主题:运筹学与人工智能在业界的前沿应用
主办方:浙江大学管理学院、上海交通大学安泰经管学院、浙江大学数据分析和管理国际研究中心
承办方:【运筹OR帷幄】
地点:浙江省杭州市浙江大学管理学院C101金色大厅
时间:2024年8月4日-5日
形式:线下研讨会
合作媒体:DataFunTalk/DataFunSummit,数据派THU,Datawhale,运小筹,科研式学习,轻松参会,优化算法交流地,机器学习算法与自然语言处理,交通邦
交通指引
8月4日主题演讲嘉宾及演讲信息
叶荫宇
美国斯坦福大学管理科学与工程系及计算数学工程研究院李国鼎讲座教授
简介:Yinyu Ye is currently the K.T. Li Professor of Engineering at Department of Management Science and Engineering and Institute of Computational and Mathematical Engineering, Stanford University. His current research topics include Continuous and Discrete Optimization, Data Science and Applications, Numerical Algorithm Design and Analyses, Algorithmic Game/Market Equilibrium. Operations Research and Management Science etc.; and he was one of the pioneers of Interior-Point Methods, Conic Linear Programming, Distributionally Robust Optimization, Online Linear Programming and Learning, Algorithm Analyses for Reinforcement Learning and Markov Decision Process, and etc. He has received several scientific awards including, including the 2009 John von Neumann Theory Prize for fundamental sustained contributions to theory in Operations Research and the Management Sciences, the inaugural 2012 ISMP Tseng Lectureship Prize for outstanding contribution to continuous optimization (every three years), the 2014 SIAM Optimization Prize awarded (every three years), etc.. According to Google Scholar, his publications have been cited 58,000 times.叶荫宇 (Yinyu Ye) 现任斯坦福大学管理科学与工程系及计算数学工程研究院李国鼎讲座教授。他的主要研究方向为连续和离散优化, 数据科学及应用, 数字算法设计及分析,算法博弈及市场均衡,运筹及管理科学等;他和其他科学家开创了内点优化算法,锥规划模型,分布式鲁棒优化,在线线性规划和学习,强化学习和马可夫过程算法分析等。他多次获得科学奖项: 包括2009约翰.冯.洛伊曼理论奖,国际数学规划2012 Tseng Lectureship Prize(每三年),2014美国应用数学学会优化奖(每三年)等。根据谷歌学术统计,目前他的文章被引用总计超过58,000次。
演讲标题:AI and Mathematical Optimization: New progress in solving huge-scale mathematical programs and applications
摘要:In recent years, with the rapid increase in the scale of data from real-world problems and AI training tasks, the corresponding decision-making and computational problems have also become larger and larger. The scale of some linear programs (in terms of non-zero elements) has reached the tens of billions, while the matrix size of some semi-define programs has reached hundreds of millions. These problems often also require high-precision solutions. In this presentation, we discuss some recent frontier explorations in response to these challenges, particularly advancements in first-order methods, interior-point algorithms, and fast solutions for large-scale problems under the GPU/CUDA architecture. In addition, we describe how to integrate the AI Large Language Models and OR Optimization Solvers and tackle some real-world applications.
