Operations Research Letters《运筹学快报》 （官网投稿）

等待设置主要研究方向

管理学-OPERATIONS RESEARCH & MANAGEMENT SCIENCE运筹学与管理科学。期刊致力于对运筹学与分析学所有领域。欢迎纯方法论论文以及具有坚实方法论基础的应用型论文。期刊涵盖领域包括：组合优化问题的近似算法：涵盖与为计算困难问题开发高效近似解决方案相关的所有议题。包括近似算法的最坏情况分析或竞争分析，以及复杂性结果。投稿可以是该领域的理论工作文章，也可以是结合了具有数学性质的重要理论贡献与启发式方法的计算研究的文章。计算：发表关注运筹学、博弈论、经济学和其他中数据驱动过程的论文，无论是从理论还是应用角度。范围包括：机制的样本/计算复杂性、博弈论/运筹学/中的学习、使用AI算法（例如但不限于深度学习技术）解决复杂问题的经验方法等。连续优化：欢迎所有与运筹学相关的连续优化领域。这些领域包括但不限于：线性规划、非线性规划（约束或无约束、凸或非凸、光滑或非光滑、有限维或无限维）、互补性问题、变分不等式、双层规划和具有均衡约束的数学规划。金融工程：金融工程利用优化、模拟、决策分析和随机控制等方法论来分析金融市场的有效性和效率。本领域关注在方法上创新或开发指导金融实践的新模型的论文。示例包括但不限于金融科技、金融网络、市场微观结构、衍生品定价与对冲、信用与系统性风险、能源市场、投资组合选择。博弈论：发表使用博弈论分析运筹学模型或对博弈论理论做出理论贡献的论文。范围包括（但不限于）：合作与非合作博弈、动态博弈、机制与市场设计、算法博弈论、网络博弈、不完全信息博弈。图与网络：本领域寻求以原创和深刻的方式应用离散数学来推动运筹学理论与实践发展的论文，以及报告该领域理论或算法进展的论文。特别关注（但不仅限于）致力于新颖应用、电信与交通网络、图与网络模型及算法的论文。库存与供应链优化：本领域欢迎专注于库存控制和供应管理的创新性论文。主题示例包括但不限于：最优采购、库存与品类选择、定价与库存优化、产能规划、多品项/多级系统、算法与边界、近优或渐近最优解、激励机制设计。混合整数优化：欢迎所有推动混合整数（线性或非线性）规划理论与实践发展的投稿，例如在凸松弛、分支切割、多面体组合学以及理论驱动的启发式方法方面的新技术和算法方法。如果案例研究有助于一般方法论的发展，也会被考虑。运营管理：OM部门旨在发表运营管理领域短小精悍、重点突出、高质量的研究成果。运营管理广义上是运筹学应用于管理问题的领域。我们欢迎使用多种方法论的论文，包括描述性和规范性方法，例如优化、应用概率论、模拟和博弈论。调度：我们寻求在排序与调度问题的分析与解决方案方面的原创性和重要贡献。这包括结构与算法结果，特别是优化、近似和在线算法，以及博弈论建模。只要能够令人信服地阐明问题的相关性和贡献的重要性，所有结果都受欢迎。随机模型与数据科学：本领域寻求广泛关注运筹学与机器学习及统计学交叉领域的论文，其中随机变异性和不确定性起着关键作用。本领域重视两类论文：一类是在数据科学问题中开发或利用随机分析与计算的论文，包括但不限于强化学习、用于模型估计或训练的随机迭代算法、统计与机器学习工具的概率分析、抽样与蒙特卡洛方法；另一类是将学习或统计技术集成到随机建模中，以增强对广泛系统的预测或决策能力的论文。随机网络与排队论：本领域寻求对随机网络或排队论的建模、分析或创新应用做出贡献的论文。提交的工作应提出原创模型并开发新颖的分析或计算方法，而非渐进式扩展。相关应用领域的示例包括但不限于供应链管理、制造、金融工程、医疗保健、收益管理、服务运营、电信、共享经济、在线市场和公共部门运筹学。应用导向的论文应展示直接的实际影响，并具有较强的方法论 成分。随机优化与机器学习：ORL的随机优化与机器学习领域征集原创文章，这些文章能对不确定性下的优化和机器学习中出现的问题产生新颖见解。其范围广泛，涵盖（但不限于）随机（动态）规划、（分布）鲁棒优化、数据驱动优化以及机器学习与传统运筹学领域的交叉。成功投稿到本领域的文章预计能做出明确且有意义的学术贡献，这可以通过研究新问题、新模型、解决技术、性能分析以及令人信服且可重复的数值评估来实现。