黄敏首先梳理了平台物流供应链的发展背景与行业演进趋势，指出随着工业体系由自动化、数字化向智能化发展，多主体协同与人机协同正成为新的重要方向。她结合平台物流供应链的典型运作场景，分析了当前该领域在作业层、管理层和决策层面临的主要挑战，包括多类型智能设备的跨场景集成、数据实时共享与隐私保护之间的矛盾，以及多主体、大规模、强不确定性条件下的协同决策难题。随后，黄敏围绕战略、战术和操作三个层级，系统介绍了团队在平台机制设计、物流网络布局、库存管理、运输路径优化、仓内作业协同及供需匹配等方面的研究成果，并结合企业实践阐释了运筹优化、机器学习和鲁棒优化等方法在物流供应链决策中的应用。

在案例讲解环节，黄敏重点介绍了双源库存系统中的进货决策问题。针对企业仅掌握需求均值与方差、无法确定具体需求分布的情形，她讲解了基于TBS库存策略和重交通排队网络近似的求解思路。该方法通过为常规渠道设置固定订货量、为应急渠道设置安全库存阈值，在不依赖额外超参数的情况下获得近似最优决策。真实业务数据验证表明，该方法能够较好平衡库存持有成本与缺货风险，在综合表现上优于传统方案。黄敏还展望了大模型技术与在线决策深度融合、物流供应链协同方法向医疗和制造等领域拓展，以及智能仓仿真和元宇宙交互实验平台建设等未来研究方向。

讲座尾声，黄敏与在场师生围绕库存决策的周期属性、随机需求支撑集对模型边界的影响、随机变量独立性等问题进行了深入交流。面对师生提出的问题，她结合相关研究成果逐一作出细致回应。讲座使与会师生对平台物流供应链的协同运作机制及智能决策方法有了更加系统的认识，也为进一步开展物流供应链数字化、智能化与协同化研究提供了有益启发。