金耀初
西湖大学人工智能讲席教授、欧洲科学院院士、国际电气和电子工程师协会会士(IEEE Fellow)、国家海外高层次人才
简介:曾任芬兰科学院与芬兰国家创新局“芬兰杰出教授”、德国联邦教育与研究部“洪堡人工智能教席教授”。分别于1988年、1991年、1996年获浙江大学工学学士、工学硕士、和工学博士学位,并于2001年获德国波鸿鲁尔大学工学博士学位。1991年至1997年在浙江大学电机系任助教、讲师和副教授,1998年至1999年在美国新泽西州立大学工业工程系从事博士后研究, 2001年至2010年在德国本田(欧洲)研究院任资深科学家、主任科学家, 2010年加入英国萨里大学计算机系任计算智能讲席教授,2019年升任“萨里杰出教授”, 2021至2023年担任德国比勒菲尔德大学工学院洪堡人工智能教席教授。曾任《IEEE认知与发育系统汇刊》主编,现任IEEE计算智能学会主席。2023年10月全职加入西湖大学工学院,受聘人工智能讲席教授,并创立“可信与通用人工智能实验室”。
演讲标题:Graph Neural Networks for Combinatorial Optimization
摘要:Graph neural networks have been found successful in solving combinatorial optimization problems. This talk starts with a simple example of solving the travelling salesman problem using graph neural networks. Then, we present an approach to multi-objective facility location using two graph neural networks with supervised training. Finally, we showcase how a graph neural network with negative message passing can be trained using unsupervised training for solving graph coloring problems. We conclude the talk with a summary and discussion of future work.
叶杰平
阿里云智能集团副总裁
简介:美国明尼苏达大学博士,IEEE Fellow,曾任美国密西根大学教授。曾担任多个国际顶级期刊编委及国际顶级会议程序委员会主席和领域主席,发表高质量学术论文近400篇 (H-index: 103)。曾先后荣获美国国家自然科学基金会生涯奖、CCF科学技术奖科技进步一等奖、国际运筹学领域顶级实践奖-瓦格纳运筹学杰出实践奖、KDD China技术转化奖、以及多个国际顶级会议最佳论文奖等。
演讲标题:Large Language Models: An In-Depth Mechanism Analysis and Applications
摘要:Large Language Models (LLMs) have emerged as pivotal tools in natural language processing, transforming the way machines understand, generate, and interact with human language. This presentation aims to explore the inner workings of LLMs, offering a comprehensive analysis of their underlying mechanisms, and showcasing their applications in multiple tasks.
赵磊
清华大学工业工程系教授,运筹学与服务科学研究室(TOpS Lab)主任,交通科学与物流研究中心主任
简介:近年来主要从事随机优化方法及其在物流管理(特别是超大型城市中物流配送管理)、供应链风险管理以及全渠道零售和物流中的应用。其研究获得国家自然科学基金、科技部等的资助,并且同中外运、中石化、中远海运科技、阿里、华为、美团、京东物流、IBM中国研究院、日本三菱重工、美国通用磨坊等企业合作。
研究成果发表于ANOR、COR、EJOR、MSOM、OR Spectrum、TRB、TRC、TRE、TS等运筹学和交通科学领域学术期刊。曾任美国运筹学与管理学研究协会(INFORMS)交通科学与物流分会(TSL)秘书长和INFORMS Journal on Computing(IJOC)期刊副编(AE)。现任Transportation Science(TS)期刊副编和Transportation Research Part E(TRE)期刊编委。
陆学华
世翼航空大中华区算法总监
简介:
• 教育
1983,南京大学数学系,学士
1986,中国科学院应用数学所,硕士
1996,University of Colorado at Boulder 计算机系,博士
• 美国
1996-1997,Federal Express,资深系统分析员,机组排班
1997-2006,Sabre,产品架构师,Sabre 第二代收益管理系统 AirMax
• 中国
2006-2021,Sabre Shanghai,任运筹开发经理,首席代表,主要从事机场地面资源方面的数学模型和算法设计开发,包括地勤人员排班,停机位分配,值机人员需求预测,枢纽机场控制,以及中国区航班网络规划产品的服务和支持。
2022-present,CAE Civil Flight Service,Optimization Service经理,Site Manager,主要负责机组排班、航班恢复产品方面的用户需求分析,优化基准评估,模型参数调优,算法效果评估,等等。
演讲标题:Thoughts on the Design and Implementation of Column Generation Method for Crew Pairing Optimization
摘要:In a forum intended for OR professionals, the topics are mostly on math models, algorithms and their applications. Through the example of crew pairing optimization,the purpose of this talk is to shed light on the design and implementation of optimization systems, or specifically the column generation method with a rule engine to encapsulate the business logics, so that the system can be easily set up to solve problems of great variation in business rules, and therefore serve for business purpose beyond just finding an optimization solution.
