第二期运筹优化技术短期培训班通知(第一轮)

文摘   教育   2024-04-30 11:26   美国  


   第 二 期   

Operation Optimization

运筹优化技术短期培训班

第一轮通知

2024年7月15-20日

湖北宜昌(酒店待定)




培训班介绍


为了助力运筹优化领域初学者全面掌握关键技术,秦虎教授在2023年成功组织了首期运筹优化技术短期培训班,广受好评并获得了来自多所学校师生的积极反馈。基于去年的成功,今年我们决定举办为期6天共48学时的第二期培训班。为保证培训的高质量,我们将限定参与人数在100至200人之间。若报名人数低于100人,将不予举行本次培训;如报名人数超过200人,在满足必要基础条件的前提下,优先录取先报名的学员(即先到先得)。




培训时间安排


4月20日

报名开始

6月10日

报名截止

6月12日前

发放培训录取通知

6月15日前

推荐培训前的预习资料

7月14日

培训报到

7月20日

培训结束





学员必要基础


必须学过运筹学相关课程

01  


必须掌握一门或者多门编程语言

如C++,Java等

02  




报名方式及费用


1. 报名方式

有兴趣参加本期培训班的朋友请在2024年6月10日前将个人简历(学生需附上成绩单)发送至秦虎教授的邮箱:tigerqin1980@qq.com。提交的简历中应包括以下信息:姓名、工作或学习单位、教育背景、工作经历、已发表的论文(如有)、邮箱地址、电话号码及微信号等。我们将在2024年6月12日前通知最终入选的参与者,并发送录取通知。在满足必要基础条件的前提下,优先录取先报名的学员,以发邮件的时间为准。报名人数达到200人后会提前终止报名。



2. 报名费用

培训将在宜昌举行,住宿费用相对低廉,大约每晚200多元。为了降低学习成本,我们建议两名学员共住一间双床房。培训费为2600元,包含6天的培训、12餐自助餐,12次茶歇以及精美装订的彩印课件。我们会发布正式的培训通知,并为开具发票。




培训内容简介

对全程参加培训班的学员发培训结业证书

此次培训一共包含48学时,具体内容如下


2024年7月15日(8学时) 香港中文大学陈植助理教授讲授

鲁棒优化方法及其应用案例


2024年7月16日(8学时)  华中科技大学李锋教授讲授

调度优化算法设计与分析


2024年7月17日(8学时)  上海交通大学夏俊副研究员讲授

列生成与分枝定价算法及其应用


2024年7月18日(8学时) 西北工业大学李纪柳教授讲授

经典Benders算法、逻辑Benders算法及应用案例


2024年7月19日(8学时) 同济大学张真真副教授讲授

元启发式算法的高级应用及实现技巧


2024年7月20日(8学时)  深圳大学金波副教授讲授

迭代加深搜索算法在大规模组合优化问题中的应用(侧重讲授代码的实现技巧)




培训老师及内容详情

授课嘉宾(按报告顺序排列)



陈植博士,目前担任香港中文大学商学院助理教授,他的研究兴趣主要集中于:(1)面对不确定环境下的决策问题,针对不同数据可用性层次设计优化模型与求解算法,并应用于商业、经济、金融和运营等领域的实际问题;(2)探讨资源分配和风险管理等共同活动中的竞争与合作方式。他的研究成果发表在Management Science、Operations Research、Production and Operations Management、INFORMS Journal on Computing等旗舰期刊上。

个人网页:

https://www.bschool.cuhk.edu.hk/staff/chen-zhi/

课程题目

鲁棒优化方法及其应用案例

课程简介

回顾和梳理鲁棒优化方法的历史发展和前沿进展,通过详细讲解鲁棒优化方法在报童模型,定价模型,风险测度等经典案例中的应用,介绍鲁棒优化方法的思想内核和基础知识,以及如何利用Matlab/Python建模工具包快速部署鲁棒优化模型。




李锋,华中科技大学管理学院教授、博士生导师。主要研究方向为生产调度、物流优化、组合优化、算法设计与分析等。研究成果主要发表在Management Science(UTD 24期刊)、INFORMS Journal on Computing (3篇,UTD 24期刊)、Naval Research Logistics、European Journal of Operational Research、Transportation Research Part E等国际高水平期刊上。2019年入选湖北省“楚天学子”人才项目。

个人网页:

http://cm.hust.edu.cn/info/1763/24422.htm

课程题目

调度优化算法设计与分析

课程简介

通过详细介绍NP难证明、整数规划模型建立、最优算法设计、最坏情况分析、竞争比分析等内容,掌握调度问题的基础知识及优化方法,以及如何利用cplex商业求解软件求解整数规划模型。




