8月12-13浙江大学线下!「运筹OR帷幄」第二届运筹学与人工智能前沿应用研讨会火热报名中！

本文链接：https://blog.csdn.net/weixin_53463894/article/details/132086020

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
承办方
浙江大学数据分析和管理国际研究中心
运筹OR帷幄
地点
浙江省杭州市浙江大学（紫金港校区）管理学院C座一楼金色大厅
会议时间
2023年8月12日-13日
（8月11日18:00-20:00签到）
形式
Hybrid（线上线下融合）

2023.08.12-13，『运筹OR帷幄』联合浙江大学管理学院，在浙江大学（紫金港校区）举办第二届“运筹学与人工智能在业界的前沿应用”Workshop，邀请业界人士畅谈运筹学与人工智能在业界的前沿应用。

届时，国内外运筹学应用前沿的知名企业家、专家、学者将汇聚一堂。来自不同领域的16位重磅嘉宾，愿与大家分享和探讨大数据背景下的运筹学算法的实际应用，为广大学者和大数据从业者提供一场“运筹学盛宴”~

本次活动为期2天，活动分为4个半天，每半天中间安排一次茶歇(含: 企业展示&招聘)，给你充分的机会social和network行业大佬，投出简历~

日程安排

2023年度OR企业评选详细信息，参见:

网络投票：选出你心中的年度OR企业！| 完整参选企业名单

嘉宾概览

演讲嘉宾

按字母顺序排列

演讲人：David Simchi-Levi

简介：David Simchi-Levi is a Professor of Engineering Systems at MIT and serves as the head of the MIT Data Science Lab. He is considered one of the premier thought leaders in supply chain management and business analytics.

His Ph.D. students have accepted faculty positions in leading academic institutes including U. of California Berkeley, Carnegie Mellon U., Columbia U., Cornell U., Duke U., Georgia Tech, Harvard U., U. of Illinois Urbana-Champaign, U. of Michigan, Purdue U. and Virginia Tech.

Professor Simchi-Levi is the current Editor-in-Chief of Management Science, one of the two flagship journals of INFORMS. He served as the Editor-in-Chief for Operations Research (2006-2012), the other flagship journal of INFORMS and for Naval Research Logistics (2003-2005).

In 2023, he was elected a member of the National Academy of Engineering. In 2020, he was awarded the prestigious INFORMS Impact Prize for playing a leading role in developing and disseminating a new highly impactful paradigm for the identification and mitigation of risks in global supply chains.

He is an INFORMS Fellow and MSOM Distinguished Fellow and the recipient of the 2020 INFORMS Koopman Award given to an outstanding publication in military operations research; Ford Motor Company 2015 Engineering Excellence Award; 2014 INFORMS Daniel H. Wagner Prize for Excellence in Operations Research Practice; 2014 INFORMS Revenue Management and Pricing Section Practice Award; and 2009 INFORMS Revenue Management and Pricing Section Prize.

He was the founder of LogicTools which provided software solutions and professional services for supply chain optimization. LogicTools became part of IBM in 2009. In 2012 he co-founded OPS Rules, an operations analytics consulting company. The company became part of Accenture in 2016. In 2014, he co-founded Opalytics, a cloud analytics platform company focusing on operations and supply chain decisions. The company became part of the Accenture Applied Intelligence in 2018.

报告题目：Reinventing Operations Management’ s Research and Practice with Data Science

报告摘要：Machine learning is playing increasingly important roles in decision making, with key applications ranging from dynamic pricing and recommendation systems to personalized medicine and clinical trials. While supervised machine learning traditionally excels at making predictions based on i.i.d. offline data, many modern decision-making tasks, in particular in operations management, require making sequential decisions based on data collected online. Such discrepancy gives rise to important challenges of bridging offline supervised learning and online interactive learning to unlock the full potential of data - driven decision making.The presentation will focus on the integration of online and offline learning to improve decision making in operations management. We highlight three examples. In the first, we consider the challenges of reducing difficult online decision-making problems to well-understood offline supervised learning problems. In the second, we show the impact of offline data on online decision making. Finally, in clinical trials, we show how to convert offline randomized control trials into adaptive, online, experimental design.