袁晓明
香港大学数学系教授
简介:研究方向为优化算法与理论、云计算、最优控制、人工智能。Clarivate Analytics 高被引学者。带领香港大学与华为云的研究队伍进入2023年INFORMS Franz Edelman Award决赛。与华为云合作项目被评为2023年华为公司“公司级优秀合作项目奖”。
高磊
顺丰运筹优化算法总工程师
简介:拥有10年+机器学习与运筹优化算法经验,研究方向为运筹优化、强化学习等。2016年加入顺丰,现任顺丰科技运筹优化算法总工程师,曾主导顺丰集团内部多个数智化项目的研发与落地工作,涉及领域包括业务量预测、陆运干支线规划与调度、航空规划与调度、运力规划、场站选址、物资调拨等,目前主要负责集团智慧供应链体系建设相关工作。
演讲标题:智慧供应链领域中的新技术探索
杨玉才
达达快送研发负责人
简介:2015年加入达达快送,历经创业、上市、融入京东集团等阶段。从即时配送行业兴起至今,带领团队从事数字化和智能化建设,主导了以“智能调度、智能定价、LBS、ETA、预测与规划”为代表的达达智配系统能力的研发和落地。
演讲标题:即时配送领域的AI技术
摘要:在即时零售市场需求的拉动,数字技术、智能技术的驱动下,即时配送行业应运而生。即时配送行业具有供需规模大、弹性波动大、供需匹配实时性高等特点,本次分享将围绕体验、效率、成本,介绍AI技术促进即配行业健康发展的理论基础和落地应用。
8月5日企业分享嘉宾及部分演讲信息
王一君
【览众数据】CEO
简介:罗格斯大学供应链管理和营销科学博士。曾任职美林证券;在传统企业、电子商务、金融和医疗健康领域有多年的建模优化经验。擅长对大中型企业开展数据化应用落地规划,为华润集团雪花啤酒、物产中大集团、安踏、特步、太平鸟、利郎、李宁、七匹狼、一鸣真鲜奶等众多快消、零售行业的连锁品牌公司提供数据化规划服务。荣获荣誉:杭州市高层次人才、改革开放四十周年科技创新领军人物、新时代中国经济优秀人物、浙商十佳财智女性。
张新杰
【久章智能】CEO
简介:复旦大学应用数学硕士,上海财经大学世界经济博士毕业。20年以上信息行业服务经验,包括项目管理、咨询、开发、测试等。
演讲标题:运筹优化算法的一些案例分享和未来展望
摘要:分享一些在实际项目执行中的经验分享,在制造业、运输行业等跟实际客户和业务沟通时可能会面临的一些问题和挑战。以及探讨未来在能源、医疗等行业潜在的市场机会和需要的技术方案。
汪达钦
【策推信息】CEO
简介:同济大学博士、东华大学管理学院副教授。上海策推信息技术有限公司总经理。主要研究方向是运筹优化算法在企业管理中的实践应用。
演讲标题:运筹优化的实践应用总结
摘要:分享运筹优化类项目的各种风险与避坑指南,讨论一个运筹算法工程师的自我修养。
赵晨阳
【矩阵起源】研发副总裁
简介:Clark University 硕士,曾在海外任职Google、Shopee高级研发工程师,负责遥感图像大数据/深度学习Pipeline及中台研发
演讲标题:基于OptiMUS的自动化建模与可视化求解系统: 从自然语言到优化模型的智能转换
