2018年12月20日下午，斯坦福大学工程管理系彭勃和瞿树晖两位博士生在中国科学院大学经济与管理学院为师生带来了题为“Enhancing Recommendations for Household Customers Using Product-Customer Lifecycle Data”的学术报告。报告由经济与管理学院刘颖副教授主持。

彭勃博士作报告

　　彭博士主要介绍了有关推荐系统的新研究。以往推荐系统以个人用户为对象，根据其历史购买行为进行潜在购买品的推荐。彭博士认为家庭用户有更稳定的购买和回收行为，将商品购买使用和回收整个商品生命周期纳入推荐系统，提出产品用户交互生命周期模型，并在理论基础上证明了回收信息加入推荐系统算法能够有效提高推荐算法准确率。并且，这种纳入回收行为的推荐系统算法在真实数据中有更优异的表现，弥补了推荐系统研究的空白。随后，彭博士与现场师生就回收信息如何提高推荐准确性、家庭用户的特点等方面进行交流和互动。

瞿树晖博士作报告

　　瞿树晖博士主要介绍了复杂生产线中动态排期问题的主要研究方法和研究现状，并详细分享了他的研究成果。瞿博士介绍当前企业排期问题的现状和挑战，随着工序复杂程度的提高和目标个数增多，动态排期问题越来越受到业界和学术界的关注。当前有关动态排序问题的研究方法有很多，比如mathematical optimization、index policy、dynamic programming、neural network和reinforcement learning等，瞿博士详细介绍了每种方法的适用性、优缺点和时间复杂度，然后详细介绍了基于MARL的index policy方法。最后，瞿树晖博士也详细回答了现场师生提出的有关排期问题的疑问，并分享了自己其他的有关研究成果和下一阶段的研究方向。

　　本次讲座和交流对老师和同学们在算法创新和应用相关研究领域有很大启发和借鉴意义。