武汉：2026年智能优化应用实践研讨会（免收会务费）

2026年智能优化应用实践研讨会将聚焦智能决策优化领域的前沿发展与创新实践，重点探讨运筹学、智能优化算法（如进化算法、群体智能算法），强化学习以及大模型等技术在商业决策中的深度应用。本次研讨会计划于2026年4月10日-11日举办，由华中科技大学管理学院主办，华中科技大学管理学院-北京络捷斯特科技发展股份有限公司决策智能研究中心承办，并由北京络捷斯特科技发展股份有限公司赞助。

会议简介

01.核心议题

会议将围绕以下三大核心议题展开深入交流与探讨：

议题一：智能决策优化前沿技术发展

• 分享全球范围内智能优化领域的最新研究进展与突破性成果
• 探讨运筹学、进化计算、强化学习、大模型等技术的融合创新
• 分析智能优化算法在复杂决策场景中的应用前景与发展趋势

议题二：企业级智能优化实践案例

• 深入剖析智能优化技术在实际业务场景中的成功应用案例
• 专家分享特定优化问题的解决方案设计与实施经验
• 探讨在实践过程中遇到的技术挑战与应对策略
• 提供可复用的优化方法论与最佳实践指南

议题三：产研结合的创新探索

• 分享从企业实践中提炼科研课题的方法论
• 探讨如何将实际业务问题转化为高质量学术研究
• 建立产学研协同创新机制，促进理论创新与实践应用的深度融合

02.会议宗旨

本次研讨会旨在搭建学术界与产业界深度对话的平台，推动智能决策优化领域的创新发展。通过理论探讨与实践经验分享，促进前沿算法与商业实践的有机结合，为解决复杂决策问题提供创新思路和方法论支持。

我们期待通过本次会议，能够：

• 推动智能优化技术的产业化应用
• 促进学术界对产业需求的深入理解
• 培育跨学科、跨领域的创新合作
• 为智能决策优化领域注入新的发展动力

03.会议安排

会议计划于2026年4月10日-11日举办，地点位于武汉市洪山区珞喻路1037号华中科技大学管理学院大楼。

会议基本议程如下：

• 4月10日 （周五）参会人员报到注册
• 4月11日（周六）全天召开研讨会

此次研讨会所有报告线下举行，不设线上直播、不录像，所有报告的场地均在华中科技大学管理学院报告厅，具体日程如下：

2026年，让我们继续携手探索智能决策优化的未来，共同谱写理论与实践融合发展的新篇章！期待您参与第五届智能优化应用实践研讨会，一起推动智能优化技术的创新突破与价值创造！

报名方式

本次研讨会采取报名邀请制。如您有意参会，请通过以下方式报名：

1. 发送邮件至：tigerqin1980@qq.com

2. 邮件主题建议格式：智能优化应用实践-姓名-单位

3. 邮件内容请注明：姓名、单位/学校、身份信息

其中身份信息请根据情况选择填写一项：

学生：专业与年级；

教师/研究人员：专业或研究方向；

企业参会者：所属行业

4. 邮件还需简要说明参会原因（例如：兴趣方向、实际应用需求等）

5. 报名截止时间为2026年4月3日

我们将根据报名信息进行审核，并通过邮件回复确认邀请。报名成功的嘉宾会被邀请至研讨会专属微信群。

期待您的参与！

注：本次研讨会不收取会务费。特邀嘉宾的住宿自理，餐饮、会议资料及茶歇费用由会务组承担；普通参会嘉宾的住宿、餐饮、会议资料及茶歇等费用敬请自理。

部分报告嘉宾（排名不分前后）

储诚斌教授 法国艾菲尔大学

储诚斌，现为法国艾菲尔大学教授，国家级人才。1985年毕业于合肥工业大学工业自动化专业, 于1990年获法国梅斯大学博士学位。1992年任法国国家信息及自动化研究院终身研究员。1996年任职特鲁瓦工业大学，其创建和领导的工业系统优化实验室成为法国国家重点实验室。2008至2017年任职巴黎中央理工大学（Ecole Centrale Paris，现巴黎-萨克雷大学中央理工-高等电力学院，CentraleSupélec，Université Paris-Saclay）的由LV等多家跨国公司联合赞助的供应链管理讲席教授。储教授的研究领域集中在生产和物流系统优化，发表280多篇国际期刊论文，其中2篇获最佳论文奖。主持20多项欧盟、法国中央、地方政府和企业资助的研究项目，总经费近1000万欧元；研究成果在数十家企业和多个行业得到应用。由于他在理论创新及实际应用方面的突出贡献，他在1996年就荣获法国运筹学和辅助决策领域的最高奖项Robert Faure一等奖。此外，他同中国高校开展卓有成效的合作，曾任西安交通大学海外讲座教授﹑工业工程系海外系主任；同济大学讲座教授、中国科技大学客座教授。接待多名中国学者访问，并为中国高校培养了多名优秀的博士和博士后，多人入选国家级人才。

