By name: jmsc-problem-formulation description: Use when formalizing the decision problem before model building for a 《管理科学学报》 (Journal of Management Sciences in China) manuscript — identifying the decision maker(s), decision variables, timing / information structure, uncertainty, and the objective, so the problem is well-posed. Use right after fit positioning and before jmsc-model-building; use when you cannot yet say who chooses what under which constraints, or when it is unclear whether the problem is optimization, game, or control.
决策问题形式化（jmsc-problem-formulation）
触发时机
- 有一个管理现象，但说不清"谁在做什么决策"
- 模型要素散乱：不知道哪个是决策变量、哪个是参数
- 多主体情境，没理清博弈时序与信息结构
- 不确定问题是"优化"还是"博弈"还是"控制"
核心：先把问题问对，再建模
本刊审稿人第一关看的是问题是否良定义（well-posed）。建模之前必须答清五个要素，否则后面的模型一定带病。
决策问题五要素
- 决策者：单主体（优化/控制）还是多主体（博弈/机制设计）？各自目标是否冲突？
- 决策变量：决策者能选什么（价格、订货量、契约参数、投资比例…）？连续/离散？静态/动态？
- 时序与信息：谁先动谁后动？决策时已知什么、未知什么（完全/不完全信息）？
- 不确定性：随机需求/收益的分布是否已知？是随机优化、鲁棒优化还是分布鲁棒？
- 目标与约束：优化什么（期望利润/风险调整收益/社会福利）？硬约束/软约束是什么？
问题类型识别表
| 特征 | 问题类型 | 典型方法 |
|---|---|---|
| 单主体、确定性 | 数学规划 | 凸优化/整数规划 |
| 单主体、随机 | 随机优化/MDP | 动态规划/最优控制 |
| 单主体、分布未知 | 鲁棒/分布鲁棒优化 | min-max |
| 多主体、目标冲突 | 非合作博弈 | 均衡（Nash/SPE） |
| 委托方设计规则 | 机制设计/契约理论 | 激励相容/参与约束 |
| 用实验校准行为 | 行为运作 | 行为模型 + 估计 |
自检清单
- 决策者及其目标已明确，多主体情形目标冲突点清楚
- 决策变量与参数严格区分（变量是选的，参数是给定的）
- 时序与信息结构明确（who knows what, when）
- 不确定性来源与已知/未知边界写清（驱动方法选择）
- 问题类型已归类，对应方法路线清晰
- 问题良定义：目标可优化、约束可行域非空
反模式
- 决策变量与外生参数混为一谈
- 多主体写成单主体（忽略对手最优反应）
- "不确定"一笔带过，不说分布是否已知（直接决定方法）
- 问题描述就是文献综述，没落到"选什么、优化什么"
本刊问题形式化审稿期待与退稿模式
《管理科学学报》审稿第一关看"问题是否良定义"。审稿人核查五要素是否齐、变量与参数是否分清、时序信息是否明确、不确定性是否定性、问题类型是否归对。下表对齐本刊高频退稿语与修法：
| 退稿信号 | 根因 | 本刊期望的修法 |
|---|---|---|
| "不知谁在做什么决策" | 决策者/变量未点明 | 一句话写清决策者选什么变量、受什么约束、优化什么 |
| "变量与参数混用" | 把外生量当决策量 | 严格区分：变量是选的、参数是给定的 |
| "多主体当单主体" | 忽略对手最优反应 | 明确博弈时序与各方目标，引入最优反应 |
| "不确定性一笔带过" | 不说分布是否已知 | 标明随机/鲁棒/分布鲁棒，决定方法路线 |
| "问题描述是文献综述" | 没落到决策 | 删综述腔，落到目标函数与可行域 |
锚点：本刊已刊论文的引言末尾通常用一段"决策者—变量—时序—不确定性—目标"五要素小结收束，并据此声明属于规划/随机优化/博弈/机制设计中的哪一类。具体体例以编辑部最新稿约为准。
微型走查：医疗资源调度问题的形式化
虚构稿件《区域急救车辆的动态调度与再部署》。按五要素走一遍（示意数字仅作演示）：
- 决策者：单主体（急救调度中心），目标无内部冲突，属优化/控制而非博弈。
- 决策变量：每个时刻各站点车辆派遣与再部署量 x_{ij,t}（站点 i 到 j、第 t 时段，离散、动态）；区别于参数。
- 时序-信息：呼叫按时序到达，调度决策在观测到当前在途车辆与排队后做出（部分信息，未来呼叫未知）。
- 不确定性：呼叫到达为随机过程，强度 λ 随时段已知（分布已知）→ 属随机优化/MDP，而非鲁棒优化。
- 目标-约束：min 期望响应时间（或 max 8 分钟内到达率），s.t. 车辆守恒、站点容量 ≤6 辆、再部署成本预算。参数：站点数 m=12、车辆总数 40、目标响应阈值 8 分钟。
- 问题类型：单主体+随机+动态 → 排队-MDP，方法路线为近似动态规划/最优控制。
审稿人若追问"为何不按鲁棒优化处理呼叫不确定"，回应应锚到信息结构：历史呼叫数据足以估计到达分布，分布已知场景下随机优化比鲁棒优化更不保守，故选 MDP。
输出格式
【决策者】单 / 多（<主体>，目标冲突点：…）
【决策变量】<变量>（连续/离散，静态/动态）
【时序-信息】<who moves/knows what, when>
【不确定性】无 / 分布已知 / 分布未知（→方法）
【目标-约束】max/min <目标> s.t. <约束>
【问题类型】规划 / 随机优化 / 博弈 / 机制设计 / 行为
【下一步】jmsc-model-building