4月27日，经管学院“SEM管理科学”青年学者论坛邀请到新加坡国立大学工业系统工程与管理系李晓波助理教授带来题为“异方差数据下的选品优化”的在线学术报告。李晓波的研究主要集中在鲁棒优化和需求学习，应用于收益管理、数据驱动决策和共享经济。

　　在电商平台中，如何在有限的版面中推荐合适的产品，是困扰广大电商的问题。李晓波在选品优化问题中，考虑了顾客端效用的异方差性。他首先介绍了选择模型，对消费者的选品行为进行建模，包括随机效用模型（RUM，Random Utility Model）,边际分布模型（MDM, Marginal Distribution Model），以及在扰动项为指数分布时的边际指数分布模型（MEM, Marginal Exponential Model）。李晓波主要讨论了在消费者选择行为是MEM的情况下的选品优化问题。首先，他证明了MEM不是RUM的特例，因此RUM的相关结论不能直接应用到MEM上，并说明了该问题在市场外商品效用方差最小时是NP-hard问题。而在市场外商品效用方差最大时，他证明此时存在strictly profit-nested set是最优的。很自然的想法是，在该条件没有满足时，用Profit-Nested近似最优解的效果如何，李晓波在前人研究的基础上，又增加了近似算法收益的一个下界。之后他还给出了问题的近似算法，可以实现任意精度的近似，并且nba赌注平台|官网-app下载：商品总数和精度的倒数是多项式时间的。最后，李晓波展示了数值实验模拟结果，以及应用到实际数据上的结果。