2024年12月23日，『管理决策与数据科学研究团队』系列研讨会第五十六期以ZOOM线上会议的形式顺利举行。本次研讨会由张哲教授主持，西安电子科技大学陈希教授和郭宁副教授进行了相关研究分享，校内外老师和研究生共50余人参加了此次研讨会。

陈希教授进行了以“How to match doctor and patient in online healthcare service? A data-driven method with preference learning”为题的研究分享。随着在线医疗平台的普及，患者可以根据专业职称、咨询价格等属性选择合适的医生，医生也可以根据患者的病情严重程度等属性作出响应。然而，现有平台在医患匹配过程中的有效性仍有待提高。该研究结合双边匹配理论与偏好学习技术，该研究设计了一种全面考虑患者与医生属性偏好的匹配模型。基于“好大夫在线”平台数据，提取了300名患者和10名医生的多维属性数据，包括患者的性别、年龄、病情严重程度、沟通频率等，以及医生的咨询价格、专业职称、医院等级等。该研究将这些属性分为数值型、区间型、类别型和序列型，并使用偏好学习技术为每个属性分配权重。随后，通过优化目标函数，模型不仅能最大化患者和医生的满意度，还能在多种误差情景下保持预测的准确性和匹配的稳定性。在结果验证中，研究展示了四种误差率场景（基础、10%、20%、30%）下的模型表现，发现模型均能够通过精准权重分配有效提升匹配准确率。同时，敏感性分析表明，不同场景中模型对关键属性（如咨询价格）的反应具有较高的稳定性，进一步证明了模型实用价值。该研究实现了在双边匹配场景下对属性权重的学习与分配，不仅适用于在线医疗，还为其他双边匹配问题提供了参考。随后，张哲老师和白建明老师与陈希教授进行了深入的交流与讨论，参会师生对该研究有了更加深入的理解。

郭宁副教授进行了以“Resilience analysis of electric vehicle charging infrastructure: A Bayesian network approach”为题的研究分享。电动汽车充电基础设施是推动可持续交通发展的重要支柱，如何量化其在自然灾害、网络攻击及设备老化等多重扰动下的韧性表现，是当前亟需解决的关键问题。该研究采用贝叶斯网络模型对电动汽车充电基础设施的韧性进行量化分析，为相关决策者提供了理论指导与实践建议。从韧性理论出发，将充电基础设施的韧性分解为吸收能力、适应能力和恢复能力三大核心要素。通过整合历史数据、专家评估以及统计分析方法，该研究构建了贝叶斯网络框架，以揭示各影响因素之间的交互作用及其对韧性结果的综合影响。研究结果表明，恢复能力是影响充电基础设施韧性表现的关键因素，其中“预算恢复”和“备用通信系统”对于整体韧性水平的提升尤为重要。此外，敏感性分析揭示，吸收能力、适应能力与恢复能力之间存在显著的协同作用，能够有效优化资源配置、提高系统应对不确定性的能力。最后，该研究还利用了前向推理和逆向推理等先进技术，对充电基础设施的不同情景进行模拟评估，从而帮助决策者识别关键瓶颈和优化路径。随后，张哲老师与郭宁副教授就该研究进行了交流与讨论。

『管理决策与数据科学研究团队』由我院萃英讲席教授张哲教授组建，致力于运用数学建模、计算机仿真、经验研究、实验研究及数据科学等定量研究方法解决管理实际问题和研究问题，主要研究方向包括运营与供应链管理、系统可靠性、双轨服务系统、创新创业管理等。团队系列研讨会每月举行一次，敬请关注学院主页，欢迎广大师生参与。