報告題目：基于有限信息的魯棒決策模型與算法
時間：2024年11月21日下午14:00-15:30
地點：中關村校區主樓216
報告人：何斯邁
報告人簡介：
何斯邁，上海交通大學安泰經管學院數據與商務智能系特聘教授。本科畢業于中國科學技術大學，碩士就讀于美國布朗大學，博士畢業于香港中文大學。主要研究領域包括優化算法和供應鏈管理，在OR，MOR，MP，SIAM OPT等管理及運籌國際頂級期刊上發表論文十余篇，為京東﹑順豐等企業提供技術咨詢服務。其中與京東合作的京東無人倉機器人調度系統進入INFORMS Franz Edelman Award Finalist。何斯邁曾主持多項香港及國家自然科學基金項目。他曾榮獲1992年國際數學奧林匹克(IMO)金牌，及中國運籌學會青年科技獎等榮譽。
報告內容簡介：
本次報告介紹針對數據或信息量特別稀少的決策場景，如何基于有限的數據，通過整合領域知識降低決策的保守程度，構建出高效且低風險的管理決策模型。對數凹、單調風險率等隨機分布的結構特征在經濟管理領域中被普遍采納，也包括絕大多數常見擬合參數分布。我們及領域內的相關研究表明，引入分布結構特征可極大提升決策精度，降低魯棒模型的保守程度。例如引入對數凹結構后，基于2至3個分布矩信息即可達成高精度庫存管理及風險評估決策。在多階段價格實驗中，基于alpha-正則及單調風險率的魯棒決策可構建高效價格測試，在5個抽樣點內達到近似比平均超過99%的高精度策略。針對估計獨立隨機分布和時常用的母函數、熵及次高斯分布特征，給出尋找高精度閉式及半閉式風險概率上下界的統一分析簡化范式。針對項目管理和研發決策網絡，利用分布結構特征及少量特征可穩健高效地定位網絡的關鍵風險節點。
（承辦：管理工程系、科研與學術交流中心、中國運籌學會數據科學與運籌智能分會（籌））
