山东大学于国栋教授及博士生在管理学顶刊INFORMS Journal on Computing发表关于小数据驱动决策优化的最新研究成果

近日，山东大学管理学院项目管理与工业工程系于国栋教授及博士生董鹏程和博士生孙慧苹的最新研究成果“Refined Wasserstein Distributionally Robust Optimization for Contract Pricing: The Value of Optimality Conditions in Transactions”在运筹学与管理科学国际顶级期刊INFORMS Journal on Computing(IJOC)在线发表。该研究针对信息不对称与小数据环境下的供应链智能决策难题，提出创新性方法与高效算法，为高端制造、应急管理等小数据场景的供应链韧性提升提供了有力解决途径。山东大学管理学院为该研究唯一作者单位。

在工业4.0与数字化转型浪潮下，数据驱动的智慧供应链管理决策是当前学术界和企业界关注的热点。但对于高端装备制造、应急物资储备等场景而言，由于需求场景的个性化、事件的突发性、行业差异、地理距离、数据隐私保护等多重因素，决策者通常需要面对的是数据稀缺带来的挑战。此时，传统大数据依赖的决策方法往往效果有限。为此，于国栋教授与合作者于2024年在运筹学与管理科学国际顶刊Manufacturing & Service Operations Management上提出了一种融合决策数据的小数据驱动Wasserstein分布式鲁棒合约定价决策方法。该方法基于逆向优化技术，将历史需求数据（直接观测）与博弈决策逻辑（间接推理）深度融合融合，首次构建了 “小数据-多模态-强鲁棒”智能决策框架，在小数据环境下显著提升合约定价精度。

然而，上述虽然展现出了极好的决策精度优势，但也因数据融合及推断时的无限维测度问题带来了巨大的计算效率挑战。对此，于国栋教授与博士生在本研究中进一步提出了复杂度压缩技术，利用拉格朗日对偶和集合划分技术，通过有效空间识别将半无限规划问题转化为等价的线性规划，大幅降低计算复杂度。对于单一产品以及独立多产品优化问题，给出了基于二阶锥规划（SOCP）的模型凸重构技术，实现高效求解。对于具有相关性的多产品决策问题，设计了基于分区的割平面算法和大规模问题的高效近似求解算法，确保计算效率和解的质量。结果表明，相较于经典拉格朗日或割平面求解方法，本研究提出的一系列求解策略将计算效率平均提升100倍以上。基于此，在已有的小数据智能决策框架基础上，进一步完善了“数据轻量化-知识显性化-求解高效化”的计算框架。

上述方法不但适用于高端装备制造、应急管理等场景，对于新能源、生物医药等领域的供应链合约优化同样具有一定参考价值。

于国栋，山东大学管理学院教授，齐鲁青年学者。主要研究方向为数据驱动的不确定复杂决策优化方法与应用。研究成果发表在领域代表性期刊Manufacturing & Service Operations Management, INFORMS Journal on Computing，Production and Operations Management, Transportation Research Part B: Methodological, IISE Transactions, Naval Research Logistics, Omega等。近五年主持国家自然科学基金面上项目等各类纵向课题12项。