2026年11月12日,西班牙萨拉戈萨物流中心(Zaragoza Logistics Center)冯有翼教授应邀做客永利app-永利平台 ,在九龙湖校区为师生带来题为《Dynamic Bid-Price Strategies in Hub-and-Spoke Networks: Structural Properties and a Theory-Informed AI Agent》的学术报告。本次报告由永利app 陈桢老师主持,学院多名教师和学生参加了本次讲座。
冯有翼教授本科及硕士毕业于南京大学数学专业,后于美国哥伦比亚大学获得工业工程硕士及博士学位,曾在新加坡国立大学、香港中文大学等高校任教,长期从事供应链管理、库存管理、收益与风险管理等领域的研究,研究成果发表于《Operations Research》《Management Science》等国际权威学术期刊。

在报告中,冯教授指出,随着航空运输网络日益复杂,传统收益管理方法在处理不同航段之间的资源关联及高维动态问题时面临诸多挑战。如何充分利用航空网络的数学结构,并将其与人工智能技术相结合,成为提升动态收益管理决策效率的重要研究方向。在此基础上,冯教授重点介绍了本次报告研究的轴辐式航空网络(Hub-and-Spoke Network)。该网络由多个辐射城市、一个中心枢纽及一条连接最终目的地的干线航段构成,旅客既可以购买前往枢纽的本地航程,也可以通过枢纽中转前往最终目的地。与传统单航段收益管理不同,这种网络结构同时存在资源之间的竞争与互补关系:一方面,不同辐射航段的中转旅客需要竞争有限的干线座位资源;另一方面,中转航程又必须同时占用辐射航段与干线航段的座位,使两类资源之间形成互补关系。这些复杂的库存关联使得不同航段的资源价值相互影响,显著增加了动态定价决策的难度。
针对上述问题,冯教授介绍了基于动态规划的航空网络收益管理模型。研究通过建立Hamilton-Jacobi-Bellman方程,刻画给定剩余座位和销售时间下的最大期望收益,并将某一航程消耗座位资源所造成的未来收益损失定义为动态影子价格。这一价格反映了座位资源的机会成本,是连接库存管理与动态定价决策的关键。
随后,冯教授重点阐释了研究团队在最优价值函数结构性质方面取得的理论成果。研究证明,在相应模型假设下,轴辐式航空网络的最优价值函数具有三项重要性质:一是坐标凹性(Coordinate Concavity),即随着某一航段座位容量的增加,额外座位所带来的边际收益逐渐递减;二是辐射航段之间的次模性(Feeder-Feeder Submodularity),即增加某一辐射航段的容量会降低其他辐射航段容量的边际价值,反映了不同航段对共享干线资源的竞争关系;三是辐射航段与干线航段之间的超模性(Feeder-Trunk Supermodularity),即增加干线容量能够提高辐射航段容量的边际价值,体现了中转运输对两类座位资源的互补需求。这些结果从数学上揭示了航空网络中资源竞争与互补关系的规律。
随着航空网络规模和库存状态维度的增加,传统动态规划方法难以直接应用于大规模网络。针对这一问题,研究团队提出利用理论指导的神经网络(Theory-Informed Neural Network,TINN)近似高维动态价值函数,并在模型训练中引入结构性正则化约束。通过将运筹优化的结构性知识融入机器学习过程,该方法有助于缩小模型的学习空间,提高决策结果的可解释性,并降低产生不符合经济规律的定价策略的风险。
报告最后,冯教授进一步探讨了相关研究向更复杂运营网络拓展的可能性。此外,冯教授还以高速铁路网络为例,说明不同起始站之间的旅客行程如何共享部分区间的座位资源,从而形成类似的库存竞争关系。
本次报告从航空网络的资源结构出发,逐步深入到动态优化模型、价值函数的数学性质及人工智能算法设计,系统展示了运筹优化理论与人工智能技术相结合的研究思路。冯教授强调,人工智能的引入并非要取代传统优化理论,而是应充分利用已有的数学结构与理论保证,使人工智能模型能够更加高效、稳定且符合经济规律地解决复杂运营决策问题。报告不仅加深了师生对航空网络收益管理与动态定价理论的理解,也为探索人工智能与运筹优化的深度融合提供了有益启发。
