一、复杂供应链/物流系统预测、决策、优化与仿真理论与方法

面向智慧供应链运营管理需求，从管理系统工程视角，运用博弈论、运筹优化、建模仿真、数据挖掘、机器学习/深度学习等理论与方法，围绕制造/服务型企业和灾害应急救援资源的供应链/物流系统：预测、决策、优化与仿真等问题，遵循数学建模、仿真建模和数据建模及其理论分析的研究范式，开展理论和应用研究。研究方向包括：

1. 复杂竞争环境下的制造企业供应链定价博弈与运营优化

2. 复杂联盟环境下的海运企业供应链定价博弈与服务优化

3. 重大灾难事件下的应急资源供应链协调博弈与资源优化

4. 多主体分布式交互模式下的供应链执行过程建模与仿真

5. 数据挖掘与机器学习驱动的供应链运营数据分析与预测

二、AI技术（机器学习/深度学习）与分布式交互仿真技术集成应用

面向智慧城市服务运营管理需求，从实际工程应用视角，遵循数据建模、仿真建模的研究范式，建立数据模型（机器学习/深度学习/强化学习）、仿真模型（离散事件系统/分布式交互仿真系统），设计与实现：集成化的学习算法或仿真算法，进行数据实验分析，针对实际问题给出解决方案。研究方向包括：

1. 城市社会安全事件预测与公安警务仿真优化算法设计与开发

2. 智慧城市安全指数预测与应急决策仿真优化算法设计与开发

3. 城市充电服务需求预测与共享调度仿真优化算法设计与开发

4. 城市电废回收需求预测与政策干预仿真优化算法设计与开发

5. 城市公共交通需求预测与服务运营仿真优化算法设计与开发

6. 复杂离散事件系统的分布式交互仿真建模与仿真算法设计与开发（灾害疏散、公共交通、物流运输、工程安全、城市安全等）

三、AI技术（机器学习/深度学习）与智能推荐技术集成应用

面向智慧教育服务运营管理需求，从实际工程应用视角，遵循数据建模、知识建模的研究范式，建立数据模型（机器学习/深度学习/强化学习）、知识模型（语义/图谱/自然语言），设计与实现：集成化的学习算法或推荐算法，进行数据实验分析，针对实际问题给出解决方案。研究方向包括：

1. 在线学习能力预测与学习路径智能推荐算法设计与开发

2. 在线学习资源分类与资源优选智能推荐算法设计与开发

3. 在线学习兴趣分类与目标生成智能推荐算法设计与开发

4. 在线论坛热点预测与话题追踪智能推荐算法设计与开发

5. 在线评论趋势预测与风险管控智能推荐算法设计与开发