新加坡国立大学全奖博士招生(Prof. Chaithanya Bandi)

招生要求

根据NUS Business School博士项目的最新要求，申请者需满足以下条件：

·拥有相关学科的优秀本科学位

·具备在拟定研究领域开展研究的能力

·英语为非主要交流语言的大学毕业生必须提交TOEFL成绩单

·从2026年8月入学起，GMAT/GRE成绩为可选项（不再是必须提交项）

·印度GATE考试及类似考试通常不被接受

申请者通常会在新加坡或海外接受由商学院教授组织的面试。值得注意的是，虽然没有明确的GMAT最低分数要求，但平均分数在680-700/800分左右，具有较高的学术竞争性。

作为世界顶尖学府之一，NUS提供全额奖学金支持，包括NUS Research Scholarship、President Graduate Fellowship以及Commonwealth Scholarship。这些奖学金覆盖完整学费并提供月生活津贴，国际学生起薪为2,700新币，通过博士资格考试后还可获得500新币的额外补贴，资助期最长可达四年。

研究方向

作为新加坡国立大学商学院(NUS Business School)的知名学者，Prof. Chaithanya Bandi目前正在招收对运筹学、优化理论及其在商业决策中应用感兴趣的博士研究生。Prof. Bandi专注于在不确定性和不完整信息条件下的决策问题研究，特别是利用鲁棒优化(Robust Optimization)方法解决现实世界中的复杂问题。

根据Prof. Bandi的研究背景和发表论文，他的主要研究领域包括：

· 不确定性决策建模：开发基于鲁棒优化的模型，用于在信息不完整和存在风险的环境中做出决策。

· 排队系统优化：如《Robust Queue Inference from Waiting Times》(2024)等论文，提出基于鲁棒优化的推断框架，解决排队系统中的关键问题。

· 分布式鲁棒优化：如《On Finite Adaptability in Two-Stage Distributionally Robust Optimization》(2023)，旨在构建具有可解释性且易于实施的决策政策。

· 电子商务定价策略：如《Joint Price Optimization Across a Portfolio of Fashion E-Commerce Products》(2023)，解决时尚电子商务产品组合的联合价格优化问题。

· 医疗服务调度：如《Intraday Scheduling with Patient Re-entries and Variability in Behaviours》(2022)，研究患者行为变异性对医疗排班的影响。

· 人工智能与语言模型评估：近期研究如《Adversarial Multi-Agent Evaluation of Large Language Models through Iterative Debates》(2024)显示了其在AI领域的研究兴趣。

Prof. Bandi的研究应用范围广泛，包括电子商务、医疗保健、众包、数据中心和云计算等领域。

有想法

基于Prof. Bandi的研究方向，以下是几个创新研究计划的想法：

1. 鲁棒优化在可持续供应链中的应用：结合碳排放约束的供应链优化模型，研究如何在气候变化政策不确定性下设计弹性供应网络。该研究可以建立一个考虑碳价格波动、政策变化和极端天气事件的决策框架。

2. 基于人工智能的金融市场鲁棒交易策略：探索如何将鲁棒优化原理与机器学习方法结合，开发对市场波动更具弹性的交易算法。特别关注模型如何处理金融数据中的分布变化和异常值。

3. 医疗资源优化与流行病应对：设计一个灵活的医院资源分配框架，能够在流行病暴发期间快速调整。该研究可以利用Prof. Bandi的排队理论和优化专业知识，同时引入实时决策元素。

4. 大型语言模型的分布式评估与决策系统：基于Prof. Bandi最近的AI研究，开发一个基于辩论的系统，让多个AI代理合作解决复杂决策问题，特别是在信息不完整的情况下。这可以应用于商业战略、投资决策或政策制定。

5. 多层次鲁棒定价机制：针对平台经济（如共享出行或在线市场），研发具备自适应能力的定价机制，在市场条件快速变化时能自动调整，同时保持平台和参与者的最优收益。