周明龙：找到打破数据驱动决策“优化者诅咒”的新方法
2023-06-06 11:25:00 - 封面新闻
封面新闻记者吴雨佳
在大数据时代，数据驱动的决策模型显得十分重要，正如“优化者诅咒”的理论所揭示，如果无法合理地考虑数据的不确定性，那么决策的实际表现可能会显著低于预期结果。
为了增加决策对于数据不确定性的鲁棒性，复旦大学管理学院管理科学系青年副研究员周明龙的最新研究提供了一种新的方法，即“目标鲁棒性优化模型”。
目标鲁棒性优化模型的模型超参数是一个预设的目标或者是一个表现指标，比如在企业中的一个成本预算或者一个目标利润。这类超参数在管理科学问题中极易解释和设置。
目标鲁棒性优化的目标函数就是基于这个目标定义的一种脆弱性测度，总结和概括了一类经济学中常见的满意度测度。在此目标函数下，优化模型会尽可能地在不确定性环境下达到预设的目标或者表现指标。这样的决策其实是非常符合管理科学问题中的一些决策标准的。
这个方法非常适合管理科学问题，因为它的决策准则其实就是尽可能地满足一系列表现指标。比如，在网约车的空车再分配问题里，我们要保证在一定时间内总体的服务水平要达到给定的程度；在手术室调度问题中，我们要尽可能地在安排完所有病人的前提下保证手术室不被超时使用；在住院预约调度里，我们要保证在一段时间内医院各种资源被超额利用的风险尽可能地降低；在机器学习预测问题里，应考虑到训练数据跟实际数据或者测试数据的分布之间是有偏差的，我们要尽可能在实际数据中达到一定程度的准确性。
他认为，拥有完整工业体系的中国是全球最适合管理运筹学科研究创新的国家之一。在上海以现代服务业为主体、战略性新兴产业为引领、先进制造业为支撑的现代产业体系中，有非常多具有中国特色的现实课题值得展开深入挖掘。中国的电商业态和共享经济正在被越来越多的国家接受和借鉴，这也证明中国在很多领域达成的“学术+市场”的应用场景已进入了国际化标准。