主讲人：陈希 教授

题   目：在线医疗服务中如何进行医患匹配？一种基于偏好学习的数据驱动方法（How to match doctor and patient in online healthcare service? A data-driven method with preference learning）

讲座简介：

传统医疗服务向网络平台的转变已成为不可阻挡的趋势，为患者提供了更便捷、高效的医疗保健体验。在线医疗服务中，来自医生和患者的海量多属性信息，塑造了合理的医患匹配关系。属性权重不仅被广泛用于反映患者对医生不同属性的偏好，也常被用来体现医生对不同患者的偏好。如何从患者和医生的不同视角确定多属性的权重，一直是医患匹配问题中的关键。因此，本文提出了一种数据驱动的医患匹配偏好学习方法。首先，针对在线医疗服务中出现的不同类型属性定义了距离度量方式。其次，提出了一个偏好学习模型来获取属性权重，在此过程中，考虑了以往匹配成功的医患之间的匹配程度。在此基础上，基于前景理论提出了一种满意度计算方法，并设计了一种新颖的医患匹配模型，以便为医患双方生成最优服务。最后，通过案例研究和对比分析，论证了所提方法的可行性和有效性。

The transition of traditional medical services to online platforms has become an irresistible trend, offering patients a more convenient and efficient healthcare experience. A tremendous stream of multi-attribute information available from doctors and patients has emerged in online healthcare service, shaping rational matching relationships. Attribute weights are not only extensively employed to reflect patients' preferences for doctors' different attributes, but also widely applied to indicate doctors' preferences for distinct patients. How to determine the appropriate weights of multi-attribute from the different perspectives of patients and doctors has been a critical point in the doctor-patient matching problem. Therefore, this paper presents a data-driven doctor-patient matching preference learning approach. Firstly, we define distance measures for different types of attributes that occur during online healthcare services. Secondly, we propose a preference learning model to obtain the attribute weights, in which we consider the matching degree between previously matched doctors and patients. On this basis, we propose a satisfaction degree calculation method based on prospect theory and design a novel doctor-patient matching model to generate optimal services for doctors and patients. Finally, a case study and comparative analysis are given to demonstrate the feasibility and effectiveness of the proposed method.

主讲人简介：

陈希，西安电子科技大学经济与管理学院教授、博士生导师。近年来以第一作者或通讯作者在《Information Sciences》、《Journal of Combinatorial Optimization》、《管理评论》、《管理科学》、《管理学报》、《运筹与管理》、《工业工程与管理》、《系统工程》等SCI检索的国际期刊以及国家自然基金委管理科学部认定的重点期刊上发表论文近20篇；发表的中英文学术论文被EI和ISTP检索分别为9篇和5篇；在经济科学出版社出版学术专著1部。参与完成了国家杰出青年科学基金项目、国家创新研究群体科学基金项目、国家自然科学基金重大研究计划培育项目等多项。

主讲人：郭宁 副教授

题   目：电动汽车充电基础设施的韧性分析：贝叶斯网络方法（Resilience analysis of electric vehicle charging infrastructure: A Bayesian network approach）

讲座简介：

随着电动汽车的广泛应用，充电基础设施已成为交通系统中不可或缺的一部分。然而，诸如自然灾害和网络威胁等各类不可避免的干扰性事件，严重影响了充电基础设施的运行。为了更好地应对与这些干扰性事件相关的风险，确保充电基础设施能抵御此类干扰至关重要。因此，本研究对充电基础设施进行了全面的韧性分析。首先，基于吸收能力、适应能力和恢复能力，确定了有助于充电基础设施韧性提升的关键驱动因素。随后，运用贝叶斯网络对充电基础设施的韧性进行建模。此外，还利用包括敏感性分析、正向推理以及反向推理在内的多种先进技术，对韧性量化进行了分析。本研究得出的见解有利于希望提高充电基础设施韧性的从业者。

With the widespread adoption of electric vehicles, charging infrastructure has become indispensable to transportation systems. However, various unavoidable disruptive events, such as natural hazards and cyber threats, severely impact the operation of charging infrastructure. To better handle the risks associated with these disruptive events, it is crucial to ensure that the charging infrastructure is resilient to such disruptions. This study, therefore, conducts a comprehensive resilience analysis of charging infrastructure. Firstly, key drivers contributing to the resilience of charging infrastructure, based on absorptive, adaptive, and restorative capacities, are identified. Following this, a Bayesian network is employed to model the resilience of the charging infrastructure. Furthermore, resilience quantification is analyzed using various advanced techniques, including sensitivity analysis, forward inference, and backward inference. Lastly, the insights drawn from study will benefit practitioners who wish to improve the charging infrastructure resilience.

主讲人简介：

郭宁，西安电子科技大学经济与管理学院副教授、硕士生导师。近年来从事项目风险管理、智慧物流与供应链管理等方面的研究工作。主持国家自然科学基金青年项目、陕西省软科学项目、陕西省社科界重大理论与现实问题研究项目、中央高校基本科研业务费专项资金资助项目等纵向课题多项。在《Journal of the Operational Research Society》、《Computers & Industrial Engineering》、《Project Management Journal》、《运筹与管理》等国内外知名期刊上发表学术论文多篇。

主持人：张哲 教授

时   间：2024年12月23日10:00-12:00

地   点：ZOOM会议（会议ID：982 2272 9676）

会议密码：LZ12345

会议链接：

https://sfu.zoom.us/j/98222729676?pwd=ak95UjkxSlZ1OXNxY3JNelFTcUpBdz09

『管理决策与数据科学研究团队』由我院萃英讲席教授张哲教授组建，致力于运用数学建模、计算机仿真、经验研究、实验研究等定量研究方法解决管理实际问题和研究问题，主要研究方向包括但不限于：运营与供应链管理、系统可靠性、双轨服务系统、创新创业管理等。团队系列研讨会每月举行一次，欢迎广大师生参与。