主讲人介绍：

屈绍建，男，上海理工大学，管理学院系统科学系主任，供应链管理与决策优化研究所所长, 教授，博士生导师，上海市东方学者特聘教授，新加坡国立大学和哈尔滨工业大学双博士后。2008年以“优秀博士毕业生”称号毕业于西安交通大学，并入职哈尔滨工业大学基础与交叉科研院，2010年破格提升为副教授，2015年6月入职上海理工大学，被评为上海市东方学者特聘教授，从2002年至今一直从事供应链管理、投资组合管理、鲁棒优化、博弈论以及多目标规划理论、方法及其应用等方面的研究。以第一作者在国际知名期刊上发表SCI论文近30篇。参与和主持的各类国家级、省级、校级项目有十余项，其中主持一项国家社科基金，两项国家自然科学基金，主持一项沪江领军人才项目，入选上海市高教系统特聘教授(东方学者)资金支持计划。

内容刚要：

鲁棒优化的起源于20世纪50年代建立的现代决策理论，即通过最坏情况分析和Wald极大极小模型处理模型参数的不确定性。20世纪70年代鲁棒优化成为了优化理论中一个重要的研究领域。自1998年起，Ben-Tal等人系统研究了线性鲁棒优化理论，并给出了几种不确定集合下的鲁棒等价式。同随机优化相比，鲁棒优化不假设模型参数服从某种概率分布。建立鲁棒优化模型的关键是参数不确定集合的构建，进而在不确定集合下寻求模型的鲁棒等价式，考虑最差情形下模型的最优解。由于最差情形往往不易发生，所以鲁棒优化模型的解偏于保守。数据驱动下的分布鲁棒优化综合了随机优化和鲁棒优化的优点，通过矩约束、KL散度、Wasserstein距离等理论构造不确定集合，是近几年优化领域的一个研究热点。多年来，鲁棒优化已被广泛应用于智能电网、控制理论、投资组合管理、物流工程和机器学习等领域。目前，鲁棒优化已经从静态、线性转向了多阶段动态、非线性的研究。本团队主要研究内容包括：
    (1) 分布鲁棒博弈及其在供应链中的应用
    (2) 基于KL散度的分布鲁棒优化在投资组合中的应用
    通过KL散度构建预期收益率分布的不确定集合，利用对偶理论将半无限规划转化为有限凸优化问题，最后利用原始-对偶内点法、序列二次规划(SQP)方法进行求解。
    (3) 多阶段分布鲁棒优化分解算法及其在供应链、投资组合中的应用
考虑带风险的多阶段分布鲁棒优化，通过KL散度构建模型参数的不确定集合，最后利用改进Bender分解算法求解优化模型，并给出两阶段分布鲁棒优化模型在供应链和投资组合管理中的应用。

注意：

1.网上预约所要求填写的学号与姓名均为必填项，且须与本人一卡通完全一致，否则会导致最终预约不成功。

2.讲座开始前工作人员收一卡通记次数，讲座结束后归还。预约而未听讲座、讲座迟到早退者均倒扣一次，未预约而去听讲座不计次数。

3.学院学生均使用学校mis账号及密码进行登录报名，校内学生使用校外注册账号进行报名，将视为校友或者其他校外人员，并不予进行统计前沿讲座次数。