动态鲁棒决策

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    71771141
  • 项目类别：
    面上项目
  • 资助金额：
    49.0万
  • 负责人：
    何斯迈
  • 依托单位：
    上海财经大学
  • 学科分类：
    G0102.运筹与管理
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Our main research target is the robustness in dynamic decision models. We conduct research on how to combine robust models with the framework of Thompson Sampling, and make conservation decisions based on updating data and corresponding forecasting results. Furthermore, we design iterative algorithms which can guarantee fast updating speed, decision robustness and efficiency of the system. We also constructed robust optimization models corresponding to distribution shape uncertainty (for example, log-concave or increasing/decreasing failure rate), and managed to solve the models efficiently. ...The team has strong background and solid research in the corresponding areas. The applicant has published 3 papers in Operations Research and 3 other papers in Mathematics of Operations Research, in the field of robust optimization, supply chain management and algorithm design. The Co-PI Xi Chen, who studied machine learning as a postdoctoral fellow under Prof. Michael I. Jordan, has published several papers in journals like Journal of Machine Learning Research, etc.
我们的主要研究对象是动态管理决策模型中的鲁棒性。针对数据的不断更新，我们研究如何将鲁棒模型整合进Thomson Sampling方法的框架，通过不断调整预测做出相应的稳健决策。进一步的，我们设计可以快速更新的迭代算法，同时保证策略的更新速度、稳健性以及有效性。针对对数凹和单调失败率等分布特征的假设，我们研究如何建立相应的鲁棒优化模型并求解。申请人关于鲁棒决策、供应链管理及算法方面的论文已在《Operations Research》发表3篇，在《Mathematics of Operations Research》发表3篇。参与人陈溪师从机器学习泰斗Miachel I. Jordan,已在《Journal of Machine Learning Research》等杂志发表论文多篇。项目组其他成员在库存管理和机器学习领域也都有丰富的研究经验。

结项摘要

项目聚焦动态鲁棒决策理论，从模型角度聚焦如何引入高效信息以提升决策精度，从理论角度研究最优分布及最优解的结构性质并设计高效算法，从应用实践层面在收益管理、库存管理等供应链管理领域利用鲁棒决策方法协助企业提升管理效率，从应用理论层面在管理实践中定位并提炼关键管理问题展开理论研究。 研究成果拓展了分布式鲁棒优化决策模型中可利用分布信息的类型，提升了鲁棒决策模型的决策精度，衍生出了新的研究方向。在库存管理及机体失效率分析等具体应用研究领域，大幅提升了独立随机分布和分布的鲁棒分析精度，改进了多个现有经典结论。在应用实践中也取得了突出成效。.项目整体执行顺利，在主要完成指标上大幅超出预期。其中，依托项目发表代表性成果2篇OR, 1篇MS, 2篇POMS, 2篇EJOR及2篇NRL；团队成员何斯迈与杨超林后续分别获得杰出青年基金及优秀青年基金支持，培养研究生及博士生20余人；产学研结合取得突出的应用实践成效，所参与的京东无人仓项目入围INFORMS学会应用大奖Franz Edelman决赛圈（Finalist Award）。

项目成果

期刊论文数量（15）
专著数量（0）
科研奖励数量（3）
会议论文数量（1）
专利数量（0）
Robust Inventory Management with Multiple Supply Sources
具有多种供应来源的稳健库存管理
  • DOI：
    10.1016/j.ejor.2021.03.001
  • 发表时间：
    2021
  • 期刊：
    European Journal of Operational Research
  • 影响因子：
    6.4
  • 作者：
    Chen Xie;Liangquan Wang;Chaolin Yang
  • 通讯作者：
    Chaolin Yang
Integrating social influence modeling and user modeling for trust prediction in signed networks
集成社会影响力建模和用户建模以进行签名网络中的信任预测
  • DOI：
    10.1016/j.artint.2021.103628
  • 发表时间：
    2021-11-09
  • 期刊：
    ARTIFICIAL INTELLIGENCE
  • 影响因子：
    14.4
  • 作者：
    Fang，Hui;Li，Xiaoming;Zhang，Jie
  • 通讯作者：
    Zhang，Jie
Equilibrium return policies under manufacturer competition
制造商竞争下的均衡回报政策
  • DOI：
    10.1002/nav.21972
  • 发表时间：
    2020-12
  • 期刊：
    Naval Research Logistics
  • 影响因子：
    2.3
  • 作者：
    Lan Yongquan;He Simai;Li Yanzhi
  • 通讯作者：
    Li Yanzhi
Nonparametric advertising budget allocation with inventory constraint
库存约束下的非参数广告预算分配
  • DOI：
    10.1016/j.ejor.2020.02.005
  • 发表时间：
    2020-09
  • 期刊：
    European Journal of Operational Research
  • 影响因子：
    6.4
  • 作者：
    Yang Chaolin;Xiong Yi
  • 通讯作者：
    Xiong Yi
Multi‑index base‑stock policy for inventory systems with multiple capacitated suppliers
具有多个供应商的库存系统的多指数基础库存策略
  • DOI：
    10.1007/s00291-021-00658-5
  • 发表时间：
    2021
  • 期刊：
    OR Spectrum
  • 影响因子：
    2.7
  • 作者：
    Chaolin Yang;Diyuan Huang;Chenyang Xu
  • 通讯作者：
    Chenyang Xu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

在线学习方法综述:汤普森抽样和其他方法
  • DOI：
    10.15960/j.cnki.issn.1007-6093.2017.04.006
  • 发表时间：
    2017
  • 期刊：
    运筹学学报
  • 影响因子：
    --
  • 作者：
    何斯迈;金羽佳;王华;葛冬冬
  • 通讯作者：
    葛冬冬

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码