2023年11月30日20:00至22:00(北京時間),交通運輸經(jīng)濟學頂刊Transportation Research Part E: Logistics and Transportation Review聯(lián)合主編、香港理工大學Shuaian Wang教授應邀作了題為“Prescriptive analytics for logistics and transport system management: state-of-the-art development”的專題講座。該講座是第十一屆“運輸與時空經(jīng)濟論壇”國際會議之交通運輸經(jīng)濟學主編面對面的第四場專題講座,由北京交通大學經(jīng)濟管理學院和愛思唯爾集團共同主辦,通過ZOOM在線會議、愛思唯爾視頻號及服務(wù)號同步全球直播。第四場講座由北京交通大學經(jīng)濟管理學院付婷婷講師主持。會議吸引了4779位觀眾在線參與,其中ZOOM會議室參會74人,愛思唯爾觀看4705人次。
Transportation Research Part B: Methodological主編專題講座開啟
北京交通大學經(jīng)濟管理學院付婷婷老師主持
Shuaian Wang教授現(xiàn)任香港理工大學教授,之前曾任教于美國奧多明尼大學和澳大利亞臥龍崗大學。Shuaian Wang教授的研究方向是航運大數(shù)據(jù)、綠色航運、航運營運管理、港口規(guī)劃與營運、城市交通網(wǎng)絡(luò)建模、以及物流與供應鏈管理,已在 Transportation Research Part B、Transportation Science、Management Science 和 Operations Research 等刊物上發(fā)表四十余篇論文。Shuaian Wang教授現(xiàn)任Transportation Research Part E聯(lián)合主編,也是Cleaner Logistics and Supply Chain及Communications in Transportation Research的主編、Flexible Services and Manufacturing Journal、Transportmetrica A和Transportation Letters的副主編、Transportation Research Record的責任編輯、Transportation Research Part B編委、Maritime Transport Research編委。
在本次講座中,Shuaian Wang教授以“Prescriptive analytics for logistics and transport system management: state-of-the-art development”為題探討了當目標函數(shù)涉及未知參數(shù)時,如何通過機器學習方法進行預測。Shuaian Wang教授首先介紹了在確定性優(yōu)化問題中使用機器學習方法的背景和動機,他指出數(shù)據(jù)有限使得預測存在誤差,這會對優(yōu)化模型的決策產(chǎn)生不利影響。接著,他針對目標函數(shù)在未知參數(shù)上是線性的情況,介紹了使用“predict-then-optimize”(SPO)框架的不同方法。Shuaian Wang教授認為更好的預測模型并不一定必然帶來更好的決策,他推薦使用端到端優(yōu)化(End-to-end Optimization)方法,運用決策損失函數(shù)進行超參數(shù)調(diào)整。他以學習排序問題和船舶選擇問題為例,展示了如何使用不同的損失函數(shù)進行建模。隨后,Shuaian Wang教授介紹了在目標函數(shù)中涉及非線性未知參數(shù)的情況下對邊際分布進行預測的方法,包括樹模型和分位數(shù)回歸方法、以及基于預測誤差的方法。Shuaian Wang教授闡釋了線性目標函數(shù)和非線性目標函數(shù)的不同處理方式,他強調(diào)在有限數(shù)據(jù)情況下并沒有一種通用的最佳方法,應當根據(jù)具體問題比較不同方法的性能。
Shuaian Wang教授分享最新研究成果
隨后,東南大學黃迪副教授和清華大學王凱助理教授分別進行了點評。黃迪副教授主要圍繞著“predict-then-optimize”(SPO)框架與Shuaian Wang教授展開深入的探討,包括:在制定SPO模型時如何構(gòu)建決策誤差的損失函數(shù)、是否存在一般范例;預測-之后優(yōu)化(predict-then-optimiz)、魯棒優(yōu)化(Robust Optimization)與隨機規(guī)劃(Stochastic Programming)之間的關(guān)系;SPO框架對于復雜優(yōu)化模型的適用性。Shuaian Wang教授最后還就模型的設(shè)定與黃迪副教授進行了進一步的交流。
東南大學黃迪副教授精彩點評
王凱助理教授表示,他贊同Shuaian Wang教授的觀點,最佳預測并不一定意味著最佳決策,需要關(guān)注決策誤差,不能僅僅關(guān)注預測誤差。王凱助理教授認為,無論是Predict-then-Optimize方法、還是End-to-end Optimization方法,都可能存在著無法提供完全信息最優(yōu)決策的情況,就此他與Shuaian Wang教授交流了一些有發(fā)展前景的方法。王凱助理教授還提供了一些實際應用案例,例如針對物流領(lǐng)域的車輛-倉庫分配問題,通過兩階段決策解決不確定顧客的需求,并給出了基于歷史數(shù)據(jù)和決策數(shù)據(jù)的一般性的條件優(yōu)化設(shè)置模型。
清華大學王凱助理教授精彩點評
在本次講座中,Shuaian Wang教授聚焦“Prescriptive analytics for logistics and transport system management: state-of-the-art development”這一主題,探討了在交通運輸系統(tǒng)管理中的預測分析技術(shù)。他特別關(guān)注了基于端到端優(yōu)化(End-to-end Optimization)的方法,強調(diào)了預測誤差對最終決策帶來的影響,并就解決非線性目標函數(shù)挑戰(zhàn)提出了解決方案,令參會者受益匪淺。兩位特邀點評人黃迪副教授和王凱助理教授在總結(jié)這一前沿研究的內(nèi)容與貢獻之后,先后提出很多有價值的問題,為參會者提供了更多的思考層面與維度。與會嘉賓與參會人也在“問題與回答”環(huán)節(jié)進行了充分的交流。嚴謹?shù)淖钚卵芯俊⒕珳实耐悬c評、多維的參會互動,很好地為參加本次講座的全部人員提供了彼此學習與共同受益的機會,至此,第四場主編專題講座圓滿結(jié)束。