![](http://newsweb.nuaa.edu.cn/_upload/article/images/cd/c8/c342bc924e8ba803b628ffd21592/233096c5-a3ed-47f8-9186-825014af74c0.jpg)
在此次学术交流活动中,彭一杰作了题为“基于梯度的随机仿真优化”的报告。报告首先介绍了随机仿真优化的背景知识,阐释经典的仿真优化问题研究随机系统样本表现期望的最大化,而基于梯度的算法是解决高维复杂随机仿真系统优化最有效的方法。随后回顾了随机梯度估计的经典方法,探讨使用一种广义似然比方法,系统性地解决获取有结构参数的不连续样本表现的无偏随机梯度估计问题,并介绍了其在金融、人工智能等问题中的应用。最后在广义似然比风险值敏感性估计的基础上,详细介绍了多尺度随机梯度下降算法,并通过算例说明所提出方法的有效性与在实际问题中的应用前景。
在报告的最后,彭一杰就相关问题和参会的老师、学生进行了深入、细致地交流和互动。互动内容主要包括仿真优化实践应用、模型的技术细节、仿真优化研究前沿问题等。
嘉宾简介:
彭一杰,北京大学光华管理学院助理教授,博士生导师。本科毕业于武汉大学数学与统计学院,从复旦大学管理学院获博士学位。在美国马里兰大学和乔治梅森大学分别从事过博士后与助理教授工作。主要研究方向包括仿真建模与优化、金融工程与风险管理、人工智能、健康医疗等。主持多项科研基金项目,包括国家优秀青年科学基金项目,国家青年科学基金项目,北京市青年骨干个人项目等。在《Operations Research》,《INFORMS Journal on Computing》和《IEEE Transactions on Automatic Control》等高质量期刊上发表学术论文20余篇。曾获得2019年INFORMS Outstanding Simulation Publication Award,2017年IEEE Robotics and Automatic Society Best Paper Award Finalists。目前担任Asia-Pacific Journal of Operational Research期刊 与IEEE Control Systems Society 会议编委,中国运筹学会金融工程与金融风险管理分会常务理事,中国仿真协会人工社会专委会委员。