广受关注学术成果国际学术沙龙暨

运筹优化与工业科技创新论坛

2021年10月23日

中国科学院数学与系统科学研究院南楼204

• 主办单位：北京市科协，中国运筹学会
• 承办单位：北京运筹学会，北京国际科技协作中心
• 支持单位：中国科学院数学与系统科学研究院，清华大学，北京大学，北京工业大学

 

广受关注学术成果国际学术沙龙暨

运筹优化与工业科技创新论坛

 

随着大数据、机器学习等新兴应用的兴起，数学优化在国防、经济、金融、工程、管理等许多应用中作为核心数学基础之一，科技创新中起到至关重要的作用。一方面，由于缺乏与企业的交流，高校科研院所的数学优化领域研究人员往往偏离实际应用，难以将最新的科研成果转化为实际工业创新成果；另一方面，企业相关研发人员在科技创新的过程中遇到数学优化方面的困难，很难有效对接学术界相关研究人员。

本次论坛拟邀请国内外数学优化领域的知名专家和企业界科技创新研发骨干，针对数学优化在物流、供应链、通信、医学图像、金融、智能交通、集成电路设计、大数据与机器学习等领域的典型问题、模型、理论以及算法展开深入交流，为提供双方合作提供交流平台。

 

组织委员会

丁超    （中国科学院数学与系统科学研究院）

包承龙（清华大学）

董彬    （北京大学）

赵欣苑  (北京工业大学)

 腾讯会议号：970 805 594 密码：2021

日程安排

 

地点: 中国科学院数学与系统科学研究院南楼204

 

 

报告摘要

 

报告标题: 后香农时代的十大挑战问题

报告人: 白铂 (华为公司中央研究院理论研究部)

 

摘要: 近年来，以5G，大数据，云计算和人工智能为代表的信息科学与技术飞速发展，给人们的生产，生活和学习方式带来了深刻的变革。这些技术的发展给信息科学的基础理论——信息论带来了全新的挑战。本报告将结合信息技术发展趋势和华为公司的实际研发需求，提出后香农时代的十大挑战问题。期望与各位专家展开研讨合作，共同努力突破信息科学中的挑战问题，打造后香农时代的新信息理论。

 

报告人简介:  白铂，2010年毕业于清华大学，获博士学位、电子系学术新秀。2010-2012年在香港科技大学做博士后研究。随后，加入清华大学电子系任教，曾获2016年清华大学教学大赛一等奖（理工组）。2017年加入华为公司，现任理论研究部主任，研究方向包括：经典与后香农信息论、B5G/6G移动通信和图信息学等。研究成果已用于无线、存储和网络等领域，并多次获得公司奖励。他是IEEE高级会员，相关研究成果已发表高水平学术论文130 余篇，2部专著章节，1部清华大学核心课教材。担任IEEE TCCN SIG创办副主席，IEEE ComSoc WTC & SPCE委员，IEEE 1st & 2nd AoI Workshop TPC共主席，IEEE ICCC 2018 & 2021 TPC共主席，IEEE HotICN 2018工业论坛共主席，IEEE JSAC客座编辑。他是IEEE和ACM多个重要会议的TPC委员和多种主要期刊的审稿人，曾作为青年科学家代表在IEEE TTM 2011做大会报告，获得IEEE ICC 2016 最佳论文奖。

 

 

报告标题: TBA

报告人: 何凤翔 (京东探索研究院)

 

摘要: TBA

报告人简介：TBA

 

报告标题: 深度信用分析中的数学优化问题

报告人: 缪维民 (新加坡CriAT公司)

 

摘要: 深度信用分析提供数据驱动的最有价值的见解，赋能风险和投资管理者，支持信用风险管理的智能化。在金融科技时代，数据的累积、分析技术的突破、计算能力的飞跃，使得深度信用分析得以快速发展。信用分析需要针对企业个体、地区行业、投资组合，违约概率、期限结构、假设分析、组合分析都是其基本要素。然而，对于金融机构内部专家以及传统的风险顾问和解决方案供应商来说，如何实现全面且复杂的信用分析是一个巨大的挑战。这是因为信用分析有两个显著特征 – 时间动态和数据稀缺，因此前沿的数学优化在解决这两个挑战中扮演了重要的作用。

 

报告人简介： 缪维民博士，量化信用分析和统计优化专家。现任新加坡CriAT公司联合创始人和首席执行官。创办CriAT之前，曾任职于新加坡国立大学风险管理研究所高级研究员、信用研究行动计划 运营主管。现亦担任复旦大学大数据学院、人民大学商学院的企业校外导师。缪维民博士有多篇论文发表在国际顶级学术期刊，亦为多家国际知名金融机构开发信用风险解决方案；例如国际货币基金组织用于全球金融体系稳定评估的 BuDA压力测试系统。缪维民本科毕业于北京大学，硕士毕业于中国科学院， 博士毕业于新加坡国立大学。

 

报告标题: 运筹优化及求解器在能源、交通、工业制造、供应链等行业的应用

报告人: 高季尧 (杉数科技（北京）有限公司)

 

