针对电力现货价格时序的高波动性和复杂性, 研究提出了基于小波变换与轻量级梯度提升决策树(light gradient boosting machine, LGBM) 的组合预测模型. 通过引入滚动时间窗口与小波变换实现电力现货价格序列的动态多尺度分解, 提取各频率特征以降低其模态复杂性的同时还可以有效规避数据泄露问题. 研究利用LGBM算法的复杂非线性特征提取能力进行预测建模. 为了验证模型的有效性, 研究采用山西省电力现货市场数据对提出的组合预测模型进行实证分析. 结果表明: 文章提出的动态分解组合预测模型在均方根误差、平均绝对误差和决定系数等多个关键性能指标上均优于长短期记忆模型、支持向量机、弹性网络回归模型以及极致梯度提升模型等主流预测方法, 其中决定系数$R^2$达到0.9792, 表现出较高的预测精度. 同时, 文章所提模型在不同市场条件下均表现出稳健性和适应性, 为电力市场参与者提供了可靠的预测工具, 有助于优化交易策略、降低市场风险.

文章将台风登陆事件作为外生性气候风险冲击, 台风登陆时点作为干预时点, 使用双重差分方法研究了台风灾害对中国上市公司股票收益率的影响, 分析了台风风险带来的金融风险经由供应链关系的传导问题.为了更深入地理解上述影响, 文章从数字化转型的视角进行了机制分析.研究发现, 台风灾害会对灾区公司的股票收益率产生显著的消极影响, 而这种影响会进一步通过供应链关系传导至供应商和客户, 且对供应商与客户的溢出效应还存在不对称性.特别地, 文章发现数字化转型对于缓解台风风险带来的金融风险具有重要作用, 可以减轻股票收益率受到的负面影响.文章最后通过一系列稳健性检验, 发现文章的结果是稳健的.

随着山区农村寄递需求日益增大,其寄递物流路径规划问题成为学术热点.文章基于农村客货邮融合发展背景,研究了客运班车-电动车-无人机协同配送模式下山区农村寄递物流路径规划问题.首先,根据村级服务点的地理位置、分布特征、货物递送量和寄件量,将其划分为电动车服务类型(TC)和无人机服务类型(FC);其次,基于山区农村客运班车的潮汐性客流特征,建立客车闲置容量函数;然后,以包含运输启用费用、代运客车和电动车的运量成本、客车和电动车的运距成本、无人机电耗成本和电动车配送时间成本的总成本最小为优化目标,构建数学模型;为求解该模型,设计了一种多约束修正聚类算法与改进自适应遗传算法的混合算法(MCDCA-IAGA).实验结果和案例研究表明,客运班车-电动车-无人机协同配送模式有效降低了2.9%的配送成本和8.6%的配送时间,为山区农村寄递物流路径规划提供了可行的解决方案.

自2015年中国启动新一轮电力体制改革以来,建立以单轨制为基础的电力现货市场逐渐成为国内各地电力市场关注的焦点,但截至目前,单轨制电力现货市场尚未建立起成熟的电价预测模型,发售电公司、电力交易中心、电力用户也无法充分利用电价预测数据进行辅助决策以获得最佳收益.因此,文章提出一种基于电价形成机制与XGBoost算法的电价预测模型.首先,根据单轨制电力现货市场采用的边际出清电价形成机制与特有的报价规则,通过分段函数拟合全网统一的累计报价曲线,并且结合发电企业的报价策略建立全网统一出清电价预测模型;其次,根据单轨制电力现货市场公布的有关数据,利用XGBoost算法进行特征选择与求解发电企业每日不同的阶梯型报价策略;最终,通过高度自动化的Optuna算法对模型进行超参数优化.实验对比结果表明,文章电价预测模型相对于直接代入数据的XGBoost算法具有更强的解释性和准确性,并且证明XGBoost算法相对于梯度提升回归树算法和随机森林算法对报价策略的预测精度更高,从而验证了文章模型在单轨制电力现货市场电价预测方面的优越性和有效性.