报告题目：组合优化：生产系统与供应链中的科学问题及现实应用

报告摘要：本次讲座将介绍供应链管理与组合优化的基本原理，概述该领域的关键科学方法与研究课题，重点探讨如何从实际应用中提炼科学问题、通过理论分析构建解决方案，并将研究成果应用于从跨国公司到各行业中小企业的广泛场景中。

陈植副教授 香港中文大学

陈植，目前担任香港中文大学商学院副教授，香港中文大学深圳研究院副研究员，国家级青年人才。他的研究兴趣主要集中于：（1）面对不确定环境下的决策问题，针对不同数据可用性层次设计优化模型与求解算法，并应用于商业、经济、金融和运营等领域的实际问题；（2）探讨资源分配和风险管理等共同活动中的竞争与合作方式。他的研究成果发表在Management Science、Operations Research、Production and Operations Management、INFORMS Journal on Computing等UTD（11篇）旗舰期刊上。多项课题获得国家自然科学基金委员会和香港研究资助局支持。

报告题目：开源鲁棒优化软件RSOME in Python介绍

报告摘要：RSOME in Python是基于报告人发表在Management Science 期刊上的鲁棒随机优化建模框架的开源优化软件。面向含不确定性的复杂决策问题，提供直观、数学化的建模接口，可高效构建鲁棒优化、分布鲁棒优化、随机规划等模型。该软件采用模块化架构，支持高维数组建模与多种不确定性集定义，自动将鲁棒模型转化为标准线性 / 锥形规划形式，兼容 Gurobi、CPLEX、MOSEK 等商业求解器及 ECOS、SCIP 等开源求解器。其语法贴近数学表达，与 NumPy、Pandas 深度融合，大幅降低鲁棒优化建模门槛，已在金融风控、供应链管理、能源系统、电力调度等领域广泛应用，为科研与工业界提供了高效、灵活的不确定性优化解决方案。

李锋教授 华中科技大学

李锋，华中科技大学“卓越学者”特聘教授，博士生导师，国家级青年人才。东北大学本科、硕士、博士，美国马里兰大学联培博士，香港理工大学博士后。主持国家自然科学基金面上项目、国家自然科学基金青年项目（后评估为“特优”）。主要研究方向为生产调度、物流优化、组合优化、算法设计与分析等。研究成果主要发表在Management Science、INFORMS Journal on Computing、Naval Research Logistics、European Journal of Operational Research、Journal of Scheduling、Transportation Research Part E等国际高水平期刊上。相关研究成果应用于良品铺子、东本储运等企业。

报告题目：基于柔性产品的订单选择与交付问题

报告摘要：本研究探讨了考虑多资源、多产品、多仓库的订单选择与交付问题。研究重点在于确定接受哪些订单，以及利用哪个（些）仓库来履行每个被接受的订单，从而实现总利润最大化。为了更有效地利用资源并通过为客户提供更多选择来提高客户满意度，企业提供的产品包括特定产品和柔性产品两类，其中柔性产品代表一组可替代的特定产品。一旦柔性产品订单被接受，企业将从其可替代产品集合中为其分配一种特定产品。针对该问题，本文提出了精确算法以求解该问题的最优解，以及基于列生成的启发式算法来高效地寻找近似最优解。

张真真教授 同济大学

张真真，同济大学经济与管理学院长聘教授、博士生导师、国家级青年人才。长期致力于大规模整数规划和不确定优化的理论研究与算法设计，及在物流运输规划、智能制造等方面的应用。目前已发表高质量论文30余篇，包括Operations Research、INFORMS Journal on Computing、Transportation Science、Transportation Research Part B、NeurIPS等，主持国家级项目、上海市人才项目和华为、中远海运科研课题各1项，作为项目骨干参与创新研究群体和重点项目各1项。现任管理科学与工程学会交通运输分会执行秘书长、世界交通大会货运与物流系统优化技术委员会主席、运筹学会随机服务与运作管理分会理事，并长期担任Operations Research，Transportation Science等30多个国际知名期刊的审稿人。

