智能算法与机器学习
本研究室致力于构建支持人类决策的智能化算法。 通过将优化理论与统计学习理论相结合，我们旨在设计能够应对现实世界复杂问题的新型算法。 研究重点包括：从有限信息中提取有价值知识的机器学习方法，以及具有高计算效率和坚实数学基础的优化模型。
面向经营与营销的数据科学
我们通过数据驱动的方法来支持经营决策和营销战略的科学化与高效化。 利用消费者调查数据、销售记录及经济指标等实证数据， 开展预测分析与因果分析，以提高商业决策的质量。 特别是通过可解释的机器学习模型（如 SHAP 与 ICE）， 我们为企业提供透明且具有说服力的策略依据，促进数据驱动的创新与决策。
支撑决策的数理评价方法
我们还专注于研究在多重评价标准下导出最优选择的定量分析方法。 以数据包络分析（DEA）及其扩展模型为核心， 构建用于多角度测量效率、生产率和绩效的数学框架。 此外，我们注重开发能够考虑现实数据中不确定性与波动性的稳健评价指标， 以提供高可信度的决策支持与绩效评估。
