Robert L. Smith | |
---|---|
Nacionalidad | Americano |
Ocupación(es) | Ingeniero , académico y autor |
Premios | Cátedra de Ingeniería Russell D. O'Neal, becaria INFORMS Altarum/ERIM |
Antecedentes académicos | |
Educación | Licenciatura en Física M.BA en Ciencias de la Gestión M.S. en Ciencias de la Ingeniería Doctorado en Ciencias de la Ingeniería |
Alma máter | Colegio Harvey Mudd Universidad de California, Berkeley |
Trabajo académico | |
Instituciones | Universidad de Michigan , Ann Arbor |
Robert L. Smith es un ingeniero , académico y autor estadounidense . Es profesor emérito Altarum/ERIM Russell D. O'Neal en el Departamento de Ingeniería Industrial y de Operaciones de la Universidad de Michigan , Ann Arbor. [1]
La investigación de Smith se centra en el modelado, análisis y optimización de sistemas dinámicos a lo largo del tiempo. Sus principales contribuciones a la investigación han sido en áreas de optimización global , optimización de horizonte infinito y sistemas de transporte inteligentes. Ha publicado más de 100 artículos en revistas revisadas por pares [2] y ha asesorado a 28 estudiantes de doctorado [3].
Smith recibió el Premio al Profesor Destacado de la Asamblea de Estudiantes de Michigan (1989), el Premio a la Excelencia en Investigación de la Facultad de Ingeniería (1999-2000), el Premio al Logro Distinguido de la Facultad de Ingeniería (2002-2003) y el Premio a los Logros Destacados del Departamento de Ingeniería Industrial y de Operaciones (2004-2005). En 2003 fue elegido miembro del Instituto de Investigación de Operaciones y Ciencias de la Gestión y fue citado por "haber producido una investigación influyente en una variedad de áreas, incluyendo la optimización del horizonte infinito, la expansión de la capacidad, los fundamentos de la programación dinámica y el modelado de sistemas de distribución y transporte a gran escala". [4]
Smith obtuvo su licenciatura en física en el Harvey Mudd College en 1966. Luego completó su maestría en administración de empresas en 1968 bajo la supervisión de Reinhard Selten y su maestría en ciencias de ingeniería en 1971 en la Universidad de California, Berkeley, donde también obtuvo un doctorado en 1971 con Stuart Dreyfus . [5]
Smith comenzó su carrera académica en 1971 como profesor en la Escuela de Graduados de Administración de Empresas de la Universidad de California, Berkeley, y trabajó allí hasta 1972. De 1972 a 1976 fue miembro del personal técnico de Bell Labs , donde trabajó en la planificación de instalaciones de red. En 1976, se unió a la Escuela de Graduados de Negocios y al Departamento de Matemáticas y Estadística de la Universidad de Pittsburgh como profesor asistente y sirvió hasta 1980. Luego fue nombrado profesor asociado y más tarde profesor en el Departamento de Ingeniería Industrial y de Operaciones de la Universidad de Michigan, Ann Arbor, donde sirvió desde 1980 hasta 2012. En 2003 se le otorgó la primera Cátedra de Ingeniería Altarum/ERIM Russell D. O'Neal. A partir de 2012, se desempeña como Profesor Emérito Altarum/ERIM Russell D. O'Neal en la Universidad de Michigan. [6]
Smith fue director del Laboratorio de Optimización de Sistemas Dinámicos de la Universidad de Michigan durante veinte años. De octubre de 2008 a septiembre de 2010, se desempeñó como director del programa de investigación de operaciones en la Fundación Nacional de Ciencias .
Smith ha trabajado en una variedad de áreas de investigación en investigación de operaciones. Es más conocido por introducir el algoritmo hit-and-run [7] en 1979 para muestrear de manera eficiente puntos de regiones de alta dimensión que Laszlo Lovasz demostró que lograba el mejor rendimiento de todos los algoritmos de muestreo. [8] Smith y sus colegas introdujeron Sampled Fictitious Play (SFP) [9] [10] en 2000 para encontrar de manera eficiente un equilibrio de Nash a través de las mejores respuestas a los sorteos de otros jugadores de jugadas históricas en una serie de juegos de interés idéntico. Thomas J. Sargent analizó las implicaciones de SFP y otros enfoques para encontrar equilibrios de Nash para la inteligencia artificial en fuentes de inteligencia artificial. Un equilibrio de Nash puede verse como un óptimo local de un problema de optimización visto como un juego de interés idéntico. [11]