2024年6月21日和22日，由中国科学院大学经济与管理学院(以下简称国科大经管学院)主办，中国管理现代化研究会风险管理专业委员会协办的“第七届仿真方法和应用研讨会”在中国科学院大学中关村校区顺利召开。

21日上午9：00，研讨会开幕。国科大经管学院院长洪永淼致欢迎辞，深入介绍了学院的创立历程和发展轨迹，着重强调了本次研讨会主题“人工智能时代下的仿真”的重要意义，展望了未来的发展方向和目标。

第一天，研讨会迎来了一系列精彩的英文学术报告。上午的报告由国科大经管学院王曙明主持。来自美国乔治梅森大学的Chun-Hung Chen以“Stochastic Decision Making—— From Simulation to Digital Twin and From Learning to Thinking”为题，介绍了一种创新的仿真（数字孪生）和机器学习的整合，赋予其“思考”的能力，以高效识别最优决策，同时有效应对数据可用性、训练限制和未来事件不可预测性相关的挑战。这一报告对本次研讨会主题做了非常好的诠释和解读。来自美国纽约哥伦比亚大学的Henry Lam在线上以“Pseudo-Bayesian Optimization”为题，基于贝叶斯优化框架，设计了经验上更优越且具备收敛保证的优化算法，应对高斯过程模型中的挑战。来自荷兰阿姆斯特丹自由大学的Bernd Heidergott以“Recent Trends in Simulation Analytics”为题，探讨了仿真分析的几项最新进展，重点关注其与广泛接受的确定性机器学习范式的整合。

下午的第一组报告由国科大经管学院的张正军主持。来自美国西北大学的Chang-Han Rhee以“Global Dynamics of SGDs in Deep Learning: Heavy-Tailed Large Deviations Perspective”为题，介绍了最近在重尾随机过程的大偏差理论方面的发展，揭示了深度学习中的一个迷人现象：在训练阶段注入并随后截断重尾噪声，SGD几乎可以完全避免尖锐的极小值，从而在测试数据上实现更好的泛化性能。来自法国INRIA雷恩斯研究中心的Bruno Tuffin在线上以“On Confidence Intervals for Randomized Quasi-Monte Carlo Estimators”为题，探讨了现有的中心极限定理，确保中心极限定理成立以及渐近有效置信区间的随机化次数与准蒙特卡罗序列长度相对增长率的充分条件。

下午的第二组报告由香港城市大学的高思阳主持。来自香港科技大学的陈懿以“Can We Do Better Than Random Start? The Power of Data Outsourcing”为题，提出了基于仿真的算法，可以高概率地找到好的初始点，从而提高优化算法训练模型的质量。来自中国东方航空技术应用研究与开发中心的郭睿以“Trade-offs between Plastic Packaging and Food Waste— Introducing the Household Simulation Model for Chicken Fillets”为题，将Household Simulation Model应用于鸡胸肉，发现包装尺寸创新有潜力将家庭鸡肉废物减少59%，突显了包装尺寸干预和可持续包装的重要性。

第二天，研讨会迎来了一系列精彩的中文学术报告。上午的报告由加拿大滑铁卢大学的Ben Feng主持。国科大经管学院的张正军以“The Pathway Towards Accurate Statistical Inferences Through Necessary and Sufficient Simulations”为题，提出了一种新的必要且充分估计方法，用于在各种统计研究中保持连续分布假设。所提出的统计量是基于变换和模拟顺序统计量之间相对误差的。令人惊讶的是，相对误差导致的收敛速度远快于绝对误差。北京大学北京国际数学研究中心的文再文以“Mathematical Formalization for Operations Research”为题，介绍了在数学优化方面的最新进展，以及使用大型语言模型将非正式证明转化为其正式等价形式的Lean框架开发。清华大学工业工程系的赵磊以“Simulation and Optimization in Transportation and Logistics: A Dilettante Retrospect and a Humble Forethought”为题，介绍了在交通和物流中应用仿真和（基于仿真的）优化来解决序贯决策问题的一些研究经验，以及关于在交通和物流中采用新兴（生成式）人工智能技术的初步想法。

在圆桌论坛上，张正军、文再文、赵磊和复旦大学的洪流、胡建强就“人工智能时代下的仿真”“仿真研究者的主要优势与强项”“人工智能时代下的新问题与新挑战”和“对新时代下的仿真研究者，尤其是年轻学者的建议”几个问题分享了自己的观点和建议。

下午的第一组报告由哈尔滨工业大学的姜广鑫主持。上海交通大学安泰经济与管理学院的罗俊以“Simulation Optimization for Distribution Inventory Systems”为题，研究了配送库存系统的联合补货问题,提出使用基于代理的上下文仿真优化框架。西北工业大学管理学院的周琛淏以“复杂系统仿真建模与运营优化”为题，以物流园区、港口、机场等多样化复杂场景为例，介绍系统仿真与智能算法在复杂系统设计规划、运营优化、灾难响应等多个方面的具体应用。

下午的第二组报告由国科大经管学院的李海东主持。中国科学技术大学管理学院的王澹以“Large-Scale Inventory Optimization: A Recurrent Neural Networks–Inspired Simulation Approach”为题，通过结合循环神经网络（RNN）的高效计算工具和生产网络的结构信息，提出了一种受RNN启发的仿真方法，该方法可能比现有的仿真方法快数千倍，并能够在合理的时间内解决大规模库存优化问题。南方科技大学商学院的王松昊以“Simulation Optimization with Non-stationary Streaming Input Data”为题，使用马尔可夫切换模型来估计非平稳输入分布，并设计了一种基于元模型的方法来解决后续的优化问题。

本次研讨会作为一次学术交流平台，在大家的共同交流和学习的过程中圆满结束。

（图文/国科大经济管理学院微信公众号）