Daniel Kuhn Lauréat du Prix Frederick W. Lanchester 2020
© 2020 EPFL
Le prix Frederick W. Lanchester 2020 a été décerné à Peyman Mohajerin Esfahani et Daniel Kuhn pour leur article "Data-driven Distributionally Robust Optimization using the Wasserstein Metric : Performance Guarantees and Tractable Reformulations" (Mathematical Programming, 2018). Le prix Lanchester récompense la meilleure contribution à la recherche opérationnelle et aux sciences de la gestion publiée en anglais au cours des cinq dernières années.
L'article gagnant aborde un défi fondamental de l'optimisation dans l'incertitude : la distribution des paramètres du problème incertain, qui est nécessaire pour calculer la valeur attendue de la fonction objective, est inconnue. En pratique, on a accès à un ensemble d'échantillons de formation à partir de cette distribution. Dans ce cas, l'objectif naturel est de trouver une procédure qui transforme les données d'entraînement en une décision que l'on espère quasi optimale et en une prédiction de son coût attendu. L'article construit une approche des décisions basée sur les données en résolvant un problème d'optimisation robuste de la distribution sur une boule de Wasserstein.
Ces contributions ne sont pas seulement fondamentales, mais elles ont également ouvert la voie à une nouvelle perspective sur les méthodes populaires en matière de statistiques et d'apprentissage automatique, ainsi que sur les applications.