摘要: 综合介绍当前杉数以求解器为底层决策引擎的To-B解决方案，概述当前COPT求解器的发展状况，并对运筹优化技术和COPT优化求解器在能源、交通、工业制造、供应链等领域的具体落地应用进行展开介绍。

 

报告人简介：杉数科技算法总监。本科毕业于清华大学，于美国康奈尔大学获得博士学位，研究方向包括供应链系统的多目标优化；考虑不确定性的两级随机优化、鲁棒优化和高效算法；博弈论在供应链优化中的应用及 MIBLP 问题的高效算法；大规模 MINLP 问题的建模与求解。博士期间以第一作者的身份发表十二篇优化相关 SCI 论文，Google Scholar Citation 引用次数达 550 多次，并担任多家国际期刊审稿人。工作期间主持参与了包括智能车辆调度、生产排程、机组排班、航班智能恢复等优化项目并完成核心算法框架的设计。

报告标题: Solving high-dimensional shape-constrained convex regression problems

报告人: 刘庆 (斯伦贝谢技术（北京）有限公司)

 

摘要: 电缆测井连接地面系统和电缆末端的测井传感器下降到油井里，在石油天然气工业中用来获取地层岩石含烃饱和度，孔隙度，渗透率和地层压力等连续记录，用于进一步的钻探和生产决策。其揽头张力可依赖复杂的数值计算引擎来模拟井下环境进行计算，但是井下关键的套管和开放区域的摩擦系数未知，需要进行准确标定。我们提出了一个最优化模型，最小化计算预测的揽头张力与实测数据之间的误差，来得到摩擦系数的最佳校准。因基于数值模拟的计算引擎无法显示表达，该问题是一个黑箱优化，问题求解是NP 难的，我们根据问题结构，引入了一种参数变换，将残差表示为摩擦系数的函数来减少参数数量，并提出一种新的随机方向下降 (SDD) 方法来避免局部最优解。我们用多个现场案例的数值实验来测试模型和算法。结果表明与网格、二分和单纯形算法相比，SDD 方法显示了很高的效率。我们的方法将为复杂工业系统架构和工程优化中克服目标函数评估成本高提供思路。

 

报告人简介：刘庆博士，2002年毕业于复旦大学数学系计算数学专业。现任斯伦贝谢技术北京有限公司（BGC）钻井动力学分析部门算法分析师，高校关系经理。主要从事钻井轨迹设计与优化，以及建井的数值模拟和风险预测，同时负责拓展与高校及研究机构的合作。

 

自成立以来，BGC与几所研究型高校的计算机系、数学系、自动化系、电子工程系等院所积极开展项目式合作研究，组织相关研讨会，并给学生们提供暑期实习机会，以及奖学金支持等。我们希望让老师同学们了解学术界的研究在工业界的具体应用实例，同时工业界有哪些有趣而有挑战性的问题亟待解决，以共同推动学术界和工业界的创新与发展。

 

报告标题: Joint Registration and Reconstruction for Dynamic Medical Imaging using Variational Methods and Deep Learning Methods

报告人: 刘九龙 (中国科学院数学与系统科学研究院)

 

摘要: The dynamic medical imaging always extremely suffers from the insufficient number of measurements and therefore is an under-determined and ill-conditioned inverse problem. In order to efficiently and stably reconstruct image from insufficient measurements, we have recently developed variational methods and data-driven methods for motion estimation to maximize the utilization of data redundancy in dynamic images, such as the respiratory motion model based iterative reconstruction method for 4DCBCT ,  the learnable iterative reconstruction for 4DCBCT with motion artifact correction, predictive motion method for indirect registration.

 

报告人简介： 刘九龙博士目前是中国科学院数学与系统科学研究院计算数学与科学工程计算研究所的副研究员。 2012年获得西安电子科技大学数学与应用数学学士学位，2017年获得上海交通大学数学博士学位，2018年至2021年在新加坡国立大学数学系从事博士后研究。主要研究方向包括两方面：（1）变分方法、优化算法和机器学习理论; (2) 探索它们在医学图像重建和数据处理中的应用。

 

报告标题：Intelligent Logistics - AI for Empty Container Repositioning

报告人: 马卫东(微软亚洲研究院)

 

摘要: 空集装箱调度问题（Empty Container Repositioning）是海运中的核心问题之一，其调度效率直接影响到货物的运输效率。在本报告中，我将会介绍微软亚洲研究院与香港东方海外货柜航运公司（OOCL）合作完成的ECR项目。针对ECR问题，我们提出了两套解决方案，一套是基于运筹学方法，另外一套是基于强化学习方法，两套方案预计每年为OOCL节省上千万美元的调度费用。

 

报告人简介：马卫东，微软亚洲研究院机器学习组研究员，宁波诺丁汉大学名誉副教授。中国科学院大学博士（运筹学与控制论方向）。博士毕业后在微软亚洲研究院工作至今，研究方向包括算法博弈论、深度学习、强化学习等。目前主要负责AI技术在物流、制造业等领域的应用项目。

 

 

注意事项

本次会议不收取注册费。

 

联系人

丁超      电话：18518604995    邮箱：  dingchao@amss.ac.cn