1
课程详述
COURSE SPECIFICATION
以下课程信息可能根据实际授课需要或在课程检讨之后产生变动。如对课程有任何疑问，请
联系授课教师。
The course information as follows may be subject to change, either during the session because of unforeseen
circumstances, or following review of the course at the end of the session. Queries about the course should be
directed to the course instructor.
1.
课程名称 Course Title
数据智能与决策分析 Data Intelligence and Decision Analytics
2.
授课院系
Originating Department
信息系统与管理工程系 Department of Information Systems & Management Engineering
3.
课程编号
Course Code
MIS305
4.
课程学分 Credit Value
3
5.
课程类别
Course Type
专业核心课 Major Core Courses
6.
授课学期
Semester
春季 Spring
7.
授课语言
Teaching Language
英语 English
8.
授课教师、所属学系、联系方
式（如属团队授课，请列明其
他授课教师）
Instructor(s), Affiliation&
Contact
（For team teaching, please list
allinstructors）
王松昊，信息系统与管理工程系， wangsh2021@sustech.edu.cn
Wang Songhao, Department of Information Systems & Management Engineering,
wangsh2021@sustech.edu.cn
9.
实验员/助教、所属学系、联系
方式
Tutor/TA(s), Contact
待公布 To be announced
10.
选课人数限额(可不填)
Maximum Enrolment
（Optional）
2
11.
授课方式
Delivery Method
讲授
Lectures
实验/实习
Lab/Practical
其它(请具体注明)
Other（Please specify）
总学时
Total
学时数
Credit Hours
32
32
64
12.
先修课程、其它学习要求
Pre-requisites or Other
Academic Requirements
MA212 概率论与数理统计
MA212 Probability and Statistics
13.
后续课程、其它学习规划
Courses for which this course
is a pre-requisite
无 None
14.
其它要求修读本课程的学系
Cross-listing Dept.
无 None
教学大纲及教学日历 SYLLABUS
15.
教学目标 Course Objectives
This course introduces students to data-driven analysis, modeling and decision making for complex real systems
based on discrete-event simulation. We mainly focus on problems that have no closed-form solutions but with
abundant data resources. The course provides a solid mathematical/statistical grounding in simulation and some
tools to solve actual problems. It will cover data collection and input data analysis, modeling techniques, random
number generators, discrete-event simulation approaches, simulated output data analysis, simulation variance
reduction techniques and state-of-the-art simulation software.
本门课程以离散事件仿真技术为基础，教授如何利用现实系统的数据进行分析、建模和决策。我们将主
要针对缺乏闭式解但拥有丰富数据资源的决策问题。本门课程将讲解关于仿真的数学、统计学背景，并
介绍如何利用仿真解决实际问题。具体介绍的主题包括数据收集和输入数据分析、建模技术、随机数生
成、离散事件仿真方法、仿真数据分析、方差缩减以及先进的仿真软件。
16.
预达学习成果 Learning Outcomes
Students will be able to demonstrate knowledge of data collection and analysis, stochastic simulation models and
interpret results from simulation analysis and how to apply those results to real-world problems.
Students will be able to build simulation models with simulation software.
Students will be able to use simulation in their research and go into an advanced course on simulation
methodology.
学生能够掌握如何对真实系统进行数据收集和分析、建立随机仿真模型的知识，能够进行仿真结果分析，并将其使用到实
际问题之中。
学生能够使用仿真软件自主建模。
学生能够将仿真技术应用到对其他领域的研究之中，并为进阶的仿真理论学习打下基础。
3
17.
课程内容及教学日历 （如授课语言以英文为主，则课程内容介绍可以用英文；如团队教学或模块教学，教学日历须注明
主讲人）
Course Contents (in Parts/Chapters/Sections/Weeks. Please notify name of instructor for course section(s), if
this is a team teaching or module course.)
理论和实验课（共 64 学时）
理论（32 学时）
第 1-2 周 数据驱动的仿真模型简介（4 学时）
本次课介绍离散事件仿真的基础，包含系统描述与仿真、仿真的类型、步骤、优势和局限等。
第 3-4 周 数据驱动的仿真实例（4 学时）
本次课介绍多种仿真实例，包含排队模型、一阶自回归模型、随机活动网络等。这些模型将作为示例贯穿本门课。
第 5-6 周 基础概率与统计（4 学时）
本次课提供另一种看待仿真的角度：将其结果视为随机过程，并提供设计仿真实验和分析结果的框架。具体内容包含：统
计与概率论基础，如常见分布、随机过程基础、排队理论等。
第 7-8 周 输入数据分析（4 学时）
本次课程介绍仿真的输入模型，并讨论真实系统的数据收集和基于这些数据的单变量、多变量输入的推断、估计和检验。
第 9 周 期中考试（2 学时）
第 10-11 周 输出数据分析（4 学时）
本次课介绍仿真输出分析的常用技巧，包含点估计、置信区间、仿真长度、对终止和非终止仿真的重复次数、预热阶段、
去除初始偏差等。
第 12 周 随机数产生（2 学时）
本次课介绍如何产生用于驱动随机仿真的随机数，包含逆变换法、拒绝法等
第 13 周 方差缩减（2 学时）
本次课介绍用于方差缩减的方法，包含重要性抽样、 控制变异法、反向变异法、相同随机数等。
第 14 周 仿真优化和数据驱动的决策（2 学时）
本次课介绍如何利用仿真选取最优决策，包含随即逼近法、排序选择法、基于替代模型的算法等。
第 15 周 关于仿真的其他课题（2 学时）
本次课程主要介绍如何利用仿真支持其它领域的研究，如优化、排队、金融工程、生产规划、物流等。
第 16 周 课程项目汇报（2 学时）