11月4日與6日，上海理工大學管理學院舉行“滬江觀察”學術活動，特聘教授、運籌學博士、博士生導師吳昌質(zhì)作“數(shù)據(jù)驅(qū)動的智能決策”系列主題分享。講座由管理學院副院長劉魏巍、MEM項目主任葉春明主持，專業(yè)學位教育中心綜合辦公室主任孟陳莉及學院相關師生參加活動。

智能決策的演進基礎

吳昌質(zhì)從人腦神經(jīng)元的結(jié)構與功能出發(fā)，闡釋了機器學習模擬人類智能的生物學依據(jù)。他指出，人腦擁有約1000億個神經(jīng)元，每個神經(jīng)元與數(shù)千個其他神經(jīng)元相連接，構成高度復雜的神經(jīng)網(wǎng)絡。早在20世紀40年代，科學家已開始嘗試用數(shù)學模型模擬神經(jīng)元行為，為人工神經(jīng)網(wǎng)絡奠定基礎。隨著前饋神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等模型的逐步發(fā)展，機器學習逐漸形成系統(tǒng)化方法。神經(jīng)網(wǎng)絡歷經(jīng)數(shù)十年演進，早期曾因梯度消失、結(jié)構局限等問題而應用受限。直至2017年，谷歌提出以“注意力機制”為核心的Transformer架構，才推動神經(jīng)網(wǎng)絡實現(xiàn)跨越式發(fā)展，為當前大模型技術的興起打下堅實基礎。

在講解機器學習方法論時，吳昌質(zhì)總結(jié)了三大典型范式：有監(jiān)督學習依賴標注數(shù)據(jù)進行訓練，適用于圖像分類等任務；無監(jiān)督學習專注于挖掘數(shù)據(jù)內(nèi)在規(guī)律，常用于異常行為檢測；強化學習通過試錯與獎勵機制優(yōu)化決策過程，在路徑規(guī)劃等領域展現(xiàn)出獨特優(yōu)勢。這三種方法各具特色，為不同場景下的智能決策提供了多樣化的技術路徑。

吳昌質(zhì)作主題分享

交通管理中的數(shù)據(jù)智能實踐

吳昌質(zhì)結(jié)合多個真實案例，展示了機器學習在交通管理中的成功應用。他介紹了美國波士頓校車調(diào)度項目中，強化學習如何平衡學生接送需求與車輛路徑效率；解析了滴滴訂單派送系統(tǒng)基于城市熱區(qū)與冷區(qū)動態(tài)權重的車輛匹配算法；分享了澳大利亞珀斯高速公路通過匝道信號控制與可變限速技術，有效緩解交通擁堵的創(chuàng)新做法。

講座現(xiàn)場

物流管理邁向智能決策

在物流管理領域，吳昌質(zhì)系統(tǒng)梳理了從機械化、自動化到智能化的發(fā)展路徑，并結(jié)合案例展示智能決策的落地成效。在需求預測與供應鏈優(yōu)化方面，他以盒馬生鮮為例，解析如何運用“時空圖神經(jīng)網(wǎng)絡”應對新產(chǎn)品上市、新店鋪開業(yè)時的數(shù)據(jù)稀疏問題。在運營效率提升方面，他列舉了京東利用路徑規(guī)劃算法優(yōu)化機器人分揀、菜鳥網(wǎng)絡應用智能合單技術提升跨境配送效率等實踐。此外，他還以西澳洲某能源企業(yè)的腳手架供應鏈管理項目為例，說明如何通過數(shù)據(jù)驅(qū)動的資源分配與調(diào)度模型，在傳統(tǒng)工業(yè)領域?qū)崿F(xiàn)運營成本的顯著降低。

吳昌質(zhì)作主題分享

吳昌質(zhì)還介紹了其團隊在交通管控與物流配送方面的研究成果。在與重慶合作的城市信號燈配時項目中，團隊采用邊界控制策略，有效緩解了中心城區(qū)的潮汐式擁堵；基于時空特征的強化學習模型，則為物流配送路徑提供了優(yōu)化方案。

講座現(xiàn)場

機器學習與交通優(yōu)化、物流管理的深度融合，正成為行業(yè)發(fā)展的必然趨勢。無論是在路網(wǎng)效率提升、信號優(yōu)化、車輛調(diào)度，還是在需求預測、庫存管理與資源調(diào)配等方面，數(shù)據(jù)驅(qū)動的智能決策持續(xù)推動交通與物流系統(tǒng)向更高效、靈活、魯棒的方向演進。學院將持續(xù)推動產(chǎn)學研融合，加強智能決策領域的研究與教學，為培養(yǎng)高素質(zhì)管理人才、服務行業(yè)與社會發(fā)展貢獻力量。

合影留念

延伸閱讀——嘉賓介紹

吳昌質(zhì)，上海理工大學管理學院特聘教授，運籌學博士，博士生導師。Journal of Industrial and Management Optimization的執(zhí)行編輯。多年來一直從事運籌學與機器學習相關領域的研究。先后主持國家自然科學基金項目、澳大利亞國科會項目、教育部科技計劃重點項目及歸國留學基金項目等項目十多項；在國際學術期刊發(fā)表被SCI收錄論文100多篇，在運籌優(yōu)化等領域有深入的研究。