.png){kind=icon}
返回
Data-driven decision-making: Paradigms, methods, and challenges
.png){kind=icon}
PRE
AI
DOI：10.1007/s42524-026-5384-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据驱动的决策制定在不确定性和动态环境下的工程管理及复杂运行系统中扮演着日益重要的角色。本文回顾了数据驱动优化的主要范式，包括离线学习与随机优化、小数据条件下的鲁棒和分布鲁棒优化，以及自适应在线和强化学习方法。我们考察了这些范式的方法论基础，并讨论了它们在工程管理领域的应用。最后，我们强调了人工智能与决策制定交叉领域的新兴研究方向。
Keyword:
data-driven optimization
stochastic optimization
distributionally robust optimization
online learning
reinforcement learning
AI for decision-making
期刊
IF:
7.7
论文数:
438
被引数:
1.5K
机构
引用论文
Roles of Artificial Intelligence in Collaboration with Humans: Automation, Augmentation, and the Future of Work人工智能与人类协作的角色：自动化、增强以及工作的未来.png)
MANAGEMENT SCIENCE
MANAGEMENT SCIENCEIF4.9
PREAI
分享收藏
查看更多内容