报告题目：Inventory Optimization and Learning with Uncertain Supplies

报告人简介：陈新是佐治亚理工学院（Georgia Tech）H. Milton Stewart工业与系统工程学院的James C. Edenfield讲席教授。在担任这一职位之前，他曾是伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign）工业工程系的教授。他的研究兴趣包括优化、数据分析、收益管理和供应链管理。他在2009年获得了INFORMS收益管理和定价分会奖。他是《物流的逻辑：理论、算法及物流与供应链管理的应用（第二版，2005年，& 第三版，2014年）》一书的合著者，并担任《海军研究物流》杂志的物流与供应链管理部分的部门编辑，同时也是OR, MS, POM等多本顶尖期刊的副主编。

报告内容简介：供应不确定性，以随机交货期和随机供应数量为特征，尤其是在新冠疫情之后，引起了学术界、工业界和政府的越来越多的关注。在本次演讲中，我将讨论我的研究，该研究涉及库存优化和学习，以应对供应不确定性与长交货期带来的挑战。我将首先介绍一类具有长交货期的广泛库存模型，并提供在交货期增长时，开环订货策略（即忽略实时库存信息的订货决策）渐近最优的条件。然后，我将专注于一个具有通用需求和供应不确定性的丢失销售库存系统，其分布是未知的，并提出第一个在通用供应不确定性下，针对具有截断需求和供应数据的库存管理问题的有效学习算法。