12月21日，经管学院“SEM管理科学”青年学者论坛邀请到新加坡国立大学沈顺璇（Melvyn Sim）教授带来题为“Robust Satisficing”的线上学术报告。

　　沈顺璇，新加坡国立大学商学院分析与运营系教授兼系主任，主要研究方向是不确定性下的决策和优化，及其在金融、供应链管理、医疗、工程系统等领域的应用，是鲁棒优化以及目标鲁棒性优化的重要推动者之一。现担任Manufacturing & Service Operations Management期刊的领域主编，及Operations Research、Management Science和INFORMS Journal on Optimization期刊的副主编。

　　沈顺璇从Satisficing这个词的起源出发，阐明了其在决策中目标的重要性。接着他通过一个决策树问题，引入随机规划模型。但是在实际环境中，决策者并不准确地知道不确定参数的潜在真实分布,也就是说不确定参数的概率分布存在模糊性。为了解决这个问题，他提出一种数据驱动型的一般优化框架——目标鲁棒性优化。即使在实际概率分布偏离经验分布的情况下，该框架仍能保证考虑风险的目标函数能在可接受范围内找到最好的解决方案。与传统鲁棒优化方法不同，决策者不必给定模糊集的大小，而是指定一个可接受的目标值，或指定与经验优化模型相比的最优性损失值，以作为模型对承受更大不确定性能力的平衡。同时，沈顺璇表示可以证明该模型对应的决策准则，即脆弱性测度是可以被公理化的，并给出了它的表示定理。针对1型Wasserstein距离，提出基于风险的线性优化、组合优化和两阶段线性优化问题的鲁棒性优化模型，并提供了该模型(近似)可求解的形式。此外，投资组合优化问题和两阶段网络批量订货问题的算例实验表明，传统鲁棒优化模型的解的样本外表现关于不确定集合的大小比较敏感，而目标值对于目标鲁棒性优化模型样本外表现的影响则较为平缓，因此在利用交叉验证等手段调整参数时更具有优势。同时，目标鲁棒性优化模型的解决方案在提高样本性能评估的各项指标上更有效，因此能够缓解“优化器诅咒”。

　　报告结束后，参会师生就模型理论分析以及数值实验部分进行了热烈的讨论和交流。