演讲人：胡浩源

简介：菜鸟人工智能部负责人，主导建设了greed solver大规模决策优化求解平台和朱雀大语言模型应用平台。

报告摘要：介绍运筹优化在物流领域的应用点，包括技术课题的展开和应用实践的场景。以及大语言模型在管理科学中的实践。

演讲人：梁哲

简介：现任同济大学经管学院教授、同济厦航算法联合实验室主任。本科毕业于新加坡国立大计算机工程系、硕士毕业于新加坡国立大学工业与系统工程系、博士毕业于新泽西州立大学工业工程系。研究主要集中在航空运营管理。在JOC，TS，TRB等期刊发表论文40余篇。2014年获得国家自然科学基金优秀青年基金的资助，2018年获得国家杰出青年基金资助，2019年获上海市学术带头人。团队研发的航班恢复系统、机组排班系统已经在厦航、东航、川航、顺丰等航空公司实际应用并产生一定经济效益。

报告题目：数智化航空货运运营管理

报告摘要：航空业是数字化转型的典型行业，然而，我国航空货运的数智化转型还有较大提升空间。报告主要介绍我国航空货运数智化转型中一系列亟待解决的问题，包括智能货运机队和飞机编排、智能航空货运恢复、智能货运飞机配载等问题。结合算法的数字化智能决策系统已经在顺丰航空、圆通航空、京东航空等多家民航企业落地使用，产生了一定经济和社会效益。相关研究也可以为其他行业，例如铁路、海运、城市物流，提供一定借鉴。

演讲人：陆学华

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。

报告题目：An integrated approach to airline crew recovery problem

报告摘要：In a regular situation, airline crews carry out their roster lines published by crew planners in monthly basis. But bad weather, mechanical problems, ground delays, crew unavailability, etc. can disrupt the execution. The primary goal of crew recovery is to repair disrupted roster lines while making sure all flights have the crews needed to operate them and return the airline back to normal operations as quickly and efficiently as possible. In most cases, the model would be overwhelmingly massive and complex if all the alternatives are taken into account. In this presentation, we introduce the crew recovery problem in the context of airline business process, present the basic formulation of the optimization model and the idea to solve it in a realistic timeframe.

演讲人：王梦迪

简介：Mengdi Wang received her Ph.D. in Electrical Engineering and Computer Science from Massachusetts Institute of Technology in 2013. At MIT, Mengdi was affiliated with the Laboratory for Information and Decision Systems and was advised by Dimitri P. Bertsekas. Mengdi joined Princeton University in 2014. She received the Young Researcher Prize in Continuous Optimization of the Mathematical Optimization Society in 2016 (awarded once every three years), the Princeton SEAS Innovation Award in 2016, the NSF Career Award in 2017, the Google Faculty Award in 2017, and the MIT Tech Review 35-Under-35 Innovation Award (China region) in 2018. She is currently serving as an associate editor for Operations Research.

Her research interests on data-driven optimization, reinforcement learning, statistical dimension reduction and system identification. Mengdi’s research group studies the statistical and algorithmic foundation of reinforcement learning and sequential decision-making, as well as their applications in finance, operations research and biomedical research.

报告题目：Reward-Directed Conditional Diffusion: Provable Distribution Estimation and Reward Improvement

报告摘要：We explore the methodology and theory of reward-directed generation via conditional diffusion models. Directed generation aims to generate samples with desired properties as measured by a reward function, which has broad applications in generative AI, reinforcement learning, and computational biology. We consider the common learning scenario where the data set consists of unlabeled data along with a smaller set of data with noisy reward labels. Our approach leverages a learned reward function on the smaller data set as a pseudolabeler. From a theoretical standpoint, we show that this directed generator can effectively learn and sample from the reward-conditioned data distribution. Additionally, our model is capable of recovering the latent subspace representation of data. Moreover, we establish that the model generates a new population that moves closer to a user-specified target reward value, where the optimality gap aligns with the off-policy bandit regret in the feature subspace. The improvement in rewards obtained is influenced by the interplay between the strength of the reward signal, the distribution shift, and the cost of off-support extrapolation. We provide empirical results to validate our theory and highlight the relationship between the strength of extrapolation and the quality of generated samples.

