中文摘要：

傅中旭教授现为美国马里兰大学Smith商学院Ralph J. Tyser教授。他在随机系统仿真优化领域共发表论文130多篇，出版2部专著。他的论文和专著多次获奖（他和复旦大学胡建强教授合著的专著获得1998年INFORMS的杰出仿真专业出版物奖），并于2007年因为在仿真优化领域的突出贡献而被选为INFORMS Fellow和IEEE Fellow。他曾担任Management Science、Operations Research等数家国际顶尖期刊的副主编。他的主要学术成绩有⑴ 离散事件系统仿真的随机梯度估计算法研究；⑵ 仿真量最优分配技术研究；⑶ 提出了新的全局最优化仿真方法（模型参考自适应搜索算法），该方法被证明是最好的仿真优化方法之一；⑷ 提出了可以解决具有庞大决策空间和状态空间的马尔可夫决策过程的有效算法；⑸ 基于数学规划方法的制造设备预防性维护策略算法研究。

结论摘要：

本项目经过两年的研究，基本实现了项目立项时的研究目标，对项目立项时的研究内容进行了重点研究。本项目着眼于研究新一代的仿真优化方法，主要是进一步研究和应用由Hu, Fu和Marcus（2007）新提出来的模型参考自适应搜索算法（Model Reference Adaptive Search, MRAS）。本项目在以下几个方向上做了深入的研究（1）最优仿真量分配法，给出了仿真优化中选择最优方案设计时，不同方案设计间共享仿真资源，并且所需资源不相同的情况下的最优仿真量分配法；（2）对OU型过程随机波动率模型的参数估计问题进行了研究，基于隐马尔科夫模型，首先开发了平滑摄动分析法的梯度无偏估计算法，然后应用仿真优化中随机逼近方法来做最大似然估计；（3）构造数学模型研究一个两层的信贷资产组合问题，并且基于此模型开发了基于仿真和对偶理论的交互式的迭代算法；（4）对传统的最优仿真量分配法做进一步拓展，联合优化方案设计数量和仿真资源分配；（5）拥有多个投资者，且每个投资者对资产回报的期望值不同的市场均衡问题；（6）金融衍生品交易（Derivative Trading）和卖空（Short Selling）以及它们与标的市场之间的互动关系。项目取得了一系列较高水平的研究成果，已有3篇文章被发表和录用（IEEE Transactions on Automatic Control和Numerical Algebra, Control and Optimization），2篇文章已完成并投稿（Quantitative Finance和Journal of Financial and Quantitative Analysis），还有多篇文章在撰写中。