基于观测数据的预测优化方法的能力和局限性
该论文结合了机器学习和运筹学的想法，提出了一种基于数据的最优决策框架和方法，应用于条件随机优化问题中，证明了该方法的实用性和广泛适用性，并通过一个库存管理问题的实际案例展示了该方法的优越性。
Feb, 2014
本文提出了一种新的方法来优化二分类或连续处理的细微变化，该方法可以利用观测数据，其中因果效应使用各种策略（包括可观察的选择和仪器变量）进行识别，并建立了一种针对选择谁进行治疗的算法，并确定了其产生的政策渐近效用后悔的强有力保证。
Feb, 2017
该论文讨论了使用观察数据进行最优策略学习（OPL）的多行动（或多臂）设置下的数据驱动最优决策问题，分别从估计、风险偏好和潜在失败三个方面进行了讨论，并提出了关于线下最优策略学习估计器的识别假设和统计特性，以及决策风险分析和最优选择受决策者风险态度的影响，最后讨论了影响最优数据驱动决策的条件限制。
Mar, 2024
本文介绍了结合预测算法和优化技术来解决不确定性决策问题的上下文优化领域。文中关注单一和两阶段随机规划问题，识别了三种从数据中学习策略的主要框架，并讨论了它们的优点和局限性。
Jun, 2023
提出了一种新的统计假设检验方法来利用数据设计鲁棒优化的不确定集合，该方法灵活适用于各种领域，并且计算复杂度可行，理论和实践上都具有可靠性。操作研究领域的计算实验证明，当数据可用时，与传统的鲁棒优化技术相比，我们的数据驱动集合显著优于传统技术。
Dec, 2013
我们提出了一种方法来比较决策策略的预测性能，该方法结合了因果推断和离线评估文献中的现代识别方法，并使用我们的框架在真实世界的医疗保险注册政策的预部署评估中进行了应用。
Apr, 2024
本篇论文利用决策树表示数据观测过程并使用基于贝叶斯决策理论的先验概率分布，将实现统计上最优的预测结果。同时，我们解决了计算 Bayes 最优预测的问题，例如内部节点的特征分配问题，实现方法为应用马尔可夫链 - 蒙特卡洛方法，其步长可以根据先验分布自适应调整。
Jun, 2023
本文介绍了一种基于历史销售数据和机器学习算法，利用二次规划问题以及半定规划松弛的快速近似算法来解决价格优化问题，使得实际销售商品的利润最大化，实验结果表明该优化算法可以同时得出数百个商品的最优价格，并且将销售商品的总毛利润提高了 8.2% 左右。
May, 2016