根据OR期刊官网显示，由新加坡国立大学商学院Melvyn Sim教授，南洋理工大学商学院汤勤深助理教授，复旦大学管理学院周明龙助理教授，东北财经大学现代供应链管理研究院朱桃增副教授合作的论文“The Analytics of Robust Satisficing: Predict, Optimize, Satisfice, Then Fortify”发表于UTD-24顶级期刊《Operations Research》！
Title: The Analytics of Robust Satisficing: Predict, Optimize, Satisfice, Then Fortify
标题：稳健满意化分析：预测、优化、满意化，然后强化
相关数据
作者简介
About the Author
Melvyn Sim
新加坡国立大学商学院
汤勤深
南洋理工大学商学院
周明龙
复旦大学管理学院
朱桃增
东北财经大学现代供应链管理研究院
摘要
Abstract
摘要
我们引入了一种新颖的规范分析方法，利用稳健满意化技术，在分布模糊性和参数估计不确定性的情况下确定最优决策。我们的决策模型依赖于一个包含不确定参数的奖励函数，这些参数可以通过可用的辅助信息进行预测。然而，线性预测模型的准确性取决于从可用数据中推导的回归系数估计的质量。为了在分布模糊性下实现预期的脆弱度水平，我们首先解决了一个基于残差的稳健满意化模型，其中使用回归残差构建估计的经验分布，并相对于“预测然后优化”的目标值设定目标。在估计不确定性的情况下，我们随后解决了一个估计强化的稳健满意化模型，该模型最小化估计不确定性的影响，同时确保解决方案在实现一个较不具雄心的防守目标时最多保持相同的脆弱度水平。我们的方法得到了统计学上的支持，并为不同场景提出了可行的模型，例如鞍形函数、两阶段线性优化问题和与决策相关的预测。我们通过案例研究证明了该方法的有效性，案例包括一个葡萄酒投资组合问题和一个多产品定价问题，使用了实际数据。我们的数值研究表明，该方法在实现更高预期回报和更低风险方面优于“预测然后优化”方法，特别是在评估实际分布时。值得注意的是，在数据有限的情况下，我们观察到相较于基准方法的显著改进。
顶刊数据展示
高级、永久会员数据展示
