群智感知数据往往携带了丰富的敏感信息, 联邦学习技术的兴起为解决感知系统之间隐私安全的协作计算提供了一条可行途径.针对群智感知关联性探测过程中可能导致的隐私泄露问题, 提出一种联邦场景下支持隐私保护的典型相关分析方法.该方法通过构造联邦特征并基于非线性随机耦合策略进行特征保护,将典型相关分析求解过程分解为两个完全独立的运算分别由联邦端和服务器端执行,在数据级、运算级和特征级上对感知数据进行多层次保护.实验结果表 明,文章方法对联邦场景的适用性和感知数据的保护性都较好.

文章关注一类具有符号有向图的异质非线性分数阶多智能体系统的预设时间二部一致性跟踪问题.通过引入一类具有广义性质的时变函数,设计了一类基于时变函数的预设时间分布式控制器,以一种完全分布式的方式分别实现了异质线性和异质非线性分数阶多智能体系统的精确预设时间二部一致性跟踪.该预设时间可以通过时变函数预先设定, 且不依赖于任何初始值和参数.最后, 用实例验证了理论结果的有效性.

基于事件驱动控制技术,文章研究了有向相互依存网络的异质一致性 问题.文章分别考虑了两种由两个子网络构成的网络:一是子网内部节点间无耦合关系;二是子网内部节点间有耦合关系.根据Lyapunov稳定性理论, 文章设计了一种事件驱动控制协议, 设定了事件驱动阈值,减少了控制器更新次数,实现了两种有向相互依存网络渐近异质一致于子网络的孤立节点系统的平衡点,并且还分析了网络的事件驱动控制过程中不存在Zeno现象.数值模拟表明:1)文章提出的控制方案能快速让网络的各个节点和平衡点达到渐近一致;2)子网内部的耦合关系能提高网络的控制效果,更能节约控制时间和控制能量.

针对一类具有不确定时滞输入和未知非光滑函数的非线性非严格反馈结构系统, 提出了一种新颖的自适应模糊减少计算量状态反馈跟踪控制方法. 采用模糊逻辑系统作为未知函数的逼近器, 利用变量分离技术处理非严格反馈结构且不要求系统函数满足严格单调递增. 未知常数作为最优逼近向量范数和逼近误差模的界, 在每一步反步递推过程中只需要调节这两个自适应参数即可. 该方法不仅 补偿了未知时滞输入的影响, 同时还减少了在线逼近参数数目. 基于~Lyapunov~ 稳定性 理论分析闭环非严格反馈系统的一致有界性. 最后给出数值仿真例子验证所提控制 方法的有效性.

文章研究了高维变区域上不稳定的抛物方程的镇定问题.在研究过程中首先讨论了变区域上抛物方程的适定性.其次运用了谱分析的方法,研究了变区域上拉普拉斯算子的第一特征值的单调性, 连续性等性质;再次借助于解的正则性, 证明了 一个重要的能量等式;接着运用内部控制的技巧, 有效镇定了变区域上不稳定的抛物方程;最后给出一个例子和相应的数值实验来验证理论的有效性.

在不确定的交通网络中,出行个体的风险态度和参考依赖行为对日常路径选择结果具有 显著影响.文章以累积前景理论为框架, 引入基于试错法的动态拥挤收费,将时间和费用作 为两个维度分开考虑,假设日常时间参考点与出行者的风险态度和感知出行时间相关, 费用参考点与出行个体的时间价值和可节省的出行时间相关,均随着每日感知出行时间变化而动 态调整,在此基础上提出了考虑时间和费用双参考点的动态网络均衡模型.算例结果表明:路径流量与拥挤收费在经过一段时间的演化后均会达到均衡状态,实施动态拥挤收费可将路 段流量控制在一定范围之内, 降低平均出行时间.此外, 时间价值较低的用户偏向于选择平均出行时间较长但收费水平较低的路径,而时间价值较高的用户倾向于选择平均出行时间较 短而费用较高的路径,且这一趋势会随着损失或获得敏感度或时间费用前景值权重的增加而愈发明显.

随着供应链长度的延伸, 对多家企业的运营协调变得复杂.考虑一个由OEM供应商、品牌企业和零售商组成的三级供应链, 研究代工环节的产出不稳定和销售环节的需求不确定对供应链的定价、订货和生产决策的影响, 运用Stackelberg博弈求解出均衡决策结果, 提出结合缺货惩罚的收益共享契约, 通过 在上游实施缺货惩罚和在下游实施收益共享, 实现三级供应链的协调. 研究结果表 明, 代工价格超过特定的临界值时, OEM供应商会进行超额生产, 否则将采取按照 订单生产的保守策略. 供应链上游各环节的加价销售只会利己不利他, 而提升下游 定价可以实现供应链各方收益的帕累托改进. 协调机制中的惩罚价格应设置为购现价 格对外包价格的差额, 下游对上游的收益分享可视为转移支付, 可以换来上游对下游 的售价减让, 实现利润在供应链成员间的弹性分配.

