讲座预告丨排队系统的在线学习与优化

排队系统的在线学习与优化

欢迎广大师生积极参加！

陈昕韫博士于2014年取得哥伦比亚大学运筹学博士学位。毕业后先后任教于美国纽约州立大学石溪分校和武汉大学，现任香港中文大学（深圳）数据科学学院副教授。陈昕韫博士的主要研究领域为随机模拟、排队模型和强化学习。她的研究工作多次发表在Operations Research、Annals of Applied Probability、Mathematics of Operations Research 和 ICLR 等知名期刊和会议上。陈昕韫博士现任期刊《Operations Research》, 《Journal of Applied Probability》, 《Advances in Applied Probability》编委。

本报告研究了数据驱动环境中排队系统的在线学习和优化问题，即模型参数是先验未知的。服务提供商的目标是寻求最优的服务费用和服务容量，以最大化累计期望利润（服务收入减去容量成本和延迟惩罚）。研究提出了一个框架来开发在线学习算法，该算法利用实时数据（包括各种排队系统的客户到达和服务时间）有效地改进服务提供商的决策。这些在线学习算法的有效性得到了以下证实：（i）理论结果，包括算法收敛和遗憾值分析，即算法学习最优策略的时间成本；（ii）通过各种代表性示例的仿真实验进行的工程验证。本次讲座是基于与NCSU的刘云南和香港中文大学深圳分校的洪桂玉的合作研究。