Ruszczyński est né et a fait ses études en Pologne. En 1969, il remporte la XXe Olympiade mathématique polonaise[1]. Après avoir obtenu en 1974 une maîtrise du Département d'électronique de l'Université de technologie de Varsovie, il rejoint l'Institut de contrôle automatique de cette école. En 1977, il obtient son doctorat pour une thèse sur le contrôle des systèmes à grande échelle, et en 1983 l'Habilitation, pour une thèse sur la programmation stochastique(en) non linéaire[2]. En 1992, le président de la Pologne, Lech Wałęsa, décerne à Ruszczyński le titre d'État de professeur. De 1984 à 1986, Ruszczyński est chercheur invité à l'Institut de recherche opérationnelle de l'université de Zurich. En 1986-87, il est vice-directeur de l'Institut de contrôle automatique, et en 1987-1990, il est vice-doyen du département d'électronique de l'Université de technologie de Varsovie[3].
Ruszczyński a développé des méthodes de décomposition pour les problèmes de programmation stochastique, la théorie des contraintes de dominance stochastique (conjointement avec Darinka Dentcheva(en)), a contribué à la théorie des mesures de risque(en) cohérentes, conditionnelles et dynamiques (conjointement avec Alexander Shapiro) et a créé la théorie des mesures de risque de Markov [6],[7],[8],[9],[10]. Il est l'auteur de cinq livres et de plus de 100 articles de recherche[11].
Andrzej Ruszczyński et Alexander Shapiro, Stochastic Programming, vol. 10, Philadelphia, Elsevier, coll. « Handbooks in Operations Research and Management Science », , 700 p. (ISBN978-0444508546)
↑
"Niektóre własności i metody rozwiązywania nieliniowych zadań programowania stochastycznego,"
Prace Naukowe - Politechnika Warszawska: Elektronika,
Wydawnictwa Politechniki Warszawskiej, 1982.
↑John Birge et Francois Louveaux, Introduction to stochastic programming, New York, NJ, Springer, , xxvi+485 (ISBN978-1461402367, MR2807730)
↑Peter Kall et János Mayer, Stochastic Linear Programming: Models, Theory, and Computation, New York, NJ, Springer, , xx+426 (ISBN978-1441977281, MR2744572)
↑
Higle, J. L., Stochastic programming: Optimization when
uncertainty matters, Tutorials in Operations Research, INFORMS 2005, (ISBN1-877640-21-2).
↑Rockafellar, R. T., Coherent approaches to risk in optimization under uncertainty, Tutorials in Operations Research, INFORMS 2007, (ISBN978-1-877640-22-3).
↑
Sagastizabal, C., Divide to conquer: decomposition methods for energy optimization. Mathematical Programming, Ser. B, 134, 2012, 187-–222.