2023年11月30日20:00至22:00（北京时间），交通运输经济学顶刊Transportation Research Part E: Logistics and Transportation Review联合主编、香港理工大学Shuaian Wang教授应邀作了题为“Prescriptive analytics for logistics and transport system management: state-of-the-art development”的专题讲座。该讲座是第十一届“运输与时空经济论坛”国际会议之交通运输经济学主编面对面的第四场专题讲座，由太阳集团www0638和爱思唯尔集团共同主办，通过ZOOM在线会议、爱思唯尔视频号及服务号同步全球直播。第四场讲座由太阳集团www0638付婷婷讲师主持。会议吸引了4779位观众在线参与，其中ZOOM会议室参会74人，爱思唯尔观看4705人次。

Transportation Research Part B: Methodological主编专题讲座开启

太阳集团www0638付婷婷老师主持

Shuaian Wang教授现任香港理工大学教授，之前曾任教于美国奥多明尼大学和澳大利亚卧龙岗大学。Shuaian Wang教授的研究方向是航运大数据、绿色航运、航运营运管理、港口规划与营运、城市交通网络建模、以及物流与供应链管理，已在 Transportation Research Part B、Transportation Science、Management Science 和 Operations Research 等刊物上发表四十余篇论文。Shuaian Wang教授现任Transportation Research Part E联合主编，也是Cleaner Logistics and Supply Chain及Communications in Transportation Research的主编、Flexible Services and Manufacturing Journal、Transportmetrica A和Transportation Letters的副主编、Transportation Research Record的责任编辑、Transportation Research Part B编委、Maritime Transport Research编委。

在本次讲座中，Shuaian Wang教授以“Prescriptive analytics for logistics and transport system management: state-of-the-art development”为题探讨了当目标函数涉及未知参数时，如何通过机器学习方法进行预测。Shuaian Wang教授首先介绍了在确定性优化问题中使用机器学习方法的背景和动机，他指出数据有限使得预测存在误差，这会对优化模型的决策产生不利影响。接着，他针对目标函数在未知参数上是线性的情况，介绍了使用“predict-then-optimize”（SPO）框架的不同方法。Shuaian Wang教授认为更好的预测模型并不一定必然带来更好的决策，他推荐使用端到端优化（End-to-end Optimization）方法，运用决策损失函数进行超参数调整。他以学习排序问题和船舶选择问题为例，展示了如何使用不同的损失函数进行建模。随后，Shuaian Wang教授介绍了在目标函数中涉及非线性未知参数的情况下对边际分布进行预测的方法，包括树模型和分位数回归方法、以及基于预测误差的方法。Shuaian Wang教授阐释了线性目标函数和非线性目标函数的不同处理方式，他强调在有限数据情况下并没有一种通用的最佳方法，应当根据具体问题比较不同方法的性能。

Shuaian Wang教授分享最新研究成果

随后，东南大学黄迪副教授和清华大学王凯助理教授分别进行了点评。黄迪副教授主要围绕着“predict-then-optimize”（SPO）框架与Shuaian Wang教授展开深入的探讨，包括：在制定SPO模型时如何构建决策误差的损失函数、是否存在一般范例；预测-之后优化（predict-then-optimiz）、鲁棒优化（Robust Optimization）与随机规划（Stochastic Programming）之间的关系；SPO框架对于复杂优化模型的适用性。Shuaian Wang教授最后还就模型的设定与黄迪副教授进行了进一步的交流。

东南大学黄迪副教授精彩点评

王凯助理教授表示，他赞同Shuaian Wang教授的观点，最佳预测并不一定意味着最佳决策，需要关注决策误差，不能仅仅关注预测误差。王凯助理教授认为，无论是Predict-then-Optimize方法、还是End-to-end Optimization方法，都可能存在着无法提供完全信息最优决策的情况，就此他与Shuaian Wang教授交流了一些有发展前景的方法。王凯助理教授还提供了一些实际应用案例，例如针对物流领域的车辆-仓库分配问题，通过两阶段决策解决不确定顾客的需求，并给出了基于历史数据和决策数据的一般性的条件优化设置模型。

清华大学王凯助理教授精彩点评

在本次讲座中，Shuaian Wang教授聚焦“Prescriptive analytics for logistics and transport system management: state-of-the-art development”这一主题，探讨了在交通运输系统管理中的预测分析技术。他特别关注了基于端到端优化（End-to-end Optimization）的方法，强调了预测误差对最终决策带来的影响，并就解决非线性目标函数挑战提出了解决方案，令参会者受益匪浅。两位特邀点评人黄迪副教授和王凯助理教授在总结这一前沿研究的内容与贡献之后，先后提出很多有价值的问题，为参会者提供了更多的思考层面与维度。与会嘉宾与参会人也在“问题与回答”环节进行了充分的交流。严谨的最新研究、精准的同行点评、多维的参会互动，很好地为参加本次讲座的全部人员提供了彼此学习与共同受益的机会，至此，第四场主编专题讲座圆满结束。