数字金融作为现代经济体系的重要组成部分, 对新质生产力的发展具有关键的影响力. 文章基于2013-2022年选取的中国30个省份及直辖市的面板数据, 运用熵权-TOPSIS 法测算省级层面新质生产力发展水平, 并通过双向固定效应模型和中介效应模型分析数字金融对新质生产力的影响效应和作用机制. 研究发现, 数字金融显著促进了新质生产力的发展, 该结论通过了稳健性检验和内生性处理. 异质性分析中发现, 这种促进作用在不同地区、不同创新能力和不同企业集聚程度表现出差异性, 呈现出“中部>东北部>东部>西部”、“创新能力高>创新能力低”、“企业集聚程度高>企业集聚程度低”的格局. 作用机制检验发现, 数字金融通过推动科学技术水平、提高资源配置效率和优化产业结构升级的正向效应对新质生产力产生促进作用. 门槛效应分析发现, 在数字金融影响新质生产力的过程中, 当创新产出水平跨越门槛值时, 数字金融对新质生产力的促进作用减弱, 存在边际递减效应. 因此, 文章讨论了相关政策建议, 为数字金融促进新质生产力的发展政策制定提供有益思路.

企业必须选择与自身发展相匹配的直播带货方式才能通过直播销售获得盈利.文章考虑了制造商自播、委托网红直播和自播+网红直播的三种直播带货方式,基于博弈理论,构建了直播电商供应链模型,研究主播的带货能力和流量效应对供应链成员的决策的影响,以及制造商的最佳直播带货方式.研究发现:1)主播提升带货能力有助于提高产品价格和主播的努力水平;网红的流量效应越强,产品价格和产品销量越高.2)网红直播间的产品价格并不总是低于制造商自播时的价格,其大小关系与网红的带货能力有关.3)自播+网红直播是最有利于制造商盈利和扩大市场占有率的直播带货方式.文章的结论有助于直播电商供应链的成员合理地决策,有助于企业间更好地合作.

个体选择偏好与推荐算法滥用使公众陷入信息茧房困境, 诱发差异化集群行为, 并促使舆论极化加剧形成, 甚至对社会公共秩序造成了严重影响. 通过系统剖析信息茧房下公众行为差异对异质观点群体交互产生的群内同质制约削弱-强化复合影响、群际抑制-促进组合交互影响, 借鉴Lotka-Volterra建模思想, 构建异质观点交互的舆论极化动力学模型, 并求解平衡点及其稳定性, 进而通过数值仿真与实证分析揭示舆论极化规律. 研究发现, 信息茧房下群内同质制约作用越弱且群际促进作用越强, 两群体扩张速度越快且规模越大, 越易呈现二元极化态势. 当所受群际抑制作用较大且异质观点群体的同质制约作用较弱时, 群体扩张速度将减缓且规模达到顶峰后会减小甚至消失, 呈现单一极化态势. 潜在扩散范围正向影响群体自身扩张速度与最终规模, 且在群际促进作用下可减缓异质观点群体的扩张, 但不影响其最终规模.

在时间序列预测中,预测误差指标无法帮助研究者判断预测效果差是由模型不恰当引起还是数据本身含有的可预测信息少.本质可预测性刻画了数据的"预测效果上限",可以帮助研究者判断当前使用的模型和数据是否匹配.文章简述了可预测性相关概念,并详细介绍了基于排列熵的时序可预测性研究.基于此,文章提出一种带协变量的排列熵指标,用于刻画带有协变量时目标时间序列的复杂度,并通过玻璃气泡数据实验验证其有效性.此外,文章进一步提出一种利用本质可预测性进行预测方法选择的策略,在较小精度损失前提下,尽可能选择简单模型并节省建模预测时间.在经济数据上的数值实验验证了该策略的有效性.

针对两阶段生产结构包含非期望产出与共享投入要素的情况,构建了一个两阶段网络数据包络分析(DEA)模型.该模型不仅可以对两阶段间的共享资源进行合理配置,还通过非期望产出弱处置理论对非期望产出进行处理,以符合实际生产规律.然后,基于非合作博弈的思想对子阶段效率进行分解,考虑第一阶段或第二阶段分别为主导的情况,建立子阶段效率模型.最后,将模型应用到福建省"专精特新"中小企业创新效率评价中,将其创新过程分解为技术创新阶段和成果转化阶段,通过深入分析整体效率及其子阶段效率,得到更为准确和全面的评价结果,同时与4种情形下的不同模型进行对比,进一步验证了文章模型的合理性和可行性.

针对企业和低碳服务提供商在建立供应链联盟中合作行为的演化过程,借助演化博弈理论与突变论将传统博弈的复制动态方程转化为尖点突变模型,建立包含高斯白噪声的随机动力学系统,同时引入弹性测度指标定量描述系统对扰动的吸收程度.最后,通过仿真实验进一步分析了相关参数变化对联盟非线性演化及弹性的影响.结果表明:当博弈参数组合在突变集内部时,存在双模态现象及扰动性突变;当博弈参数组合越过突变集边界时,联盟状态发生结构性突变;超额收益与惩罚力度在超过一定阈值时,对系统弹性具有正向影响作用;联盟成员协同度在某一阈值内对系统弹性具有负向影响作用,当其增加到某一阈值时,系统弹性减小,可使联盟成员由“不参与”向“参与”策略演化,最终稳定于“参与”策略.

