2025年1月9日、10日，Workshop on Simulation, Optimization and Learning学术研讨会在上海交通大学安泰经济与管理学院举行。本次学术研讨会以仿真技术、运筹优化、机器/统计学习及其融合发展为主题，邀请了国内外学术界与业界专家共同探讨相关理论融合过程中的机遇与挑战。此次研讨会吸引了超两百位观众。

研讨会开幕式由上海交通大学安泰经济与管理学院副院长朱庆华主持，安泰经济与管理学院院长陈方若为研讨会致开幕辞。他对Workshop on Simulation, Optimization and Learning的召开表示祝贺，并代表学院对各位嘉宾及参会者表示热烈的欢迎。他指出，在当今快速变化的世界中，仿真技术、运筹优化和机器/统计学习是推动管理科学前沿发展的核心技术。他表示，安泰经管学院在管理科学领域的研究一直致力于理论与实践的深度融合，这不仅是实现创新的关键因素，也与学院秉持的“纵横交错，知行合一”的发展战略相辅相成。

1月9日上午的议程分别由上海交通大学安泰经济与管理学院副院长、讲席教授朱庆华、特聘教授万国华和特聘教授郑欢主持。

意大利博科尼大学决策科学系系主任、教授Emanuele Borgonovo通过视频发表了题为“Global Sensitivity Analysis with Optimal Transport”的主旨演讲。他首先强调了敏感性分析在理解机器学习模型和仿真中变量重要性的关键作用，讨论了传统度量如相关系数和Sobol指数的局限性。Borgonovo教授介绍了基于最优传输框架的新型全局敏感性度量方法，该方法具备零独立性和最大功能性，适用于大数据集，并分享了其在气候模型、火星返回计划和能源系统等领域的应用实例。

复旦大学管理学院弘毅讲席教授胡建强发表了题为“Blackbox Stochastic Optimization”的主旨演讲。他针对黑箱随机优化问题，提出了成本效益更高的解决方法。传统仿真优化需要详细的系统信息，但获取这些信息往往成本高昂。以“第一价格”密封拍卖为例，传统经济学方法依赖于估计拍卖者估价分布和效用参数后进行网格搜索。胡教授团队则开发了一种适用于在线场景的新算法，该算法能够同时进行估计和搜索，并且具有强收敛性。

明尼苏达大学工业与系统工程系教授洪流发表了题为“Fast Discrete-Event Simulation of Markovian Queueing Networks through Euler Approximation”的主旨演讲。他介绍了离散事件模拟（Discrete Event Simulation）的背景，指出大规模离散事件系统在实时决策中面临事件数量庞大和复杂交互的挑战。受欧拉近似方法在连续随机过程仿真中的启发，他提出将此方法应用于离散事件系统的模拟，探讨了其在单站队列和多层队列网络中的应用，并分析了近似误差。通过数值实验，验证了欧拉近似方法的有效性及其对大规模和非马尔可夫系统的适用性和扩展性。

1月9日下午的议程分别由上海交通大学董浩云智能制造与服务管理研究院副院长、教授耿娜、安泰经济与管理学院副教授宋颖达、董浩云智能制造与服务管理研究院副研究员沈海辉、董浩云智能制造与服务管理研究院助理教授王修贤和香港城市大学教授刘光梧主持。

纽约大学斯特恩商学院技术、运营与统计系主任、教授张家伟发表了题为“Degeneracy is ok: Logarithmic regret for network revenue management with indiscrete distributions”的主旨演讲。他介绍了针对经典收益管理问题中非退化假设的挑战，研究团队设计的一个在线算法。该算法仅需假设概率密度在0附近有界，即可实现O(log²T)的遗憾界。若引入二阶增长假设，遗憾界可进一步优化至O(log T)。

香港城市大学商学院管理科学系教授刘光梧发表了题为“Sequential Sampling for Nested Simulation”的主旨演讲。他介绍了团队在嵌套随机仿真（Nested Simulation, NS）领域的重要进展，该方法广泛应用于衍生品资产组合风险度量。针对内外层样本获取费时的问题，团队提出了一种样本驱动的方法，在有限采样预算下优化了样本分配，并证明了嵌套仿真估计量的中心极限定理。