摘要:优化问题在制造、分销和医疗等多个领域中普遍存在。然而,由于对专业知识的高要求,许多此类问题仍通过手工启发式方法而非最优解法来解决。为了降低优化工具和技术的应用门槛,我们提出了一个基于OptiMUS的自动化建模与求解系统。OptiMUS是一个结合大语言模型(LLM)和(混合整数)线性规划求解器的智能代理,能够从自然语言描述中自动构建和求解优化问题。本课题将展示如何利用OptiMUS从自然语言描述中提取信息,建立数学模型,编写并调试求解代码,评估生成的解决方案,并基于评估结果改进模型和代码。OptiMUS采用模块化结构处理问题,能够应对长描述和复杂数据。实验表明,OptiMUS在简单数据集上的表现超过现有最先进方法20%以上,在包括长复杂问题的新数据集(NLP4LP)上的表现超过30%以上。
赵玲
【驭策供应链】CEO
简介:曾任职于SAP中国研究院供应链计划方案架构师,SAP中国咨询经理。美国国际预测者协会IIF中国区唯一授权培训讲师,荷兰TFC橙色行动沙盘游戏认证黑带教练,中物联电子分会专家委员。畅销书《供应链三道防线》联合作,《卓越供应链计划:产销协同规划设计与实践》独立作者,为众多制造企业提供专业培训和咨询服务,并成效卓著。
演讲题目:从推拉结合到统筹优化,供应链决策技术质变时刻的到来
摘要:技术发展的突飞猛进已经有目共睹,供应链管理领域分段计划,来回拉扯,开会决策却依然是主旋律。但业务增长乏力使得产销冲突日趋激烈,传统推拉结合捉襟见肘。随着算力的发展,全新技术与全新业务模式的深入融合将催生全新的供应链决策智能,成为制造业产销协同真正的新质生产力。
苏涛
【高科数聚】首席科学家
简介:物理学博士,美国生物物理学会会员。曾在中国科学院和美国乔治华盛顿大学从事新型信息材料,复杂流体和细胞模拟、生物领域机器学习,高性能计算等方向的研究。2017年进入互联网行业,先后在多家公司致力于数学模型、算法、大数据分析和人工智能的业务应用。发表十多篇论文并拥有多项专利,曾在一些重要专著中撰写独立章节。曾获得多项企业级和政府级奖项。
沈兵
【谷斗科技】联合创始人
简介:负责资源智能优化协同平台及其模型产品的研发工作,有20余年工业软件及应用平台研发经历,在工业软件平台技术架构设计与研发、工业领域调度优化决策等方面具有丰富的经验。
演讲标题:谷斗资源智能优化协同平台优化引擎GDSolver及其应用
摘要:谷斗资源智能优化协同平台是一个创新的决策平台,除了提供强大的业务建模能力外,也提供了高性能的优化引擎GDSolver。例如针对生产排程的业务场景,为了应对业务约束规则的复杂多变性的挑战,结合多种元启发式算法的GDSolver应运而生。本报告主要介绍优化引擎的设计原理以及与实际业务场景结合的应用建模过程,基于不同的业务场景,业务模型通过使用引擎提供的DSL(领域特定语言)传入不同的约束对复杂问题求解,实现引擎的高度适应性和扩展性;优化引擎还基于并行技术对内核进行加速,提升问题的求解性能。
王翼
【AMD】AI Architect
简介:曾在英国知名近存计算半导体公司Graphcore担任资深机器学习软件(编译器)工程师; 目前在美国知名半导体 AMD 担任 AI 架构师;主要研究方向为大语言模型,以及具体大语言模型技术的视觉模型训练方向的软件栈优化。在这之前曾在滴滴出行新锐计划实习,参与大规模离散调度优化和算法实现,在Graphcore,百度期间研究了大规模 Bundle Adjustment IPU/GPU的优化计算(Semantic Visual Supported Odemetry, Pop3D)并实现了端到端的软件BA计算的数倍加速。
赖晓文
【清能互联】CTO