为了提升供应链效率, 地理位置不同的工厂协同完成生产任务,已成为标准生产模式. 构建符合实际情况的调度模型,并设计简单有效的优化算法, 是实现高效协同的关键.针对分布式柔性作业车间调度问题的研究应运而生,成为建模和优化这一类问题的有力工具. 然而,现有研究很少考虑序相关机器准备时间的约束, 而是将该时间假设为常数.这种近似模型容易导致低质量的调度方案, 从而影响系统效率.文章建立了一个混合整数规划模型,用于描述考虑序相关机器准备时间的分布式柔性作业车间调度问题.为了解决该问题, 提出了一种基于$Q$学习的迭代贪婪算法, 利用$Q$学习机制动态选择合适的扰动程度,有效克服了迭代贪婪算法因不合理的扰动而导致搜索性能下降的问题.通过在带有机器适用限制的分布式柔性作业车间调度基准测试算例中引入机器准备时间与操作序列的关联性, 构造了207个测试算例.所提算法与3种扰动程度固定的迭代贪婪算法、模拟退火算法、分散搜索算法、基于回溯搜索的超启发式算法和基于随机置换下降的超启发式算法进行了比较.实验结果表明, 所提出的基于Q学习的迭代贪婪算法具有更高的搜索质量和更快的收敛速度.

时间序列的波动性和非线性特征导致建模预测难而受到学者们的广泛关注,研究结合分解集成框架实现有效信息提取及建模以提高预测精度.相应地,提出预测方法包括四个主要步骤:首先以完全自适应噪声集合经验模态分解(CEEMDAN)方法进行数据分解;其次,通过样本熵(SE)对分解序列进行重组;第三,使用持续法(persistence,PER)、卷积神经网络(CNN)、门控循环单元(GRU),对重组的低、中、高频序列进行预测;最后,基于蚁狮优化(ALO)算法优化各分量预测结果权重,实现优化集成预测.以西安市小时PM_2.5浓度为预测目标,结果表明,文章所提的ALO-CEEMDAN-SE-(PER-CNN-GRU)预测框架显著优于基准模型,最终预测误差最小(2.53%),验证了分解集成框架与先进的神经网络混合模型在PM_2.5预测中的优越性.

传统神经网络通过神经元权重处理,作用于实值的输入与输出.为探究在神经网络中引入虚数的影响,文章采用两种深度学习方法来求解含时薛定谔方程,其中内嵌物理知识神经网络(physics informed neural network,PINN)注重于将物理方程和边界条件作为约束加入更加符合物理规律的神经网络训练过程,而深度伽辽金方法(deep Galerkin method,DGM)则利用神经网络的非线性拟合能力最小化残差来逼近真实的解析解.数值实验结果表明,神经网络有无将虚数剔除对所得数值解没有实质影响,复数运算可以重新用实数张量表示,所以这两种深度学习方法用于求解含时薛定谔方程是可行的,在避免网格相关限制的同时,极大简化了求解过程.神经网络在数值计算中所展现出的高精度逼近,不仅简单易行,而且还拥有极强的并行计算能力.

针对生鲜品新鲜度等级随时间动态变化的特性, 研究了具有多层级新鲜度的生鲜品分配和冷链配送联合优化问题. 考虑了软硬双重时间窗约束和客户对产品新鲜度的要求, 以不同层级新鲜度产品分配和冷链配送路径为决策变量, 在满足车容量约束、硬时间窗约束和产品新鲜度要求的前提下, 以车辆的固定成本、运输成本、制冷成本、违反软时间窗的惩罚成本、产品货损成本和客户缺货损失之和最小化为目标函数, 构建了生鲜品分配与冷链配送联合优化模型, 结合模型特点设计了基于自适应大邻域搜索的两阶段混合启发式算法. 利用Solomon数据集构造算例, 分别用Gurobi软件和两阶段启发式算法进行求解, 验证了模型的正确性和两阶段启发式算法的快速有效性; 进一步将联合优化结果与分阶段优化策略进行对比, 验证了将生鲜品分配与冷链配送进行联合优化的必要性, 结果显示, 联合优化策略可以显著降低生鲜品过期变质的货损成本和客户缺货损失, 使总配送成本平均下降43%左右. 最后通过一个实际案例, 验证了算法在解决实际问题中的效果.