中国互联网公益众筹平台近年来得到了快速发展, 如何有效地评价众筹平台的运营效率成为公益捐赠者、筹款人以及平台管理者所关注的问题. 文章以16家互联网公益众筹平台为研究对象, 根据项目的文本描述将平台划分为疾病救助、教育助学、自然保护和扶贫救灾4个板块,建立了相应 的投入产出指标体系. 在此基础上,构建了基于方向距离函数的可处理共享投入 及并行结构的多活动MDEA模型,设计了相应的求解算法来评价平台及各板块的运 营效率和规模收益.实证结果表明, 阿里巴巴公益平台在4个板块上表现都比较 好,可以作为优先选取的对象. 而广益联募、微博微公益、中国社会扶贫网等,其管理者可以通过控制成本或增大规模等措施来提高运营效率. 最后,从平台管理者、 政府部门、捐款人以及筹款人4个角度提出相应的建议.

电商环境下无缺陷退货的大幅增加给供应链带来新的挑战.文章针对一个供应商和一个零售商组成的双渠道供应链, 结合无缺陷退货可再次销售的特征, 考虑某一渠道缺货后顾客等待转运和顾客需求转移两种行为, 分别在集中决策和分散决策模式下, 基于无转运无转移(NN)、有转运无转移(YN)和有转运有转移(YY)三种情境构建无缺陷退货下的转运与库存决策模型. 研究求解并比较了各情境下的最优决策, 并且分析了转运价格、无缺陷退货率和顾客需求转移率对最优订货量及系统利润的影响. 研究表明, 考虑转运和顾客需求转移 时,双渠道供应链中供应商和零售商库存水平及利润同时受到两渠道退货率的影响. 通过设置合理的转运价格, 转运策略可以有效地降低退货压力, 提高库存管理效率, 增加双渠道供应链利润. 然而, 顾客需求转移会降低转运策略的有效性.

为了不损害销售商的声誉而对整个订购批量进行全面质量检查以找出次品是非常有必要的, 同时也减少因退货而产生的额外 成本.在最近的次品库存模型研究中, Taleizadeh等(2020)研究了销售商从远距离供应商订购的产品批量中含有次品且在缺货期间从本地供应商紧急订购小批量合格品补充库存的问题, 构建了1)库存水平为零时紧急订购产品到达、2)拖后需求量等于次品数量时紧急订购产品到达、3)紧急订购产品到达时库存仍短缺等三种情形的库存模型.然而这3个模型存在着库存运作上的问题.文章的贡献在于指出这3个模型中存在的问题,并重新构建与修正了相应的三种情形的库存模型.研究结果发现第三种情形是第二种情形的扩展,而且三种情形中第一种情形销售商期望利润最少,文章最后考察了主要参数对库存系统的影响.

因果关系的研究一直紧密围绕人类探索世界和发现世 界的主题, 传统的仅仅研究事物之间的统计相关关系作用有限, 很难满 足经济社会快速发展的需要. 文章将自监督学习和对抗学习结合, 利用 图网络模型和系统动力学的反演模型, 从大规模无监督数据中挖掘潜在 的隐含信息, 基于对比约束, 构建物理驱动与数据驱动的统一框架, 然 后采用极大极小博弈策略学习不同因果模态的一致性表征, 从而逼近真正 的因果关系, 为揭示潜藏在数据背后的内在规律提供了有力的分析工具. 文章 将非随机因果学习思想融入机器学习框架, 对克服现有深度学习在抽象、推 理及神经网络可解释性等方面的不足具有重要指导意义.

研究传染性公共卫生事件发生后疫区的应急物资供应 问题,为避免传染, 对中高风险疫区采用“无接触式”的无人机配送方式、低风险疫区采用卡车配送方式,在此基础上设计疫区应急物资供应的卡车-无人机动态协同配送模式.综合考虑疫区风险级别、无人机容量、飞行距离、卡车容量等因素,以应急物资总配送时间最短为目标,构建卡车-无人机动态协同配送路径规划模型,并设计一种自适应遗传算法求解. 实验结果表明:文章方法能在非常短的时间内求解出符合决策者目标的卡车-无人机动态协同路径规划方案,有效缩短应急物资总配送时间,能为政府部门在重大传染性公共卫生事件下的应急物资配送提供决策参考.

文章考虑手术过程中时间和资源的多种不确定性, 提出了考虑医护主体协同的多阶段手术资源组合优化方法. 首先, 在手术资源组合优化问题中, 手术团队主体成员在手术过程中的互动效率会直接影响手术效果. 因此, 文章针对手术团队主体间的协同水平测度,加入了影响医护主体行为的决策风格因素; 其次, 考虑实际手术过程中术前准备阶段医疗设备数量、术中阶段医护人员数量和术后恢复阶段麻醉恢复病床数量的限制, 制定了三阶段资源约束的手术日计划表; 在此基础上,考虑手术室和医疗人员 的可用性与手术效率等多种实际因素,建立了三阶段手术资源组合优化模型; 最后,采用非支配排序遗传算法(NSGA-II)求解多目标优化模型,并通过算例说明所提方法 的有效性和实用性.