简介:清华大学电机系博士,高级工程师,北京清能互联科技有限公司CTO。主要从事电力系统调度优化、电力市场、综合能源规划运营等领域应用技术研究与实践工作,深度参与国内多个省级与区域电力现货市场规则设计、核心算法开发与运行,曾获中国电力科学技术进步一等奖、教育部科学技术进步一等奖。
演讲标题:面向国产替代的新型电力系统优化计算开放平台研究与实践
摘要:随着新型电力系统的发展,电力系统优化问题正在向规模更大、复杂性更高、耦合性更强的方向不断演变,计算精度和计算效率面临持续挑战。在核心技术国产自主可控的前提下,这一难题必须通过建立开放的合作环境与生态予以解决。本报告介绍新型电力系统优化计算开放平台,致力于为学科交叉、产研融合奠定技术基础。
报名须知
本届Workshop注册报名火热进行中,欢迎社会各界运筹学学者、从业者及爱好者前来参加此次会议,您可以通过扫描下方二维码,填写真实信息报名,付款成功后即可拿到会议门票(个人信息将会出现在会议胸牌上)。
报名资费标准如下:
早鸟报名已截止
早鸟票 | 普通票 | |
在读学生 | 500元 | 800元 |
非学生 | 1500元 (含8.3住宿) | 1800元 (含8.3住宿) |
注:(1)学生需提供在读学生证复印件;(2)学生价不含住宿,非学生价包含8月3日住宿,报名专员可协助与会者预定同酒店8月3-4日的住宿,价格约为400-450元/间/晚;(3)研讨会将提供免费茶歇、8月4日午餐和8月5日午餐。
8月5日圆桌讨论嘉宾招募中
为了进一步促进运筹学学界和业界的交流,本届workshop拟在8月5日上午举行题为“运筹学在生产企业中的应用落地”圆桌讨论。现招募3-4个运筹学【甲方】企业嘉宾参与圆桌分享讨论,包括但不限于制造、仓储、运输、供应链、能源等有运筹学应用场景的企业。咨询和报名请加微信:Robin_Sen。
主办方简介
【浙江大学管理学院】
浙江大学管理学院始建于1980年,是全国首个设立科学管理系的高校。学院在1986年获批管理科学与工程一级学科博士学位授予权,并于1998年、2001年分别获得企业管理和工商管理博士学位授予点。2006年通过AMBA认证,2015年通过AACSB和EQUIS三皇冠认证。学院以许庆瑞院士为核心,汇聚了众多国内外高端人才,致力于管理教学与研究。学院创建了多个创新项目,并与国际名校合作,正筹建中美商学院,打造全学科链的人才培养高地。
【上海交通大学安泰经管学院】
上海交通大学安泰经济与管理学院成立于1918年,是中国最早的商学院之一,见证并实践了中国高等教育的发展。学院在1928年设立国内首家管理学院,1984年恢复建制,2000年成为首家接受国际企业冠名的商学院,2008-2011年通过AMBA、EQUIS、AACSB三大国际认证。安泰经管学院拥有顶尖师资和生源,培养了大批杰出校友。其“工商管理”和“管理科学与工程”学科在教育部学科评估中获A+与A评级。学院积极开展国际合作,设立亚太中心并与全球顶级大学商学院合作,每两年召开“全球商学院长论坛”,致力于成为扎根中国的世界级商学院。
【浙江大学数据分析和管理国际研究中心】
浙江大学数据分析和管理国际研究中心成立于2016年,是校级跨学科研究机构,整合管理科学与工程、工商管理、计算机科学与技术等学科,专注于大数据研究。中心由斯坦福大学教授叶荫宇和浙大管理学院教授周伟华领导。设有七个研究所,并与全球顶尖大学和企业合作。中心以中青年科研团队为主,注重创新人才培养。使命是以数据为燃料,优化为引擎,创造智能美好世界,价值观为开放、协作、创新、包容,愿景是成为研究乐土、人才沃土和创新热土。