随着深度学习技术的快速发展, 其在资产定价领域的应用受到了广泛关注. 文章深入探讨了因子定价模型的理论基础, 并结合深度学习技术, 提出了一种基于特征排序并以深度神经网络为主体所构建的隐性因子模型. 该模型克服了传统因子模型在处理非线性问题和假设检验方面的局限, 同时采用合理的激活函数以准确地模拟真实的投资组合构建过程. 在对中国A股市场的实证分析中, 文章提出的深度神经网络模型在样本外预测表现上显著超越了基准模型, 并在均方有效前沿投资组合构建中实现了最高的累计收益和夏普比率. 此外, 通过对模型输出的梯度特征重要度分析, 发现A股市场的月度收益率受交易类特征的影响最为明显, 体现了中国股市作为一个发展中市场的特点. 文章为深入理解隐性因子模型的构建, 以及A股的市场行为模式提供了新的见解.

供应链中小企业普遍存在融资难的问题,阻碍了企业高质量发展.区块链技术驱动下的第三方金融服务平台为破解该问题提供了新思路.文章通过构建“政府-第三方金融服务平台-中小企业"三方演化博弈模型,探究了政府监管行为策略、第三方金融服务平台引入区块链共享信息行为策略和中小企业的融资守信行为策略,进行了三方演化博弈均衡点稳定性分析,并通过参数敏感性分析探讨了区块链技术成本、政府监管成本、政府奖惩力度与企业收益对三方演化博弈均衡的影响.结果表明:1)第三方金融服务平台是否选择区块链共享信息不仅取决于区块链技术成本,也与政府对平台和中小企业的奖惩措施及企业的违约风险收益大小有关.2)传统观念认为区块链驱动下的数字供应链金融势必优于传统供应链金融,但该研究发现只有当政府在特定情况下通过动态奖惩措施对平台进行激励以提升供应链金融信息透明度、对企业进行约束以降低融资违约率时,区块链供应链金融的融资效率才会优于传统供应链金融融资效率.

数字金融能够为实体经济发展带来丰裕的金融资源,它对企业的投资决策具有深远的影响.为探寻数字金融对企业投资结构偏向的影响并厘清其影响机制,文章将研究视角拓展至数字金融如何影响企业实体资产投资与金融投资之间的关系.基于2011-2021年3641家A股实体上市公司22,242条样本数据, 研究发现,数字金融的发展加剧了实体上市企业的金融投资偏向,在经过一系列稳健性检验后结论依然成立.从影响机制来看,数字金融通过改善企业的外部金融环境, 提高了金融投资便利度;数字金融通过刺激企业持有金融资产的投机性动机,加剧了企业的金融投资偏向.进一步分析发现,行业层面的同群效应在“数字金融-金融投资偏向”关系中表现出“催化剂”的特征.文章证实了数字金融影响着企业的投资结构,为企业投资结构的合理化选择提供了经验证据.

针对单一信息源、单一分解技术、单一预测方法对碳价格预测具有不稳定性和不精确的问题, 提出了多源数据特征驱动和多尺度分析下的碳价混合预测模型CPS-MEMD-SVR-MLR:1)多源数据分析, 有效融合与碳价格相关的历史碳交易价格、宏观经济发展水平、化石能源价格、汇率和基于新闻文本信息的社交媒体情绪数据; 2)多尺度分析, 通过多元经验模态分解技术(MEMD)将多源数据分解成不同模态下的预测特征; 3)混合预测分析, 利用模糊熵理论有序融合计量经济学模型和机器学习模型, 集成各模态预测值为最终结果.文章以欧盟2015年2月11日-2023年2月27日期间的碳价格为研究案例, 基于7种情景分析和DM检验, 其结果表明: 1)文章提出的混合模型的预测精度优于其他对比模型; 2)社交媒体情绪能够提升碳价格的预测精度, 且优于单因素预测结果; 3)引入MEMD分解可以显著提升碳价格的预测精度.

简单无向图的拉普拉斯矩阵的次小特征值被称为图的代数连通度.对于通信拓扑为无向图的一阶多智能体系统,代数连通度越大,系统的一致性收敛速率越快.文章将一种边重连(即删边再加边)的图运算方法,用于优化多智能体系统的通信拓扑结构,使其对应图的代数连通度增加幅度最大,并提出了增加通信拓扑图的代数连通度,降低系统通信量的算法.对一个含有六个多智能体组成的系统进行仿真实验可知,该算法可提高多智能体系统误差趋于零的速度,加快系统的一致性收敛速率,并且通过减少系统达到一致时的通信次数,降低系统的通信量.

