本文研究网络防御问题，针对节点之间的防御资源共享和边缘权重等因素，提出了两种多项式时间复杂度的算法以最小化因攻击带来的损失，分别为基于 LP 的算法和基于最大流的算法，并探讨了该问题的 NP-hard 性质及近似算法。

Nov, 2019

通过动态规划平衡当前高奖励和未来低回报的多阶段社交网络优化问题的基础上，建立一个基于多变量 Hawkes 过程的社交网络优化理论框架，并针对推广的几个目标函数推导出外部事件强度与目标函数的时间依赖线性关系，进一步发展了一个凸的动态规划框架，可以确定每个阶段所需的外部推动水平，以达到所需的推广结果。实验结果表明，我们的算法比基线模型更准确地引导用户进行优化宣传。

Jun, 2016

研究了在线分配问题，通过创建不对称性来控制重用性引起的随机依赖，并建立了一个新算法，获得了最佳竞争比率。(The paper studies the problem of online allocation and proposes a new algorithm that creates asymmetry to control the stochastic dependencies induced by reusability, achieving the best possible competitive ratio.)

Feb, 2020

该研究使用几何规划法研究了在网络中分布保护资源以限制病毒传播的问题，并对预防性和矫正性资源的分配进行了优化，同时应用于空中运输网络上的疫情爆发。

Sep, 2013

本文研究多智能体系统中的资源分配问题，应用福利经济学和社会选择理论来评估这种系统的社会福利，通过交易代理可以达成最优的资源分配。

Sep, 2011

本研究考虑在非营利性组织的情境下进行在线资源分配，通过使用基于样本的线性规划算法实现了公平分配策略，并将其应用于实际的 COVID-19 疫苗接种数据集，结果表明该算法可以有效提高公平性。

Dec, 2021

本文针对在线资源分配问题提出了一个基于非均匀和已知到达分布的参数化线性规划算法，并进行了实验结果测试。

Dec, 2020

本文提出了一种基于数据驱动、使用半黑盒模型和高效优化算法的营销预算配置框架，以应对在线业务中动态环境和复杂决策 - making 过程，支持多种业务约束，可以处理大规模的问题，并在阿里巴巴集团的许多场景中取得了成功的应用，离线实验和在线 A/B 测试均证明了其有效性。

Feb, 2019

本文研究了一个在线资源预订问题，通过一个由两个计算节点组成的通信网络，在有限时间内最小化整体预订成本，并且保持累计违规与运输成本在一定预算限制下的在线重复博弈，提出了一个在线鞍点算法来解决该问题。

May, 2023

本文提出了一种基于因果学习的新方法，通过引入决策因素建立机器学习和运营研究之间的桥梁来解决资源分配问题，并设计了一种定制化损失函数来对决策因素进行直接异质因果学习，从而显著提高了解决方案的精度。

Nov, 2022