讲座题目：数据驱动的决策算法与理论：先估计后优化与联合估计优化

主讲人：毛小介 清华大学经济管理学院

时间：2024年3月29日10:00

地点：学院513

主办单位：武汉大学经济与管理学院管理科学与工程系

内容摘要：

本次报告将讨论一类称为contextual stochastic optimization (CSO)的优化决策问题。此类决策问题涉及一些不确定参数（如需求），需要根据其他特征变量（如产品特征）进行预测或估计。目前有两类常见的处理CSO问题的范式：一类称为先估计后优化（estimate-then-optimize），即先使用标准的机器学习或统计方法估计不确定参数的分布或者预测其取值，然后利用估计或者预测的结果求解相应的优化问题；另一类称为联合估计优化（integrated-estimation-and-optimization），即在估计步骤之中直接考虑下游的决策目标，实现估计和优化的协同。本报告将从算法和理论两个角度介绍这两类范式的一些研究成果。在报告的第一部分，分享人将介绍一种称为随机优化森林（stochastic optimization forests）的联合估计优化算法。该算法通过直接优化决策问题来构建决策树（decision trees），与传统的预测导向的决策树及随机森林算法形成了鲜明对比。在报告的第二部分，分享人将介绍在线性优化问题中发现的一些有意思的理论结果：尽管联合估计优化方法更加直接地处理决策问题，但是其决策悔恨值（decision regret）可能在一些情况下比更加简单的先估计后优化的方式收敛速度更慢。该理论分析展示了估计和优化结合的复杂性。

主讲人简介：

毛小介，清华大学经管学院管理科学与工程系，博士，国家级青年人才项目获得者。2016年获武汉大学数理经济与数理金融学士学位，2021年获得美国康奈尔大学统计与数据科学博士学位。主要研究方向为因果推断、数据驱动的决策理论与方法。相关研究成果发表于Management Science、Operations Research、Journal of Machine Learning Research、NeurIPS、ICML、AISTATS、COLT等国际知名学术期刊和学术会议。现主持国家自然科学基金优秀青年科学基金项目和青年科学基金项目，参与国家自然科学基金重大项目和科技部科技创新2030-重大项目等。