2652
2023年11月30日20:00至22:00（北京時(shí)間），交通運(yùn)輸經(jīng)濟(jì)學(xué)頂刊Transportation Research Part E: Logistics and Transportation Review聯(lián)合主編、香港理工大學(xué)Shuaian Wang教授應(yīng)邀作了題為“Prescriptive analytics for logistics and transport system management: state-of-the-art development”的專(zhuān)題講座。該講座是第十一屆“運(yùn)輸與時(shí)空經(jīng)濟(jì)論壇”國(guó)際會(huì)議之交通運(yùn)輸經(jīng)濟(jì)學(xué)主編面對(duì)面的第四場(chǎng)專(zhuān)題講座，由北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院和愛(ài)思唯爾集團(tuán)共同主辦，通過(guò)ZOOM在線會(huì)議、愛(ài)思唯爾視頻號(hào)及服務(wù)號(hào)同步全球直播。第四場(chǎng)講座由北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院付婷婷講師主持。會(huì)議吸引了4779位觀眾在線參與，其中ZOOM會(huì)議室參會(huì)74人，愛(ài)思唯爾觀看4705人次。
Transportation Research Part B: Methodological主編專(zhuān)題講座開(kāi)啟
北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院付婷婷老師主持
Shuaian Wang教授現(xiàn)任香港理工大學(xué)教授，之前曾任教于美國(guó)奧多明尼大學(xué)和澳大利亞臥龍崗大學(xué)。Shuaian Wang教授的研究方向是航運(yùn)大數(shù)據(jù)、綠色航運(yùn)、航運(yùn)營(yíng)運(yùn)管理、港口規(guī)劃與營(yíng)運(yùn)、城市交通網(wǎng)絡(luò)建模、以及物流與供應(yīng)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(zé)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(dāng)目標(biāo)函數(shù)涉及未知參數(shù)時(shí)，如何通過(guò)機(jī)器學(xué)習(xí)方法進(jìn)行預(yù)測(cè)。Shuaian Wang教授首先介紹了在確定性優(yōu)化問(wèn)題中使用機(jī)器學(xué)習(xí)方法的背景和動(dòng)機(jī)，他指出數(shù)據(jù)有限使得預(yù)測(cè)存在誤差，這會(huì)對(duì)優(yōu)化模型的決策產(chǎn)生不利影響。接著，他針對(duì)目標(biāo)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(rèn)為更好的預(yù)測(cè)模型并不一定必然帶來(lái)更好的決策，他推薦使用端到端優(yōu)化（End-to-end Optimization）方法，運(yùn)用決策損失函數(shù)進(jìn)行超參數(shù)調(diào)整。他以學(xué)習(xí)排序問(wèn)題和船舶選擇問(wèn)題為例，展示了如何使用不同的損失函數(shù)進(jìn)行建模。隨后，Shuaian Wang教授介紹了在目標(biāo)函數(shù)中涉及非線性未知參數(shù)的情況下對(duì)邊際分布進(jìn)行預(yù)測(cè)的方法，包括樹(shù)模型和分位數(shù)回歸方法、以及基于預(yù)測(cè)誤差的方法。Shuaian Wang教授闡釋了線性目標(biāo)函數(shù)和非線性目標(biāo)函數(shù)的不同處理方式，他強(qiáng)調(diào)在有限數(shù)據(jù)情況下并沒(méi)有一種通用的最佳方法，應(yīng)當(dāng)根據(jù)具體問(wèn)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(xué)黃迪副教授和清華大學(xué)王凱助理教授分別進(jìn)行了點(diǎn)評(píng)。黃迪副教授主要圍繞著“predict-then-optimize”（SPO）框架與Shuaian Wang教授展開(kāi)深入的探討，包括：在制定SPO模型時(shí)如何構(gòu)建決策誤差的損失函數(shù)、是否存在一般范例；預(yù)測(cè)-之后優(yōu)化（predict-then-optimiz）、魯棒優(yōu)化（Robust Optimization）與隨機(jī)規(guī)劃（Stochastic Programming）之間的關(guān)系；SPO框架對(duì)于復(fù)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(jìn)行了進(jìn)一步的交流。
東南大學(xué)黃迪副教授精彩點(diǎn)評(píng)
王凱助理教授表示，他贊同Shuaian Wang教授的觀點(diǎn)，最佳預(yù)測(cè)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(yù)測(cè)誤差。王凱助理教授認(rèn)為，無(wú)論是Predict-then-Optimize方法、還是End-to-end Optimization方法，都可能存在著無(wú)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(shí)際應(yīng)用案例，例如針對(duì)物流領(lǐng)域的車(chē)輛-倉(cāng)庫(kù)分配問(wèn)題，通過(guò)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(xué)王凱助理教授精彩點(diǎn)評(píng)
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(yùn)輸系統(tǒng)管理中的預(yù)測(cè)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(qiáng)調(diào)了預(yù)測(cè)誤差對(duì)最終決策帶來(lái)的影響，并就解決非線性目標(biāo)函數(shù)挑戰(zhàn)提出了解決方案，令參會(huì)者受益匪淺。兩位特邀點(diǎn)評(píng)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(xiàn)之后，先后提出很多有價(jià)值的問(wèn)題，為參會(huì)者提供了更多的思考層面與維度。與會(huì)嘉賓與參會(huì)人也在“問(wèn)題與回答”環(huán)節(jié)進(jìn)行了充分的交流。嚴(yán)謹(jǐn)?shù)淖钚卵芯俊⒕珳?zhǔn)的同行點(diǎn)評(píng)、多維的參會(huì)互動(dòng)，很好地為參加本次講座的全部人員提供了彼此學(xué)習(xí)與共同受益的機(jī)會(huì)，至此，第四場(chǎng)主編專(zhuān)題講座圓滿結(jié)束。
金融系教師黨支部召開(kāi)黨員發(fā)展大會(huì)接受教師黨員入黨