演讲人：文再文

简介：北京大学北京国际数学研究中心教授，主要研究最优化算法与理论及其在机器学习和人工智能中的应用。2016年获中国青年科技奖。2020年获国家万人计划科技创新领军人才，现为中国运筹学会常务理事，中国运筹学会数学规划分会副理事长，以及期刊“Journal of Scientific Computing”, “Journal of the Operations Research Society of China”, “Journal of Computational Mathematics”, “Communications in Mathematics and Statistics”的编委和“Mathematical Programming Computation”的技术编委。

报告题目：A Monte Carlo Policy Gradient Method with Local Search for Binary Optimization

报告摘要：Binary integer programming problems are ubiquitous in many practical applications, including the MaxCut and cheeger cut problem, the MIMO detection and MaxSAT, etc. They are NP-hard due to the combinatorial structure. In this talk, we present a policy gradient method using deep Monte Carlo local search to ensure sufficient exploration in discrete spaces. The local search method is proved to improve the quality of integer solutions and the policy gradient descent converges to stationary points in expectation. Numerical results show that this framework provides near-optimal solutions efficiently for quite a few binary optimization problems.

演讲人：印卧涛

简介：印卧涛博士负责阿里巴巴-达摩院-决策智能实验室的研究与开发工作。带领实验室发布了MindOpt优化求解器，并使用机器学习和运筹优化技术，大大提升了阿里云的计算效率、南方电网在新能源背景下的调度效率。在加入达摩院之前，印卧涛是UCLA数学系终身教授，在分布式计算、优化算法、机器学习、图像处理的理论和应用方面取得了系统性的创新成果。曾获NSF CAREER奖、Sloan研究奖、晨星应用数学奖、达摩奖、Egon Balas奖，以及多个最佳论文奖。自2018起被Clarivate Analyese列为世界1%高引学者。

报告题目：如何利用图神经网络求解混合整数线性规划

报告摘要：这个报告将深入探讨GNN（图神经网络）和数学优化之间的迷人关联。我们近期发现，只要将LP（线性规划）定义在特定的图上，GNNs就可以去判断LP问题的可行性并以任意精度进行求解。为了将这个令人惊讶的结果扩展到MILP（混合整数线性规划）上，我们分析了GNNs的局限性并证明：只要对foldable的MILP的对称性进行预处理，GNNs就可以去判断MILP问题的可行性并以任意精度进行求解。

这些发现不仅加深了我们对GNNs表达能力的理解，而且为这些深度学习模型在解决连续和组合优化问题中的应用开辟了新的途径。

演讲人：袁晓明

简介：现任香港大学数学系教授、系主任。主要研究领域是优化问题算法及理论、最优控制问题、云计算与人工智能问题的建模与计算。2023年与华为云合作获得Franz Edelman Award（finalist）。先后于2017年、2018年、2021年入选 Clavivate Analytics高被引学者。

报告题目：云计算中的运筹学模型和计算

报告摘要：我们将讨论云计算的一些重要问题，包括虚拟机发放、直播的带宽调度、以及物理引擎（数字人、游戏）等。我们将分析这些问题的关键运筹学模型、优化技术、计算以及仿真，并简单探讨将来的研究方向。

演讲人：赵磊

简介：赵磊博士，清华大学工业工程系运筹学与数据科学研究所教授，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。近年来主要从事随机优化方法及其在供应链风险管理、物流和运输管理（特别是超大型城市中的物流配送管理）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、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期刊副编，现任Transportation Science期刊副编和Transportation Research Part E期刊编委。