夏俊博士,目前担任上海交通大学中美物流研究院副研究员,他的研究兴趣主要集中于大规模组合优化方法及其在物流与交通运输管理中的应用。他的研究成果发表在TS、TRB、NRL等期刊。 

个人网页:

http://www.sugli.sjtu.edu.cn/teacher1/2197.html

课程题目

列生成与分枝定价算法及其应用

课程简介

本课程将结合常见组合优化问题,介绍列生成和分枝定价算法的基本原理和应用过程,探讨列生成和分枝定价算法应用中常见的难点及其应对策略,并通过实例展示算法使用技巧。本课程还将分享当前与列生成算法相关的优化方法和研究主题。




李纪柳,西北工业大学教授、博士生导师。2015年本科毕业于中南大学。2020年博士毕业于华中科技大学。曾赴香港理工大学工业及系统工程学系从事博士后工作。2023年入职西北工业大学,并于次年入选陕西省青年人才计划。现任陕西省运筹学会常务理事。围绕我国“智慧物流”与“智能制造”的发展需求,擅长精确算法、强化学习等智能决策方法,长期从事物流网络设计、共享物流规划、生产管理调度等科学问题的研究。近年来以第一作者或通讯作者在国际顶级和重要期刊发表论文多篇,包括期刊INFORMS Journal on Computing (UTD 24)、Transportation Science、Transportation Research Part B/E和Omega。

个人网页:

https://teacher.nwpu.edu.cn/lijiliu

课程题目

经典Benders算法、逻辑Benders算法及应用案例

课程简介

本次报告回顾运筹学基本原理(线性规划极点、极射线概念、多面体表示以及对偶理论),重点讲解经典Benders和逻辑Benders的基本思想、基本框架、应用场景及优缺点,详细讨论Benders分解实现方案、加速策略以及结合其他算法结构(如列生成)的前沿用法,结合学术经验深度剖析当前关于该算法的研究重点与热点,并传授一些代码经验。




张真真,同济大学经济与管理学院副教授、博士生导师。入选上海市高层次人才计划(2019)。曾担任新加坡国立大学工业工程系助理教授,于香港城市大学管理科学系获得博士学位,厦门大学计算机科学系获得硕士和学士学位。长期致力于大规模整数规划和鲁棒优化的理论研究与算法设计,及在物流与运输规划、智能制造等方面的应用。目前已发表SCI/SSCI期刊论文20余篇,包括Operations Research、INFORMS Journal on Computing、Transportation Science、Transportation Research Part B等。现任管理科学与工程学会交通运输分会执行秘书长、世界交通大会货运规划与物流管理技术委员会委员、运筹学会随机服务与运作管理分会理事,并长期担任Operations Research,Transportation Science等30多个国际知名期刊的审稿人。

个人网页:

https://sem.tongji.edu.cn/semch/41389.html

课程题目

元启发式算法的高级应用及实现技巧

课程简介

本次报告回顾常见启发式算法(模拟退火、禁忌搜索、变邻域搜索、自适应大邻域搜索、遗传算法、蚁群算法等)的基本思想、框架、及优缺点,着重讨论一些前沿的解表示方法、加速策略、统一框架设计及相关应用,结合论文投稿经历详细介绍启发式算法研究的重点及代码经验。




金波,管理科学博士,深圳大学管理学院副教授,深圳市“孔雀计划”海外高层次人才(C类)。本科就读于浙江工业大学计算机科学与技术专业(自动化第二专业),曾获第34届国际大学生程序设计竞赛(ICPC)亚洲区哈尔滨站金牌(总排名第三)。2010年获得学士学位后,赴香港城市大学管理科学系任研究助理。2011年开始攻读博士学位,主要研究方向为港口码头作业优化。2015年获得博士学位后,先后于阿里、华为、南科大等企事业单位从事大数据分析和网络资源调度等方面的预研工作。2020年加入深圳大学管理学院,目前已于Omega、TRE、EJOR、COR等国际一流期刊发表第一作者和通讯作者论文数篇。

个人网页:

https://ma.szu.edu.cn/jsfc/jinbo.htm

课程题目

迭代加深搜索算法在大规模组合优化问题中的应用

课程简介

在大多数运筹优化研究中,我们需要设计启发式或精确算法来解决大规模组合优化问题。这些算法通常由多个重要模块组成,如下界、支配规则、列生成、行生成等。这些模块的计算效率对整个算法的计算效率有着重要影响。然而,大多数学术论文受篇幅所限只描述了算法的主框架或主过程,而忽略了实现细节。在本教程中,我将介绍目前最领先的求解集装箱翻箱问题的迭代加深搜索算法,并且重点介绍其使用的数据结构和加速技术。源代码将采用Java语言编写。


欢迎大家来到美丽的宜昌一起探索运筹优化的世界!


数据魔术师
有数据的地方,就有机遇
 最新文章