无标题文档
首页学术活动
 
   
-->

0818上海管理论坛第256期(陈俊宏教授,美国乔治梅森大学)

Created Date 8/15/2017    View Numbers  159 Return    
字号:   
 

 

    目:基于最优取样的高效仿真优化方法Efficient Simulation Optimization via Optimal Sampling

人:陈俊宏,美国乔治梅森大学教授

人:镇璐,上海大学管理学院教授

    间:2017818日(周五)上午10:00

    点:管理学院467

主办单位:上海大学管理学院、上海大学管理学院青年教师联谊会

 

演讲人简介:

陈俊宏教授、博士、“千人计划” 国家特聘专家、IEEE Fellow1994年博士毕业于哈佛大学后,至宾夕法尼亚大学任助理教授,现为美国乔治梅森大学教授,2008年至2014年兼任台湾国立大学电机与工业工程系客座教授。为IEEE Transactions on Automation Science and EngineeringIEEE Transactions on Automatic Control等期刊副主编,以及其它多个国际期刊(IIE Transactions等)编委。主要研究领域:离散事件系统建模与仿真、最优计算量分配,应用于空中交通系统,半导体系统,供应链管理,导弹防御系统及电网等。先后主持美国NSF, NIH, DOE, NASA, FAA, Missile Defense Agency, and Air Force部门项目多项,著有“Stochastic Simulation Optimization: An Optimal Computing Budget Allocation”等两部专著,在本领域重要国际期刊论文多篇。

 

演讲内容简介:

Simulation and optimization are two popular tools in industrial engineering and operations research. Optimization intends to choose the best element from some set of available alternatives. Stochastic simulation is a powerful modeling and software tool for analyzing modern complex systems that arise in manufacturing, power grids, transportation, healthcare, finance, defense, and many other fields. Detailed dynamics of complex, stochastic systems can be modeled in simulation. This capability complements the inherent limitation of traditional optimization, so the combining use of simulation and optimization is growing in popularity.  This seminar discusses the computational issues in such a combination, and presents our effective approaches.  A key component of our methodologies is a new technique called Optimal Computing Budget Allocation (OCBA) initially developed by the speaker, which intends to maximize the overall simulation or sampling efficiency for finding an optimal decision.

 

欢迎广大师生参加!


 
 
版权所有 © 上海大学    沪ICP备09014157  地址:上海市宝山区上大路99号(周边交通)   邮编:200444   电话查询
技术支持:上海大学信息化工作办公室   联系我们