决策与应用 · 04
仿真优化：从参数搜索到决策建议
当模型已经能跑，下一步往往是把参数调得更优。但优化结果是否可信，取决于问题定义是否清楚、目标是否可测、约束是否真实。本次研讨以产线节拍与人员配置为例，讨论优化在仿真项目中的位置与边界。
关于这场活动
优化器不会替你做决策。讨论决策变量、目标函数与约束如何定义，以及随机目标下为什么不能只信一次搜索结果。
活动以问题讨论与结构拆解为主，不要求现场跟着软件操作。我们会用案例说明建模判断，并在末尾留出提问时间。
议程
| 09:30–09:50 | 优化前的三个问题决策变量、目标、约束是否都定义清楚。 |
| 09:50–10:30 | 随机目标下的搜索噪声、重复评价与过拟合；启发式方法的局限。 |
| 10:30–10:45 | 休息 |
| 10:45–11:30 | 案例：节拍与人员配置从搜索结果到可执行建议的翻译过程。 |
| 11:30–12:00 | 边界与讨论什么时候优化器给出的只是局部最优；答疑。 |
适合谁
- 需要做方案选型的仿真工程师
- 对运筹优化与仿真结合感兴趣的从业者
- 希望理解优化器输出含义的管理者
你会带走什么
- 能写出可优化的仿真决策问题
- 知道随机目标为什么要多次评价
- 能识别优化结果的不可靠信号
准备与形式
前置知识
完成过一次完整的仿真建模；了解基本实验设计概念。
形式与地点
线上 · 会议链接在报名确认后发送
活动语言为中文。线上活动的会议链接在报名确认后发送；线下活动的具体场地以最终通知为准。
说明
示例声明本场为原型示例活动，讲师、名额与会议链接均为占位信息。
继续学习
这场活动涉及的方法在课程中有更完整的展开：P-SIM 仿真实战 - 项目 与 知识库「仿真优化」条目。