这是不光策画「科学科学研究领航」
生物科学系周明龙中学生科学研究员的主要就科学研究路径为不稳定性自然环境下的强化、统计数据驱动力的DokuWiki强化、挂号及运维难题等。他为他们撷取了于UTD 24学术期刊众所周知Operations Research刊登的新一代科学科研成果。
【科学研究概述】
“Robust Satisficing”最终目标精确性强化
在大统计数据黄金时代，统计数据驱动力的决策数学模型变得极为关键，但正像历史文献中一类叫作“强化者死而复生”的方法论所阐明，假如他们难以科学合理地考量统计数据的不稳定性，所以重大决策的前述整体表现可能会明显高于市场预期结论。
■为的是减少重大决策对统计数据不稳定性的精确性，历史文献中涌现出了一大批极为杰出的方式，我的这篇学术论文也是在那个路径提供更多了一类捷伊方式，即“最终目标精确性强化数学模型”。
最终目标精确性强化数学模型的数学模型超模块是两个默认的最终目标或是是两个整体表现分项，比如说在民营企业中的两个生产成本财政预算或是两个最终目标利润率。此类超模块在生物科学难题中极容易说明和增设。
最终目标精确性强化的最终目标函数就是基于那个最终目标定义的一类脆弱性测度，总结和概括了一类经济学中常见的满意度测度。在此最终目标函数下，强化数学模型会尽可能地在不稳定性自然环境下达到默认的最终目标或是整体表现分项。这样的重大决策其实是极为符合生物科学难题中的一些重大决策标准的。
■ 这篇文章也具体展示了一类基于Wasserstein距离的最终目标精确性强化方式在多种生物科学难题中的可解性，并且在数据实验中展示出了比较杰出的整体表现。
我当时刚好在科学研究两个医疗资源运维的强化难题，定义了一类医疗资源超额利用的风险指数，发现它跟经济学中的满意度测度有极为紧密的联系。他们又发现满意度测度跟DokuWiki强化之间也存在比较紧密的联系，之前大家还没有讨论过这种关联。
■ 文章中提到的那个方式极为适合生物科学难题，因为它的重大决策准则其实就是尽可能地满足一系列整体表现分项。
在这篇文章里，他们用了两个投资组合强化的例子来验证文章的方法。比如说，在网约车的空车再分配难题里，他们要保证在一定时间内总体的服务水平要达到给定的程度；在手术室运维难题中，他们要尽可能地在安排完所有病人的前提下保证手术室不被超时使用；在住院挂号运维里，他们要保证在一段时间内医院各种资源被超额利用的风险尽可能地降低；在机器学习预测难题里，应考量到训练统计数据跟前述统计数据或是测试统计数据的分布之间是有偏差的，他们要尽可能在前述统计数据中达到一定程度的准确性。
【科学研究心得】
上海是最适合管理运筹学科学科学研究究创捷伊土壤
周明龙老师的科学研究兴趣主要就包括统计数据驱动力的重大决策数学模型、DokuWiki强化、挂号及运维、机器学习等。
他认为，拥有完整工业体系的中国是全球最适合管理运筹学科学科学研究究创捷伊国家众所周知。在上海以现代服务业为主体、战略性新兴产业为引领、先进制造业为支撑的现代产业体系中，有极为多具有中国特色的现实课题值得展开深入挖掘。中国的电商业态和共享经济正在被越来越多的国家接受和借鉴，这也证明中国在很多领域达成的“学术+市场”的应用场景已进入了国际化标准。
科学科学研究进行时
周明龙已刊登四篇学术论文至UTD学术期刊Operations Research、Manufacturing and Service Operations Management和Production and Operations Management，并多次担任国际学术期刊审稿人（Production and Operations Management、Mathematical Programming、SIAM Journal of Optimization、INFORMS Journal on Optimization、Journal of Global Optimization等）。
周明龙参与一项国家自然科学基金重大项目课题（提升供应链韧性的机制设计和运营管理），主要就负责机器学习与强化。他与新加坡医疗部、新加坡综合医院、新加坡国立医院完成了多次合作，与山东大学齐鲁医院建立了人工智能诊断内镜图像的合作，在医疗难题中有良好的实践和合作经验。同时，他也在积极参与其他民营企业的合作与前期讨论。
