在这个充满未知的世界里，如何做出最佳决策，不仅在生活中是一项复杂而重要的任务，也是学术界与工业界的一个重要课题。作为专注于不确定性下的最优决策领域的科研工作者，马雨杭博士的研究涵盖了多个前沿应用领域，从电商到无人驾驶都有涉及，极大地推进了这些领域的发展，对学术界和工业界都产生了深远的影响。

无惧挑战，勇攀科研高峰

马雨杭博士在学术界和工业界的卓越旅程源于她对科学领域的热爱。在高中阶段，她获得了全国信息学奥林匹克竞赛一等奖，这为她进入顶尖学府北京大学深造铺平了道路。在北大的学习历程进一步激发了马雨杭对学术研究的兴趣，也为她将来在不确定性决策领域的研究奠定了坚实的基础。在校期间，她以优异的成绩获得了光华奖学金和校长科研基金，并被微软亚洲研究院授予青年学者的荣誉称号。这些早期的学习经历和科研成就为她在康奈尔大学攻读博士学位做好了准备。

在康奈尔大学学习期间，马雨杭对不确定性决策领域产生了浓厚兴趣，并在该领域的专家Topaloglu教授的指导下开始了极富挑战性的科研之旅。对于大部分最优决策领域的问题，最大的挑战在于未来环境的不确定性，例如，顾客行为或产品需求的不确定性会显著影响企业的收益最大化策略。理解、预测不确定性，并在不确定性下设计最佳策略，是这一领域的研究人员努力解决的核心问题。

一个现实生活中的例子是电子商务中的最优产品推荐和动态定价。对于电商来说，用户的行为是高度不确定的，而产品的展示顺序和定价都将影响顾客的购买意向，进而很大程度上影响电商的收入。为了降低算法的复杂性，传统的研究通常假设顾客在单一阶段浏览所有商品后做出购买决定，以此简化模型。然而，在现实生活中，顾客行为并非如此——大多数电商网站采取逐页、多阶段的方式展示产品，而用户购买喜好可能在浏览前几页后发生改变。相对于单一阶段顾客行为模型，多阶段模型更贴近实际的客户行为，但其算法复杂度极大增加，以至于难以满足电商实时推荐的要求。作为该领域内首个基于多阶段顾客行为的研究，马雨杭提出了一种原创性的算法，不仅使得逐页实时推荐成为可能，还能帮助电商能以高精度接近最大收入。在Expedia（美国出行网站）数据集上的实验显示，与其他经典单一阶段顾客行为模型相比，这个新模型对用户购买的预测精度提高了4.5%，从而帮助电商提高收入14%。