近日，东北财经大学现代供应链管理研究院朱桃增副教授的合作论文“Optimize-via-Estimate: How to Make Finite-Sample Corrections for Sampling Uncertainty in Data-Driven Optimization”被国际顶级期刊Operations Research 正式接收发表，该论文合作者为英国杜伦大学Gar Goei Loke副教授、香港科技大学（广州）Ruiting Zuo助理教授。
该研究针对数据驱动优化中参数不确定性与采样不确定性所带来的挑战，提出了一种新的有限样本校正方法，旨在提升数据驱动决策的样本外表现。在数据驱动优化问题中，决策者通常需要利用有限的历史数据构建决策方案，并通过该方案在抽样分布产生的同规模数据集上的平均表现来衡量其样本外性能。然而，当真实分布属于一个参数未知的分布函数族时，决策者无法获知真实参数，故而无从得知其抽样分布及其诱导的样本外性能，从而该问题本身是定义不当的（ill-defined）。研究进一步证明，不存在对所有参数均具有泛化最优性的解。针对这一问题，研究将原问题重新表述为一个加权多准则优化问题，利用未知参数的先验分布刻画不同参数取值的重要性，并据此定义先验最优解（prior optimal solution）。在此基础上，研究建立了先验最优性的理论条件，证明相关条件可以通过参数的充分统计量来刻画，进一步提出一种逐点优化的求解方法。该方法通过对原始目标函数进行适当校正，同时考虑参数不确定性与采样不确定性的影响，从而获得先验最优解。最后，研究通过报童问题和投资组合优化问题开展数值实验，验证了该方法在有限样本条件下校正不确定性影响的有效性。
Operations Research 期刊作为管理学UTD24期刊之一，在国际管理学界享有极高的学术声誉。此项研究是以东北财经大学现代供应链管理研究院为署名单位发表的第28篇国际顶级杂志（UTD24）研究成果。研究院始终坚持高质量科研成果创新，目前取得了人均发表UTD24期刊文章1.75篇，平均每人获批一项国家自然科学基金项目的瞩目成绩。未来，研究院将继续加强高水平科研交流平台建设，推动科研工作高质量发展，以更高的国际化视野来服务学校工商管理一级学科和“双一流”建设，持续提升学校在该领域内的国际学术、资政建言和社会服务等方面的影响力。
撰稿：李青君 审核：张颖 单位：现代供应链管理研究院
中文域名：东北财经大学.公益 辽ICP备 05022350号-12 | 英文域名：www.dufe.edu.cn 辽ICP备05022350号-3
网站声明
|
东北财经大学网络不良信息举报邮箱：advice@dufe.edu.cn