新加坡国立大学商学院工业系统工程与管理系副教授王桐发表了题为“AI + Digital Twin for Industrial Systems”的主旨演讲。他分享了在阿里巴巴的工作经验，指出当前大语言模型不适用于工业系统的原因在于它们只能获取知识，而无法学习到结合了知识与经验的专业技能，因为现有数据未保存决策逻辑。他进一步提出，AI与数字孪生的结合可以在无需高昂实验成本的情况下加速测试极端场景，是未来工业系统发展的可行方向。

香港科技大学工程学院工业工程与决策分析系助理教授詹若涵发表了题为“Deep Learning for Policy Targeting with Continuous Treatment”的主旨演讲。她分享了她关于利用有限离散实验学习最优个性化策略的研究。针对连续干预情境，她的团队结合因果推断与深度学习，提出了一种三阶段算法，并通过某大型短视频平台的大规模实验验证了其有效性。

在圆桌讨论环节，明尼苏达大学教授洪流、复旦大学讲席教授胡建强、新加坡国立大学副教授王桐、纽约大学教授张家伟就和香港科技大学助理教授詹若涵围绕大语言模型在OR/OM领域研究中的应用、可能带来的教学改革等问题展开了深入的交流，香港城市大学教授刘光梧主持了圆桌讨论环节。

1月10日上午的议程分别由明尼苏达大学工业与系统工程系教授洪流、上海交通大学安泰经济与管理学院副教授花成、安泰经济与管理学院教授荣鹰和教授罗俊主持。

东北大学工业智能与系统优化国家级前沿科学中心教授张立卫发表了题为“Stochastic Functions Learning from Distribution-Driven Data”的主旨演讲。他介绍了监督学习的基本概念，提出了从分布驱动数据中恢复目标随机函数的问题，定义了随机函数与目标函数间的偏差，并构建优化问题以最小化该偏差。他详细分析了经验风险最小化（ERM）方法及其泛化界限，并举例说明了几种假设集，如逻辑损失函数和分段线性函数。为求解ERM问题，张教授引入了一种随机复合梯度方法，证明了其几乎必然全局收敛性和期望收敛速率。数值实验验证了该方法的有效性，并探讨了其在一般复合问题中的扩展应用。

浙江大学计算机科学与技术学院教授张国川发表了题目为“Online algorithms: from incomplete information to imperfect information”的主旨演讲。他介绍了组合优化的基本概念及在线优化面临的挑战，如有限计算资源和信息不完整。他概述了在线优化框架，包括纯在线和半在线模型，并探讨了这些模型在滑雪租赁、牛路径问题、在线竞价、装箱和调度等场景的应用。此外，张教授讨论了学习增强型在线算法，这类算法结合机器学习，从历史数据中学习预测以增强决策，同时保持最坏情况下的性能保证。最后，他强调了机器学习在在线决策中的重要性，并展望了未来算法研究的方向，总结AI的特点为通过实践发现规则、融合多方优势并学以致用。

清华大学清华大学经济管理学院管理科学与工程系教授肖勇波发表了题为“Who Should Donate? A Socially Responsible Supply Chain with Prosocial Customers”的主旨演讲。他探讨了在亲社会客户驱动的供应链中，企业应如何决策捐赠以创造“捐赠价值”并增加需求，特别是在ESG背景下。肖教授研究集中在制造商和零售商谁应进行捐赠，以及不同CSR水平对企业捐赠决策的影响。分析显示，较高CSR水平的企业更可能捐赠，而另一方可能会搭便车。此外，合同协调可促进合作捐赠机制，提高整体捐赠价值。未来研究可进一步探索价格内生化的捐赠场景。

上海交通大学安泰经济与管理学院管理科学系副教授何滔滔发表了题为“Convex Relaxation Techniques for Fractional Programs”的主旨演讲。他介绍了凸松弛的定义及其应用场景，指出分式规划的凸松弛技术相较于布尔二次多面体（BQP）、重构线性化技术（RLT）和锥优化（COP）研究较少。他通过“东西部差异”的比喻，说明了分式规划与这些成熟领域之间的差距，并展示了如何将产品组合问题转化为多项式时间可解的线性规划。以“一座大桥通东西”的比喻，提出建立凸包等价性作为连接分式规划与其他领域的桥梁，从而简化分式规划问题。最后，他展示了该方法在实际应用中的数值表现，强调了其潜在的广泛应用前景。

本次学术研讨会为推动仿真技术、运筹优化和机器/统计学习研究搭建了高层次的交流平台，增强了行业内外的合作交流，为探索AI带来的机遇贡献了安泰力量。