【学术视点】我院范薇薇副教授在离散仿真优化基础研究取得重要进展

范薇薇副教授在离散仿真优化基础研究取得重要进展

在国家自然科学基金项目资助下，同济大学管理高等研究院范薇薇副教授与上海交通大学罗俊教授等学者合作，针对离散仿真优化与排序择优（Ranking and Selection, R&S） 领域开展深入研究，围绕首阶段抽样机制实现理论与方法创新，相关成果正式发表于国际运筹学顶级期刊 Operations Research。

当前决策环境日趋复杂与不确定，如何高效利用计算资源、快速精准选出最优方案，是管理科学、人工智能与数据科学的共性关键问题。离散仿真优化作为随机系统评估与决策优化的核心工具，广泛应用于供应链、医疗管理、风险管理等场景。长期以来，首阶段抽样在排序择优中仅被视为方差估计的辅助手段，其对算法效率与选择精度的深层影响未被系统揭示。

范薇薇团队立足这一关键环节，取得多项突破性成果：

• 理论新发现：首次明确首阶段采样量不仅用于方差估计，更是影响算法效率与错误选择概率的核心要素，为仿真优化算法革新提供全新视角。

• 量化关系构建：基于布朗运动时间可逆性与重对数律，在有差异区域、无差异区域两大框架下，推导出首阶段采样量与错误选择概率的精确解析公式。

• 高效算法设计：提出融合首阶段采样信息的改进仿真优化算法框架，在保障选择正确率的前提下显著提升运行效率，并给出采样量科学选择准则。

• 机制拓展：创新提出多更新点机制，可动态融合新样本信息迭代算法参数，进一步增强算法效率与场景适应性。

该研究深化了对排序择优与仿真优化底层机制的理解，为高效算法设计提供严谨理论支撑与量化工具，同时可为复杂随机环境下的实际决策提供高效、可扩展的解决方案，推动运筹优化与智能决策领域的发展。

 教师简介

范薇薇

同济大学管理高等研究院副教授

香港科技大学工业工程与物流管理博士

主持国家自然科学基金面上项目、青年科学基金项目，主要从事仿真优化、鲁棒优化及医疗管理应用研究，成果发表于Operations Research、Management Science等国际权威期刊，研究水平居国际前沿。

论文引用

Weiwei Fan, Xuewen Li, Jun Luo, Shing Chih Tsai (2025). Technical Note—First-Stage Sampling in Ranking and Selection: Beyond Variance Estimation. Operations Research 73(6):3333-3344. 

https://doi.org/10.1287/opre.2023.0705