东湖论坛管理学院分论坛——“数据驱动下的智能决策”成功举行

华中科技大学管理学院
2022-01-04 17:25 浏览量: 2419

喻园管理论坛第768、769

2021年12月30日

数据驱动下的智能决策

12月30日下午,喻园管理论坛第768和769期暨东湖论坛管理学院分论坛——“数据驱动下的智能决策”在线上进行。本次论坛邀请到德州理工大学博士石越和荷兰埃因霍温理工大学博士后张健进行学术分享。由生产运作与物流管理系主任胡鹏教授主持。

论坛开始,石越博士以“不确定性学习下的数据驱动序贯决策”为主题进行分享。她首先介绍了研究背景,指出现实中很多离散Markov决策过程的状态转移概率分布无法事先得知,往往只能确定它处于某个候选集中。当转移概率分布具有这一类型的不确定性时,以往通常采用鲁棒性方法,以保证最差选择下的系统性能。但鲁棒性方法具有过于保守的弱点,无法充分利用历史状态(states)和行动(actions)等数据包含的信息。而此项研究提出了一种新颖的序贯决策框架,提出基于贝叶斯学习理论,根据新观察到数据,动态地从候选集中挑选合适的概率分布估计,并相应地调整鲁棒解以提升系统性能。

针对这一序贯决策框架,石越给出了若干充分条件,从理论上证明了它的渐进性质,确定其对候选集中所有的概率分布都能收敛,并给出了具体的收敛速度估计。她还进一步给出了求解鲁棒Markov决策过程模型的近似方法,并通过多项数值实验阐述了这一近似方法的性能。

石越博士分享结束后,由博士后张建带来题为“一种求解大规模动态车辆路径问题的高效近似动态规划算法”的分享。

张健进行自我介绍后,阐述了动态随机车辆路径问题的研究背景,讲解了此研究中存在的客户订单在车辆运行过程中随机出现、需要对新订单做出快速反应和问题规模大三个难点。随后,他使用图示论述了有无预测信息条件下初始路径规划的区别,表明除了少部分算例外,预测信息的作用很明显,从而说明了预测信息的重要性。

紧接着,张健讲解了此研究的创新点——基于背包模型的近似动态规划模型:对每一个新的动态订单,随机生成从当前时刻到服务结束时刻所有的动态订单;而对每一个可行的决策,使用Cheapest Insertion更新路径后,求解背包问题,获得预期总共可服务的订单数;最后选择服务订单数最多的决策并执行。张健选用了实际使用率和最大决策时间两个标准,比较了基于背包模型的近似动态规划和其他已有文献上的算法,发现该算法具有响应时间短且接受率高的优势,并通过仿真直观地展示了基于背包模型的近似动态规划模型的优势。

张健认为,目前网络购物、餐饮外卖等服务的不断发展和新技术及商业模型的不断涌现,让大规模的动态车辆规划问题的研究具有很强的现实意义。未来计划开发改进求解各类动态规划问题的近似动态规划算法,并加强大数据、数据挖掘等技术在该问题中的应用。

交流环节中,在场老师、同学热情提问,嘉宾也细致解答。至此,东湖论坛管理学院分论坛——“数据驱动下的智能决策”圆满结束。

//

来源:新闻宣传中心

审核:胡鹏

永远在路上

编辑:刘蕊

(本文转载自 ,如有侵权请电话联系13810995524)

* 文章为作者独立观点,不代表MBAChina立场。采编部邮箱:news@mbachina.com,欢迎交流与合作。

收藏
订阅

备考交流

免费领取价值5000元MBA备考学习包(含近8年真题) 购买管理类联考MBA/MPAcc/MEM/MPA大纲配套新教材

扫码关注我们

  • 获取报考资讯
  • 了解院校活动
  • 学习备考干货
  • 研究上岸攻略

最新动态