报告人简介：何斯迈教授，目前任职于上海财经大学信息管理与工程学院及交叉学院。他本科毕业于中国科学技术大学，博士毕业于香港中文大学。主要研究领域为运筹优化及供应链管理。他曾获第33届国际数学奥林匹克金奖，中国运筹协会青年科技奖及教育部人文社科优秀成果二等奖。

报告简介：管理实践中数据虽然数据量极大，但数据质量往往并不理想。同时，传统管理决策模型中假设的核心参数（例如单一产品的库存成本）在实践中往往难以准确估算。因此，在实践中基于统计分布假设或简单逻辑的学习算法进行管理决策，难免存在一定的不可控决策风险。鲁棒优化方法可以较好的处理参数及分布的不确定性。

我们首先介绍鲁棒优化方法的决策逻辑及应用场景，并聚焦鲁棒优化的一个重要研究方向：矩问题。矩问题基于分布的矩信息，即均值/方差/三阶及高阶期望值，构建分布的不确定集合，并以此为基础做出相应决策。在此基础上，我们研究如何引入经济与管理中的常见分布假设（单峰，对数凹，单调损失率，等等），并根据最优解的理论结构构建数值方法。此外，我们研究如何利用矩问题改进经典概率不等式，并探讨进一步改进统计中常用的中心极限收敛速度不等式的可能性。