报告题目：复杂物流运输规划的理论与实践

报告摘要：随着企业运营管理的日益精细与运营数据的持续积累，加之突变的交通状况、波动的顾客需求等多重不确定信息的交织干扰，现代物流调度系统正面临从“静态寻优”迈向“数据驱动规划”的范式重构挑战，传统方法已难以契合实际运营的复杂性与不确定性，亟需更加智能的决策模型和算法。本次讲座将针对上述挑战，结合本团队在陆路、海运及航空运输领域的多年项目实践，深入剖析如何从实际业务场景中挖掘关键难点并设计高效算法的完整路径。讲座内容将系统从确定性环境下的基础路径规划、到外生不确定影响下的鲁棒规划、再到决策与随机需求耦合的内生不确定调度，层层递进地阐述问题发掘、模型构建与算法设计的核心思想。通过具体算例与实战数据，我们将直观展示相关算法在提升服务质量、降低运营成本及优化收益结构等方面的显著成效。

阴佳腾教授 北京交通大学

阴佳腾，北京交通大学系统科学学院教授，大数据与智能计算中心主任，国家级青年人才，入选中国科协青年人才托举计划，国家级平台“轨道交通控制与安全国际联合中心”副主任。主要研究方向是轨道交通运营优化与管理、列车运行控制、大模型与智能计算等。分别于2012年、2018年在北京交通大学电信学院获得学士、博士学位，于2024-2025年在新加坡国立大学担任高级访问学者。主持和参与国家级项目、国家科技部重点研发、北京市自然科学基金、中国工程院重大咨询项目等国家级/省部级项目30余项。在TR-B/C/E、JOC、EJOR、NRL等期刊上发表论文50余篇，论文引用次数3500余次，6篇论文入选ESI高被引和热点论文，连续多年入选全球前2%顶尖科学家。目前，担任领域权威刊物Transportation Research Part C客座编辑和编委、INFORMS年会联席主席，获教育部自然科学二等奖、北京市自然科学二等奖、中国城市轨道交通协会科技进步一等奖（2022）、中国自动化学会科技进步一等奖（2019）、中国自动化学会自然科学二等奖（2021）等科技奖励。

报告题目：轨道交通智慧运营优化：理论与实践的“双向奔赴”

报告摘要：我国目前运营着世界上规模最大、密度最高的高速铁路和城市轨道交通网络，面对日益复杂的运营环境，传统经验驱动的管理模式已难以满足高效、韧性的运营需求。在理论向实践转化层面，报告以城市轨道交通列车调度这一经典的NP难问题为例，首先介绍如何通过改进列生成算法，有效解决传统模型在变量维度爆炸下的求解难题，显著提升了突发事件下列车运行图调整的决策效率。在此基础上，围绕理论成果在现场运营实践的落地，详细阐述了列生成优化算法嵌入运营平台系统的多个关键阶段，实现了从算法模型到智能编图调图系统的工程化应用。在实践反哺理论层面，以两个典型案例介绍了实践需求如何驱动理论研究的深化。一是针对我国高速铁路客货混运调度算法研发过程中面临的挑战，重点研究了在线决策优化问题，以适应新业态下的实时性要求；二是探索了突发事件下大语言模型（LLM）在应急调度中的应用，引发了关于“人智协同”决策机制的深层思考与理论构建。

魏丽军教授 广东工业大学

魏丽军，广东工业大学机电工程学院教授，长期聚焦离散制造过程优化问题的建模与求解算法研究，构建了通用算法求解框架及系列领域专用智能算法，系统覆盖精确求解算法与智能优化算法两大体系，研究方向包括装箱优化、排样下料、车辆路径调度、排产排程、集成电路布局布线优化等。累计发表SCI论文50余篇，成果发表于IJOC、TRB，EJOR，TCAD等期刊。主持国家自然科学基金3项、省部级基金10余项，承接企业横向课题20余项，授权发明专利50余件，出版学术专著3部。

