发布者：管理科学与工程系 时间：2026-06-30
讲座题目：面向非平稳在线线性规划的学习与校正算法
讲座时间：6月30日（周二）16:00-17:00
讲座地点：商学院大楼208教室
主讲人：陈彩华 教授（南京大学）
讲座摘要：本报告研究资源容量约束下的在线线性规划（olp）问题，旨在最大化有限时域内的总收益。为克服随机模型在非平稳环境下的局限性与对抗模型的保守性，我们在 olp 框架中引入了一种全局非平稳、局部平稳的到达模型。该模型将整个时域划分为若干已知的时段：在每个时段内请求服从独立同分布，而该分布在不同时段之间发生变化，从而兼顾环境的演化与局部的稳定。在真实分布未知、但可获得一个不准确先验的假设下，我们提出"学习与校正梯度下降"（gradient descent with learning and rectification，gdlr）框架。作为一种基于对偶的方法，gdlr 借助两个互补模块为每个请求优化预算消耗：学习模块利用局部平稳性，将先验知识与实时观测相结合以精化估计；校正模块则依据累积的资源失衡自适应地调整估计，以应对全局非平稳性。理论方面，我们证明：校正机制实质上是一种针对对偶变量估计误差的鲁棒优化，并能确保原始可行性。gdlr 的遗憾界可分解为内蕴随机性、估计误差与分配次优性三项，其中后两项通过学习与校正得以显著降低。实验方面，本方法在合成数据集与真实数据集上均稳定优于各基线方法。据我们所知，本工作首次实现了 olp 在支付宝的企业级落地部署，并在线上 a/b 测试中取得了平均 2.2% 的营收提升。
主讲人简介：陈彩华，国家重点研发计划首席科学家、国家优秀青年基金获得者、国家自然科学基金重大项目课题负责人、美国斯坦福大学访问学者，现任南京大学教授、博士生导师、工程管理学院副院长、民建江苏省委大数据与人工智能委员会主任。南京大学理学博士，新加坡国立大学联合培养博士。从事数据驱动的（不确定）决策、人工智能驱动的优化决策、大规模优化算法设计与应用等研究，代表作发表/接受在mathematical programming、utd24系列期刊、siam系列杂志、ieee系列杂志及人工智能顶级会议neruips、cvpr等，获江苏省科学技术进步奖、华人数学家联盟最佳论文奖(2017、2018)，中国运筹学会青年科技奖(2018)，南京大学青年五四奖章(2019)，南京大学青年五四奖章集体（2024）。