2025年10月18日，系统科学运河论坛（第二十八期）在崇德楼系统科学研究院422会议室成功举办。本期论坛以“数智供应链与物流科技”为主题，汇聚来自清华大学、北京大学、北京理工大学、北京交通大学及北京航空航天大学等多所高校的顶尖学者。北京物资学院党委副书记、院长左敏，研究生院常务副院长兼研工部部长莫立坡，系统科学研究院马尽文教授以及青年教师代表出席会议。

论坛环节的五场高水平主旨报告，聚焦数字化、智能化供应链与物流系统的前沿理论、方法与应用，深入探讨了系统科学如何赋能产业变革与高质量发展。报告由领域内相关专家和青年教师主持。

报告一：如何寻找有趣的研究话题？（清华大学）

肖勇波教授以“研究选题决定研究高度”为核心，分享了科研选题的思维逻辑与路径方法。他指出，管理科学与工程领域的研究应坚持“顶天立地”的理念——既要回应国家战略需求，又要解决企业管理中的真实问题。报告重点阐述了如何从实践中凝练科学问题、如何通过建模实现问题求解，并结合自身在运营与供应链管理领域的实证研究经历，为青年学者提供了选题创新的可行范式。

报告二：Data-driven capacity management of ride-hailing service with prescriptive analytics and deep learning（北京理工大学）

李想教授以网约车平台为研究背景，提出了基于“预测-优化一体化（P&O）”的运力管理框架，突破了传统“预测后优化（PTO）”模式下的信息损失问题。通过构建融合加权样本平均近似（WSAA）与VMD-CNN-BiLSTM-AM1深度模型的复合体系，实现了需求预测与调度优化的联动学习。基于真实出行数据的实验表明，该方法在复杂动态环境下显著提升了运力配置效率与盈利能力，体现了深度学习技术在出行系统优化中的强大潜力。

报告三：系统科学方法论赋能物流与供应链管理研究（北京交通大学）

华国伟教授从系统科学的视角，系统阐述了物流与供应链管理的复杂性与系统性特征。他指出，当代供应链已由线性运营转向多主体、多环节耦合的动态系统，其优化需从“局部改进”走向“整体调控”。华教授也通过国内外前沿案例，展示了系统科学方法如何推动从“问题描述”到“机制解析”，再到“决策创新”的研究跃升，为跨学科融合提供了新范式。

报告四：Closing the Loop: Coordinating Inventory and Recommendation via Deep Reinforcement Learning on Multiple Timescales（北京大学）

彭一杰教授聚焦企业跨部门协同决策问题，提出了一种多时间尺度、多智能体深度强化学习框架，实现库存补货与个性化推荐系统的联动优化。通过理论建模揭示了多职能系统间的协同机制与调整规律，并在算法层面实现了策略分解与多速率学习机制，显著提升了决策的可解释性与稳定性，也为AI驱动的企业决策提供了可推广的智能化方案。

报告五：数据驱动随机车辆路径问题（北京航空航天大学）

王珊珊教授以真实配送场景为研究背景，探讨了考虑服务时限与内生不确定性的数据驱动随机车辆路径问题（VRP）。研究利用非参数化方法估计路径依赖的旅行时间分布，并通过逻辑Benders分解算法与多种加速策略，实现了大规模实例的高效求解。结果表明，数据驱动模型在降低期望延误、提升配送效率方面显著优于传统模型，为智能物流优化提供了新的思路与算法支撑。

与会青年教师积极参与提问与交流，专家们结合自身的研究经验进行了详细的解答，现场学术氛围浓厚。此次论坛为数智供应链与物流科技领域的学者提供了一个高效的交流平台，激发了学术碰撞与经验共享，也为我校在数智化物流与供应链管理领域的发展提供了宝贵的借鉴与启示。

莫立坡院长表示，论坛聚焦数智供应链与物流科技，推动系统科学学科发展，并为解决物流领域问题提供理论支持。他鼓励师生与专家深入合作，融合理论与产业实践，培养复合型人才。未来，研究院将继续举办运河论坛，促进学术合作，支持科研与人才培养。

撰稿：吕昊东

摄影：王洪珏，张静

审核：莫立坡