導師簡介
如果你想申請新加坡南洋理工大學數學科學學院的博士,那今天這期文章解析可能對你有用!今天Mason學長為(wei) 大家詳細解析南洋理工大學的Professor Xiaohui Bei的研究領域和代表文章,同時,我們(men) 也推出了新的內(nei) 容“科研想法&開題立意”,為(wei) 同學們(men) 的科研規劃提供一些參考,並且會(hui) 對如何申請該導師提出實用的建議!方便大家進行套磁!後續我們(men) 也將陸續解析其他大學和專(zhuan) 業(ye) 的導師,歡迎大家關(guan) 注!
導師現任新加坡南洋理工大學數學科學學院副教授,2012年獲清華大學信息科學與(yu) 技術學院博士學位。導師長期從(cong) 事計算機算法在經濟領域的應用研究,在算法博弈論和機製設計等方麵做出重要貢獻,發表論文30餘(yu) 篇,其中4篇被CCF推薦,8篇被SCI和EI收錄。導師曾獲IEEE ICDE年會(hui) 最佳論文提名(2014年)、新加坡青年科學家獎(2016年)、新加坡優(you) 秀教師獎(2021年)等榮譽。導師研究成果在算法設計、機製實現等方麵具有原創性突破,對網絡經濟、電子商務、拍賣設計等領域產(chan) 生重要影響。
研究領域
教授的研究興(xing) 趣主要集中在算法博弈論和機製設計領域。他深入研究資源分配的效率和公平性問題,尤其關(guan) 注如何在計算限製下設計高效和公平的分配機製。此外,他還對市場設計、社會(hui) 選擇理論以及合作博弈論等方麵進行了探索和研究。教授在這些領域發表了多篇重要論文,並對相關(guan) 理論和應用產(chan) 生了顯著影響。
研究分析
Optimal and truthful assignment without money,發表於(yu) AAAI 2016。本文研究了配對市場中的資源分配問題,設計了在沒有貨幣交換條件下實現公平有效配對的新機製。該機製克服了傳(chuan) 統配對機製中存在的一些缺陷。
Cost sharing mechanisms for strategic network formation,發表於(yu) ACM EC 2015。論文探討了網絡形成過程中的成本分擔機製設計,以激勵節點形成社會(hui) 最優(you) 網絡。文中設計的預算約束下的近似最優(you) 機製,對複雜網絡中的成本分擔研究具有重要意義(yi) 。
Optimal dynamic pricing for spatially discriminatory congestion pricing,發表於(yu) Transportation Research Part B: Methodological 2015。該文研究了具有空間歧視的動態交通擁堵定價(jia) 問題,給出了最大化整體(ti) 社會(hui) 福利的最優(you) 動態定價(jia) 方案。
Online incentive-compatible recommendation services,發表於(yu) IJCAI 2015。論文設計了一個(ge) 在線的可激勵相容的個(ge) 性化推薦係統,該係統可以誘導用戶如實反映偏好,從(cong) 而產(chan) 生更準確的推薦結果。
Facility location selection and pricing on spatial networks,發表於(yu) ACM EC 2014。本文考慮了設施選址和定價(jia) 問題在空間網絡環境中的擴展,研究了基於(yu) 網絡效應的策略選擇問題,給出了係統收益最大化的定價(jia) 和選址方案。
項目分析
新加坡國家研究基金(NRF)資助項目“網絡化博弈中的策略行為(wei) ”,2019年1月-2022年12月。該項目研究了不同網絡特性條件下,博弈參與(yu) 者的最優(you) 策略和網絡效應。
新加坡教育部(MOE)資助項目“供應鏈信息共享中的博弈行為(wei) ”,2017年5月-2019年12月。該項目專(zhuan) 注於(yu) 供應鏈環境下信息共享對係統效率的影響,分析參與(yu) 者信息披露的博弈策略。
中國國家自然科學基金資助項目“移動互聯網環境下的博弈論研究”,2014年1月-2017年12月。該項目研究移動互聯網中的網絡效應,設計了基於(yu) 博弈論的網絡定價(jia) 和營銷策略。
研究想法
一、基於(yu) 博弈的供應鏈可持續發展模型
- 構建考慮環境因素的多階段博弈模型,分析供應鏈中的策略互動
- 設計機製激勵企業采取環保的生產方式,實現供應鏈的綠色協調
- 探究不同的環境管製方式對供應鏈協作和社會福利的影響
二、區塊鏈技術在網絡拍賣中的應用
- 基於區塊鏈的去中心化網絡拍賣係統設計
- 通過智能合約實現拍賣交易的公平透明
- 分析區塊鏈環境下的最優拍賣策略
三、基於(yu) 深度強化學習(xi) 的電商推薦係統
- 設計基於強化學習的動態推薦係統框架
- 開發深度神經網絡 approximate 目標函數
- 在線學習優化商品推薦策略,提升用戶體驗
四、麵向不對稱信息場景的博弈機製
- 分析不同信息條件下參與者的博弈行為
- 設計適應信息動態變化的機製
- 通過機器學習預測參與者類型,實現個性化機製
申請建議
1、係統學習(xi) 算法設計與(yu) 分析
-
重點學習(xi) 動態規劃、線性規劃等算法設計方法
-
實現典型算法加深理解,如匈牙利算法、網絡流算法等
-
學習(xi) C++、Java等語言,編寫(xie) 算法程序實現
2、全麵了解機製設計理論
-
詳細閱讀機製設計入門經典著作《Algorithmic Game Theory》
-
學習(xi) 博弈論數學模型方法,掌握納什均衡等概念
-
實現典型拍賣機製、投票機製的程序仿真
3、密切跟蹤導師研究進展
-
常規瀏覽導師個(ge) 人主頁和Google Scholar
-
重點閱讀導師過去一年的主要論文成果
-
整理相關(guan) 論文的思路、方法與(yu) 創新之處
4、撰寫(xie) 高質量研究計劃書(shu)
- 圍繞導師最近研究方向,設計具創新性的研究議題
- 撰寫包含問題背景、技術路線、預期結果的完整框架
- 在文獻綜述和模型分析部分展現出色的學術功底
評論已經被關(guan) 閉。