报告摘要：TBD

圆桌嘉宾

按字母顺序排列

分享嘉宾1：丁思涵

简介：教育背景：国内非一流大学应用数学专业，后在荷兰阿姆斯特丹完成了运筹学硕士和博士的学位。

工作背景：现任 Data scientist manager；博士期间兼职担任荷兰国防部和荷兰某咨询公司数据和analytics顾问；曾入职埃森哲数据科学咨询部门，后跳槽至Google爱尔兰欧洲总部，任职高级数据科学家。2019年回国任职谷歌中国Analytics lead。

分享嘉宾2：覃含章

简介：现为新加坡国立大学（NUS）工业系统工程与管理系助理教授，运筹OR帷幄社区联合创始人。麻省理工学院（MIT）计算与工程博士，清华大学工业工程与数学双学士。研究方向为数据驱动方法在运作管理、供应链与物流管理、和交通系统中的应用。

分享嘉宾3：周伟华

简介：浙江大学求是特聘教授、管理学院教授、博士生导师、教育部青年长江学者。曾入选教育部新世纪优秀人才、浙江省151人才第一层次、浙江大学求是青年学者、浙江省之江青年学者、唐仲英青年学者等人才项目。现任浙江大学数据分析和管理国际研究中心主任、浙江大学“大数据＋分析和管理”创新团队首席专家、浙江省高校水平创新团队“数据分析和管理”负责人、浙江大学-麻省理工学院“食品供应链系统化风险管理”项目中方负责人。

主要研究聚焦于数据智能、供应链管理与决策、供应链金融与区块链。相关研究成果获国内外顶级刊物《Management Science》《Operations research》《Production and Operations Management》《Manufacturing & Service Operations Management》《管理科学学报》《管理工程学报》等发表，并于2022年入选ESI高被引论文。

主持包含国家自然科学基金重大项目课题、重点项目、科技部重点研发计划项目课题等在内的国家级课题7项，国家部委、各级政府及企业项目20余项。研究成果获教育部高等学校科学研究优秀成果奖三等奖、浙江省科技进步奖三等奖、浙江省哲学社会科学优秀成果奖二等奖、浙江大学2021年度学术创新奖、2019 INFORMS 服务科学大会最佳论文奖第一名、浙江大学2019年度十大学术进展提名奖等。

报名通道及报名须知

本届Workshop的报名通道分为普通通道和知识星球会员通道（立减200元，知识星球内获取报名方式）两种。

01普通报名通道

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，您可以通过一般通道参与报名，填写真实信息报名，审核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）。

02知识星球会员通道

汇聚全网分散的资源，倡导同行交流，寻找志同道合的伙伴，知识星球基于【运筹OR帷幄】社区60多个算法相关细分专业的硕博微信群和5个千人QQ群，以及全网80w+专业受众。

欢迎对运筹学、人工智能感兴趣的小伙伴加入【运筹OR帷幄】知识星球，通过知识星球会员通道报名我们的活动，可获得立减200元的福利，感恩支持我们的知识星球会员！

请扫码下方二维码，加入【运筹OR帷幄】知识星球年费会员，查看相应贴子进入会员报名通道，并解锁一整年会员权益！

报名费用

报名资费标准如下：

报名截止时间

2020-08-09 23:59:00

学生		500元
学生（知识星球会员）		300元
非学生		1000元
非学生（知识星球会员）		800元

注：学生需提供在读学生证复印件，知识星球会员需提供知识星球ID及名称。

开发票

如需报销：

点击需要发票，并提供需要的发票类型及其它发票信息（发票抬头、税号等）

浙大食堂不允许校外人员就餐，参会人员可自行选择是否在浙大食堂用餐，且费用需与报名费一并提交。浙大食堂餐券预订统计截止至8月6日中午12时，餐券即订即得，不予退订也无法补订。请各位在报名的时候根据需求按选项仔细选择~

