告内容简介：

本次报告介绍针对数据或信息量特别稀少的决策场景，如何基于有限的数据，通过整合领域知识降低决策的保守程度，构建出高效且低风险的管理决策模型。对数凹、单调风险率等随机分布的结构特征在经济管理领域中被普遍采纳，也包括绝大多数常见拟合参数分布。我们及领域内的相关研究表明，引入分布结构特征可极大提升决策精度，降低鲁棒模型的保守程度。例如引入对数凹结构后，基于2至3个分布矩信息即可达成高精度库存管理及风险评估决策。在多阶段价格实验中，基于alpha-正则及单调风险率的鲁棒决策可构建高效价格测试，在5个抽样点内达到近似比平均超过99%的高精度策略。针对估计独立随机分布和时常用的母函数、熵及次高斯分布特征，给出寻找高精度闭式及半闭式风险概率上下界的统一分析简化范式。针对项目管理和研发决策网络，利用分布结构特征及少量特征可稳健高效地定位网络的关键风险节点。

（承办：管理工程系、科研与学术交流中心、中国运筹学会数据科学与运筹智能分会（筹））