全国免费服务热线

                         南京大学工程管理学院

                 

                                      复杂工程与项目管理方向

 本方向面向国家战略需求,专注于一类复杂重大工程建设管理理论与实践的互动研究,通过大项目实践来凝练科学问题,开展理论创新研究,并推动该学科方向发展,逐步形成重大工程管理理论的中国话语体系。针对重大工程复杂性,运用复杂系统理论来开展重大工程管理基础理论体系研究,相继主持和完成了多项国家自然科学基金面上、重点和重大项目。盛昭瀚教授著述的《重大基础设施工程管理的基础理论》(英文版)在 “Springer运筹学与国际科学国际丛书系列”出版,这是当前工程管理理论研究领域的一项具有原创性、自主性的重要理论成果,也是我国工程管理学术界对国际工程管理理论发展与进步做出的重要贡献。同时,该学科方向积极将研究研究成果转化到指导实践,除了直接服务于广乐高速、港珠澳大桥重大工程外,还针对太湖治理、渤海湾通道建设、“一带一路”重大工程风险防控策略等问题以内参形式向国务院建言献策。该方向研究成果多次获得教育部科技进步一等奖、中国公路学会特等奖、广东省科技进步特等奖等。当前,面临着大数据技术及“新基建”战略实施,该方向正积极融合大数据、区块链、人工智能等技术来开展智慧工程建设与运营管理等方面的理论研究和实践。

2、运营与供应链管理方向

 该方向立足制造和服务系统需求,依托优化、信息、系统和控制等技术方法,围绕运营与供应链管理中的行为决策和智慧物流管理等展开理论与应用研究,培养能有效胜任运营过程的计划、组织、实施与控制的复合型的高级经营管理人才。

 该方向在理论、实践和人才培养方面取得了系列重要成果,在国内外具有一定的影响并获得了国内外同行的广泛认可。沈厚才教授入选2019-2022教育部高等学校工业工程类专业教学指导委员会委员。肖条军教授连续4年入选爱思唯尔(Elsevier)的中国高被引学者(决策科学)。李敬泉教授作为创始人成立中储南京智慧物流有限公司,开展智慧物流研究和实践应用,为中储智运开展咨询与决策服务,助推企业高速发展,产生了显著的经济和社会效益。李敬泉教授也因此获得了中国物流与采购联合会、中国物流十大年度人物等荣誉,并多次获得中国物流与采购联合会科学技术进步奖一等奖。年轻教师先后取得中国运筹学会青年科技奖、华人数学家联盟最佳论文奖和京东全球优化竞赛总冠军等奖项,以及入选江苏省社科优青和中国科协青年托举工程等荣誉。

3、金融工程与金融管理方向

 该方向坚持人才培养适应时代发展,科学研究依托国家重大需求与社会重大问题、瞄准国际学术前沿,力图在资本市场、商业银行和金融科技等领域培养高水平人才、创造理论新知,进而推动中国金融业健康发展。

 该方向是国内最早开展行为金融研究的团队之一,长期为中国资本市场服务,与中国证监会,上海证券交易所,以及中国金融期货交易所等机构联合开展课题二十余项,参与监管政策以及证券交易法规和指引的制订和修订,对沪港通、沪伦通、50ETF期权、科创板等在中国资本市场具有里程碑意义的机制与产品的设计产生重要影响。作为江苏省科技金融思想库的依托单位,承担“十二五”和“十三五”期间江苏省科技金融规划的制定与推广工作,并参与南京市金融规划的制定,为江苏省和南京市新型科技金融体系的建设提供了具有战略前瞻性和可操作性的政策建议,取得了良好的社会效益;结合江苏省经济发展的需要,提出以华泰证券为平台发行江苏省服务业ETF基金产品,成果获得江苏省委高度评价。

4、大数据分析与智能决策方向

 大数据与人工智能技术的迅速发展为管理学科产生了巨大的冲击与影响,也为管理问题的解决带来了新思路。本方向以机器学习、数据分析和最优化方法为核心,面向大数据环境下管理理论与管理技术的发展需求,基于信息物理系统深入研究了具有广泛适用性的优化与决策方法,形成了若干具有影响力的创新性成果,同时开展了交叉应用研究,尤其是新的制造业生产方式下的管理优化问题,在国防安全、智能制造和智能农业等方面均产生了较大的社会效益。

 本方向针对管理、金融和工程领域中的大规模可分凸优化问题,转换成一系列相对容易求解的维数较低的子问题,设计出相应的实用数值算法,为大数据环境下管理理论研究和应用实践奠定了基础,形成了若干大数据分析领域的核心优化思想与算法,相关成果受到了国内外学者的广泛关注。本方向长期从事数据驱动的不确定性推理决策以及人机混合系统中的指挥与管理理论与技术,在本研究方向相关领域形成了较大的学术和社会影响。此外,近年来强化学习方法发展迅速,尤其是与深度学习相结合,被认为是实现通用人工智能的途径之一,也是解决面向管理应用的优化决策问题(尤其是马尔科夫决策问题)的重要方法,本研究团队是国内最早从事强化学习研究的团队之一,所提出的量子强化学习方法、增量式强化学习方法等,不仅应用于人的行为学习、运筹优化等领域,也广泛应用于其他交叉领域,为开放、动态、复杂环境下的优化与决策问题提供了高效可行的解决方案。