报告题目：二维装箱问题的求解算法及应用

报告摘要：二维装箱/下料问题是生产制造的首道工序，对企业的生产组织与车间的运行优化起着牵引作用，同时也直接决定原料成本，尤为关键。本次报告将介绍二维装箱问题的最新研究进展，包括启发式和精确求解算法，并结合企业真实案例介绍算法的应用。

夏俊副研究员 上海交通大学

夏俊，上海交通大学董浩云智能管理与物流研究院副研究员、博士生导师。博士毕业于香港理工大学物流与航运学系，长期专注于运筹优化与智能决策技术研究，聚焦其在物流与交通运输管理领域的创新应用。主持多项国家自然科学基金项目，研究成果发表于OR、TS、TRB/E、NRL等国际权威期刊。积极推动产学研深度融合，与中远海运、奇瑞、美的、远东宏信等行业领军企业开展合作，将智能优化决策方法应用于企业实践，有效提升运营效率。相关实践成果获中国物流与采购联合会科技进步一等奖。

报告题目：数据驱动的智能优化应用：融合场景基因的模型算法设计与落地实践

报告摘要：在物流与供应链管理中，智能优化算法的应用为提升企业运营效率提供了重要支撑。然而，理论方法向实际应用转化的过程中常常面临诸多挑战。一方面，算法在相似场景下的输出结果存在跳跃性，难以被使用者充分理解与信任；另一方面，算法的实际效果受到多重因素的影响，包括一线操作人员的使用习惯以及实践场景中的偶发性因素等。因此，让算法具备契合实际场景的“场景基因”是其落地使用的关键。本报告通过两个物流运输优化的实际案例，探讨如何通过数据驱动的方式，将业务场景与一线操作习惯融入算法设计之中，使算法的输出结果更加易于理解、接受并高效执行，从而为企业提供真正可落地的智能解决方案。

罗志兴教授 南京大学

罗志兴，于2010年在华南理工大学获得学士学位，于2014年在香港城市大学获得博士学位，现为南京大学工程管理学院教授、博士生导师、国家级青年人才，主要研究的领域是运筹优化算法设计、智慧物流、智能制造等。他主持多项国家自然科学基金项目，在国际知名期刊Management Science、Manufacturing & Service Operations Management、INFORMS Journal on Computing、Transportation Science、Transportation Research Part-B: Methodological以及Naval Research Logistics发表论文十多篇。他2018年参加京东物流举办的“全球运筹优化挑战赛”，在城市物流运输车辆智能调度赛题获得第一名，2019年入选中国科协青年人才托举工程，2020年获得华为诺亚方舟实验室优秀高校合作项目奖。

报告题目：Approximation for Pure Integer Two-stage Distributionally Robust Service Network Design Problem with Demand Uncertainty

报告摘要：We investigate a distributionally robust service network design problem with integer recourse and addresses the computational challenge stemming from integer recourse. Based on a two-stage consolidation-based formulation, the second-stage worst-case expected cost can be evaluated in closed form by leveraging the concave envelope of the recourse function. The closed-form nature enables reformulation of the original two-stage model into an approximate model that can be solved directly by commercial solvers.  Numerical experiments on the Civil Aeronautics Board dataset  show that the proposed approximation approach is capable of solving large-scale instances—with up to 3.5 million variables—within acceptable computation time. Out-of-sample simulations demonstrate that our model outperforms both deterministic and stochastic benchmarks, validating the quality of the approximation.

贺兴博士 天津元生无界

贺兴，香港城市大学博士，主要研究方向为随机优化、车辆路径规划与生产调度优化。曾参与阿里巴巴集团前置仓选品优化、广东OPPO移动通讯有限公司生产调度优化、梅花集团五金采购优化以及香港康复会康复巴士路径优化等多个项目，在智能优化理论研究与企业实际应用方面具有较为丰富的经验。

报告题目：AI赋能下的智能决策

报告摘要：本次报告将围绕“AI赋能下的智能决策”展开，重点分享人工智能技术在供应链优化与企业决策中的创新应用。报告将结合智能建模、诊断分析与优化决策等核心场景，系统展示AI如何提升供应链规划效率、增强业务响应速度，并在降本增效、服务提升等方面创造实际价值。同时，报告还将结合典型案例，分享相关技术成果与行业实践，为企业推进数智化转型提供参考。