线上直播(无需注册付费收看)

本次会议将会在视频号同步直播

关注运筹OR帷幄旗下

专注招聘的公众号运筹Offer

后台回复 “2023workshop”

获取直播信息

主办方

【浙江大学管理学院】1980 年，原浙江大学在全国率先成立科学管理系。1986 年，原浙江大学获批“管理科学与工程”一级学科博士学位授予权，是全国第一批管理类学位授予点。1998 年，获批企业管理博士学位授予点。1999 年，四校合并后，新浙江大学管理学院组建。新时代，以两个率先获得的双一流学科为基础，踏上了建设世界一流中国管理学院的新征程。2001 年，获批工商管理一级学科博士学位授予点。2006 年，国内首家通过 AMBA国际认证，至 2015 年，通过 AACSB、EQUIS、AMBA 三皇冠认证；国内首家获批“创业管理”博士学位授予权。2017 年，管理科学与工程进入国家“双一流”建设学科名单。

浙江大学管理学院以许庆瑞院士为旗帜，汇聚了包括长江学者特聘教授、国家级“万人计划”领军人才、浙江大学文科资深教授、浙江省特级专家、浙江大学求是特聘教授、浙江大学文科领军人才、国家杰出青年基金获得者、教育部新世纪人才等 21 人次，以及一大批在各个学科领域开拓创新、继往开来的青年才俊队伍。学院以双优的一级学科为依托，汇聚国际国内高端人才，为中国的管理教学与研究开拓前行。

作为中国大陆首家获得国际权威认证的管理学院，浙江大学管理学院目前已经通过包括 AACSB、EQUIS、AMBA、CEEMANIQA 在内的国际认证和中国高质量 MBA 教学认证。

学院创建了中国首个全球创业管理项目 --GEP，首个制造与供应链领域双学位硕士项目 --GMSCM，首个面向一带一路的管理类项目 --PIEGL，成为中国首家加入 QTEM (Quantitative Techniques forEconomics and Management) 硕士网络的管理学院，并于斯坦福、剑桥、MIT 等建立了一批联合研究中心。学院正筹建中美商学院，致力于打造以本科生教育为突破的全学科链的人才培养高地。

承办方

【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是 2016 年正式组建的校级跨学科研究机构。中心综合了管理科学与工程、工商管理、计算机科学与技术、控制科学与工程、心理学、医学等多个学科的师资队伍，聚焦于应用导向的大数据研究。

研究中心聘请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杰出终身教授叶荫宇任中心外方主任。浙江大学管理学院周伟华教授担任中方主任，华中生教授、刘渊教授、杨翼教授担任中心副主任。

研究中心目前设立 7 个专业研究所，包括数据驱动决策研究所、数据营销研究所、数据治理研究所、智慧医疗研究所、数据分析和可视化研究所、数字资产和区块链研究所、政务大数据研究所。

研究中心已经建立了广泛的国际合作研究网络，包括来自美国斯坦福大学，美国麻省理工大学，加拿大多伦多大学等机构的研究者。同时拥有大量深入的企业合作伙伴，包括阿里巴巴、IBM、个推、铜板街、温州中津先进研究院、览众数据、云象区块链、数智政通等。

本中心是以中青年为主力、具有高科研水平的新型国际合作研究团队，年龄与知识结构合理，朝气蓬勃、锐意进取。本中心各研究所非常重视学生的培养和指导，对学生培养模式进行了创新，建立了持续性创新人才培养模式，带领学生开展交叉学科领域的研究探索。在良好的团队学术氛围下，团队在人才培养上成效显著，很多学生都在世界各地的企业、政府、教育机构等单位上发挥着重要作用。

研究中心的使命：以数据为燃料，以优化为引擎，创造更智能、更有趣、更美好的世界。研究中心价值观：开放、协作、创新、包容。研究中心愿景：致力于成为研究的乐土、人才的沃土与创新的热土。