Peter Glynn
机构：Stanford University 管理科学与工程系教授。蒙特卡洛模拟、随机计算与随机优化方向。
在本 wiki 的论文
- Duchi-Glynn-Namkoong 2018 — Statistics of Robust Optimization: A Generalized Empirical Likelihood Approach — 广义经验似然框架：置信水平决定不确定集半径，鲁棒化 = 按方差正则化，鲁棒解与 SAA 一致性相同。
方法论取向
Glynn 的专长是模拟与随机计算：他把「用模拟来估计随机优化问题的量」做到了统计上可证明精确的程度。与 Duchi、Namkoong 合写的这篇论文正是这条线在分布不确定语境下的延伸——传统模拟给出的是点估计与置信区间，而本文给出的是一个完整的最优值置信域构造，把「点估计的误差」升级成「最优值的最坏情况上界」。
他的另一条长期主线是计算金融的方差缩减：方差缩减技术（如条件期望、控制变量、重要性抽样）是模拟方法在金融里能用的前提；Duchi–Namkoong 那条「鲁棒化 = 方差正则化」的结论在动机上与方差缩减同源——都在对付估计噪声。