文章提出一种基于IGOWMA算子和广义向量夹角余弦的最优区间组合预测模型.首先提出一种诱导广义有序加权多重平均(Induced generalized orderedweighted multiple averaging, IGOWMA)算子, 并研究其性质,其次以区间的中点和半径构造诱导变量,并分别构建基于IGOWMA算子和广义向量夹角余弦的区间中点和半径的最优组合预测模型,利用态度参数将其转化为单目标优化模型. 最后,通过实例分析验证所提出预测方法的合理性和有效性.

黄金是一种拥有商品、货币、投资等多重属性的特殊大宗商品,而且黄金市场的交易范围和参与者涉及全球,所以其价格会受到多种因素的影响.同时,由于这些影响因素来源分散,数据异构性强并且有各自的规律可循,所以黄金价格本身具有复杂性、非平稳性以及非线性等特征,这也直接导致了预测黄金价格的变动趋势非常具有挑战性.基于黄金的这一复杂特性,文章提出一种全新的基于图像挖掘技术的多源数据融合预测方法— MODII (Multiple Original Data Images Integration).通过2种数据可视化方法将黄金价格的不同影响要素数据转化为4种类型的图像,将这些来自不同市场的不同影响因素通过图像整合在一起,并利用卷积神经网络(Convolutional Neural Network,CNN)的多通道输入结构将多种类型的图像进行融合,之后由CNN自动学习各图像特征及所占权重并进行预测,样本外预测准确率可达81.06%,一定程度上提高了预测准确率.

碳排放权交易市场是实现碳达峰与碳中和目标的核心政策工具,为充分提取其价格序列 非线性, 非平稳性等复杂特征,文章构建一种基于二次分解聚合策略的碳交易价格预测模型CEEMD-EWT-SM-ELM.首先通过互补集合经验模态分解(CEEMD)将原始碳价格序列分解为不同频率的本征模态函数(IMF);然后利用经验小波变换(EWT)针对IMF1分量进行二次分解;再引入样本熵和最大信息系数(SE-MIC,SM)对所有分解得到的分量进行复杂度和相 关度分析,将其划分为高复杂度分量集和低复杂度分量集;进一步将低复杂度分量集聚合为一个分量,并利用极限学习机(ELM)模型对每条分量进行多步预测;最后将所有分量预测结果线性集成.文章选取广东,湖北和天津三个碳交易市场的价格数据进行实例 验证,实证结果表明:在提前1天, 3天和6天的预测中,文章提出组合模型预测精度明显优于基准模型;同时也证实了二次分解聚合策略能够有效提高碳交易价格的预测效果.

预测能力是评价设计优劣、模型选择的一 个重要准则,通过预测方差函数可以准确获得在一定区域内的预测 精度.文章首先介绍了最新提出的基于正交表的中心复合设计以及基于极小极大准则的改进设计, 然后详细给出了两类设计在给定球面上的平均预测方差函数、最小预测方差函数和最大预测方差函数的解析表 达式,其仅为球距和设计参数的函数, 这一结果可以为实际工作者在预测分析时提供重要参考.

贝叶斯累加回归树(BART)模型是一种非参数贝叶斯回归方法,在预测和变量重要性度量方面具有强大的功能.BART假设随机误差项服从正态分布,文章针对非对称数据,提出BART推广模型.所提模型首先根据BART树结构特点,基于中心极限定理,得到终节点响应变量均值的渐近分布;接着基于U统计量性质,得到响应变量方差的渐近分布;最后基于Backfitting MCMC算法进行抽样迭代和参数估计.通过数值模拟并和随机森林算法的比较,展示了所提模型的可行性和优越性.实例分析说明了所提模型的实用性.

有限链环上一般指标广义拟循环码的显式生成元对于确定广义拟循环码的生成矩阵、对偶码、计数、最小距离、对偶包含的条件、重量分布具有重要意义. 设有限链环$R=\mathbb{F}_{q}+u\mathbb{F}_{q}+\cdots+u^{s-1}\mathbb{F}_{q}$, 其中$q$是某个素数的幂次, $s$是正整数, $s\geq2$和$u^s=0$. 环$R$ 上分块码长为$(r_{1},r_{2},\cdots,r_{l})$, 指标为$l$的广义拟循环码是$R[x]/\langle x^{r_{1}}-1\rangle\times R[x]/\langle x^{r_{2}}-1\rangle\times\cdots\times R[x]/\langle x^{r_{l}}-1\rangle$的$R[x]$-子模. 文章确定了有限链环$R$上一般指标广义拟循环码的生成元、极小生成元集以及广义拟循环码与对偶码之间生成元的关系.