编者按
近日，由大连理工大学经济管理学院程春教授、新加坡国立大学商学院Melvyn Sim教授、新加坡国立大学运筹与商业分析中心赵越博士共同撰写的论文“Robust Workforce Management with Crowdsourced Delivery”在UTD24国际顶级期刊Operations Research（OR）发表。OR是运筹学领域最顶级期刊，享有极高的学术声誉和影响力。
研究概况
移动互联网和人工智能等新兴技术的普及带来商业模式的突破性创新，近年来以平台经济为特色的商业模式大量涌现。基于平台经济的O2O 模式通过互联网将线上购买和线下交付结合在一起，广泛应用于餐饮外卖和新零售等行业。O2O模式催生了新的物流形态—“即时物流”，即根据用户即时发布的需求，无中转、点对点的同城范围内的配送服务。即时物流服务对配送时效性的要求较高，通常要求商品在半小时到一小时内送达。然而，城市交通拥堵问题日益严重，通行时间不断延长，燃油价格和人工成本也持续上涨，这给物流企业和电商平台的配送服务带来了前所未有的挑战。为了及时、高效、低成本地完成货物交付，许多企业和平台开始采用众包配送（Crowdsourced delivery）服务模式。在该模式下，个人或独立的配送员（即非企业专职配送员）通过在线平台与物流服务提供商或电商企业合作，利用闲散时间有偿接受配送任务，将包裹从商家或仓库送达至顾客处。与传统物流相比，众包配送除了面临需求端的不确定性，还面临供应端运力的不确定性，即众包配送员的可用性和对订单的偏好行为等存在不确定性，这将直接导致服务水平的不确定性。
基于以上背景，论文研究了众包配送平台的运力管理问题，重点关注临时众包配送员可用性和行为特征的不确定性。采用数据驱动的目标鲁棒优化（Robust Satisficing）框架构建数学模型，旨在帮助平台在不确定环境中尽可能实现预设的成本目标。论文的主要贡献包括：(1) 为了使用临时众包配送员的历史竞拍数据来表征众包成本的经验分布，首先提出了一个基本的信息简化模型来近似众包成本，并通过理论证明和数值分析验证了该模型具有出色的近似效果。随后，进一步提出了一个近似效果更好的广义信息简化模型。(2) 基于这两类信息简化模型，构建了数据驱动的目标鲁棒优化模型，利用时间累加的Wasserstein测度来刻画随机变量的分布模糊性。为了高效且精确地求解模型，设计了二分搜索算法。(3) 为了论证所构建的目标鲁棒模型，从理论上推导了模型在样本外测试中违反成本目标的概率上界，并通过仿真实验进一步验证了模型在样本外测试中的表现。
程春
大连理工大学经济管理学院教授、博士生导师。主要研究方向为物流系统运作管理与优化，具体包括设施选址问题、众包配送平台运力规划和调度问题、无人机/车辆路径规划问题等。研究成果发表在Operations Research、Manufacturing and Service Operations Management、INFORMS Journal on Computing（两篇）、Transportation Science等国际顶级期刊。主持国家自然科学基金面上和青年项目。
Melvyn Sim
新加坡国立大学商学院教授。主要研究方向是不确定环境下的决策和优化，及其在金融、供应链管理、医疗、工程系统等领域的应用，是鲁棒优化和目标鲁棒性优化的重要推动者之一。在管理学和运筹学最顶级期刊Management Science、Operations Research发表多篇论文。现担任Manufacturing and Service Operations Management期刊的领域主编，INFORMS Journal on Optimization期刊的副主编。
赵越
新加坡国立大学运筹与商业分析中心博士后。研究兴趣包括：（1）鲁棒机器学习、可信任机器学习；（2）数据驱动的鲁棒优化及其在交通管理、智慧城市、收益管理等领域的应用。研究成果发表在Operations Research、INFORMS Journal on Computing、Transportation Research Part B等国际顶级期刊。
上一条：经济管理学院获得第十四届“挑战杯”专项赛金奖、银奖
下一条：经济管理学院孙晓华教授论文在《经济研究》发表
【关闭】
