报告题目：用于筛选和优化黑箱系统中定量和定性因素的惩罚性加性高斯过程

报告所属学科：管理科学与工程

报告人：李勇祥（上海交通大学）

报告时间：2024年12月5日 14:00-15:30

报告地点：bat365中文官方网站702室

报告摘要：

在最近的一些应用中，定量和定性（QQ）因素的筛选和优化至关重要，因为在这些应用中，评估黑箱系统需要大量资源或耗费大量时间。 此外，QQ 中的一些定性因素可能涉及多个层面。 然而，目前大多数筛选方法都只关注因子，却无法识别重要的定性水平。 为了应对这些挑战，我们提出了一种新颖的惩罚性加性高斯过程（PAGP），其特点是为 QQ 因子提供可解释的加性协方差结构。 它允许对协方差结构的超参数进行稀疏性惩罚，从而能够识别重要的定性水平。为优化 L1 正则化似然，开发了一种定制的交替方向乘法（ADMM），并提出了一种使用导数信息的梯度优化方法，以加速 PAGP 建模。 我们进一步建立了利用夏普利值筛选定量因子的有效方法。 然后，我们提出了一种贝叶斯优化（BO）方法，利用 PAGP 理想的不确定性量化来优化带有 QQ 因子的黑箱系统。这种基于 PAGP 的贝叶斯优化可以在优化过程中提供可解释的因子水平重要性归因。 PAGP 通过稀疏正则化和高效筛选因子水平而脱颖而出。数值模拟和实际案例研究表明，与一些最先进的方法相比，所提出的方法具有更优越的性能。

报告人简介：

李勇祥博士现为上海交通大学工业工程与管理系副教授，于2019年在香港城市大学数据学科学院取得哲学博士学位。李勇祥博士围绕复杂系统的质量与可靠性，研究机理与大数据联合驱动的复杂系统建模与不确定性量化，主要涉及复杂系统的试验设计、统计监测、智能诊断等。研究方向主要包括计算机实验设计与分析、统计与机器学习、统计质量控制、统计信号处理。代表性成果发表在相关领域国际高水平期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《IEEE Transactions on Signal Processing》、《Technometrics》、《IISE Transactions》、《IEEE Transactions on Neural Networks and Learning Systems》等。李勇祥博士先后主持国家自然科学基金青年和面上项目，上海市科技创新行动计划自然科学基金面上项目，并于2021年入选上海市浦江（A类）人才计划，现任INFORMS Journal on Data Science副主编。