针对一类控制方向未知的严格反馈非线性系统,提出了一种基于反步法的动态事件触发控制方法,从而达到在解决系统控制方向未知问题的同时减少网络中传输数据的目的.首先,在利用反步法设计自适应控制器时引入Nussbaum增益函数,解决控制方向未知的问题;其次,在设计实际控制器时引入动态事件触发机制,在触发机制中引入一个动态变量来调整触发阈值,进一步减少触发次数,并基于李雅普诺夫函数证明了闭环系统的稳定性,同时芝诺行为不会出现;最后,通过仿真实例验证了提出的动态事件触发控制方法能减少网络中传输的数据,节约网络资源.

随着智能出行和共享经济的发展, 出行即服务(Mobility-as-a-Service, MaaS)平台逐渐发展成为现代交通系统的一部分. MaaS平台的成功依赖于平台运营商与运输服务提供商之间的数据共享, 但如何平衡共享的程度与质量、协调各方利益, 仍是一个重要挑战. 文章旨在分析MaaS模式下的数据共享问题, 重点探讨数据共享程度和数据共享质量对系统效益的影响. 为此, 文章构建了由一个MaaS平台运营商和一个运输服务提供商组成的交通系统, 并基于微分博弈理论, 分析了三种不同博弈情境下各参与者的最优策略和收益. 结果表明, 当收益分配系数满足一定条件时, 从Nash非合作博弈到Stackelberg主从博弈, 再到协同合作博弈, 对各参与者和交通运输系统整体来说是一种帕累托改进. 此外, 补贴激励和协同合作机制均能有效提高MaaS平台运营商和运输服务提供商的数据共享效率, 进而提高双方及系统整体的收益.

文章研究了一类带有执行器故障和全状态约束的非线性系统的固定时间自适应容错控制问题.首先, 利用反步控制和固定时间稳定理论,设计了固定时间自适应容错控制器和参数更新律来补偿执行器故障和参数不确定性;其次, 采用障碍Lyapunov函数来处理系统的全状态约束问题,使得系统的状态不违反预定的约束条件; 进一步,所提出的控制方案能够保证闭环系统上所有信号是有界的,跟踪误差在固定时间内收敛到原点的邻域内且收敛时间的上界与系统的初始状态无关;最后, 通过仿真算例验证了所提出控制方案的有效性.

为提高新能源汽车供应链网络中风险传播预防和控制的科学性,加强中国新能源汽车安全生产及运营管理,融合复杂网络理论和SEIR (susceptible-exposed-infectious-recovered)模型仿真模拟新能源汽车供应链网络风险传播过程,挖掘风险传播机理.首先,选取典型的新能源汽车企业特斯拉、小鹏为案例,以供应商为节点,供应商间合作关系为连边分别构建两企业汽车供应链拓扑网络;其次,选取平均度、聚类系数、平均路径长度等拓扑参数探究两企业供应链网络特性;最后,基于拓扑网络特性构建供应链网络的SEIR传染病模型,仿真模拟不同免疫策略对供应链风险传播的速率和范围造成的影响.结果表明:1)两家新能源汽车企业供应链网络均为无标度网络结构,且网络紧密性相差不大(特斯拉和小鹏供应链网络平均度分别为2.293和1.845);2)对比两企业的风险防控策略模拟发现,两企业在风险防控策略模拟中表现结果基本相似,所提模型能有效探究新能源汽车供应链风险传播特性,具体来说:延长风险潜伏期能有效减缓风险传播速度可为企业提供近3个月的调整时间,其中特斯拉比小鹏风险传播的峰值时刻延迟时间少2周;缩短感染持续时间能显著降低约20%风险传播规模,其中特斯拉比小鹏风险波及范围下降多4%;此外,提升供应链网络的复杂度可能会导致风险传播的加速.研究成果可为新能源汽车企业制定有效的风险应对措施,保障供应链的稳定性和安全性提供参考依据.

物流标准化是健全现代流通产业发展的重要途径,中国积极开展物流标准化试点工作,探索解决流通中的"堵点"问题.在流通一体化的目标下,如何吸引多元主体参与物流标准化建设以打造高效的流通体系是现代流通业发展的关键.文章从协同治理的视角出发,构建"制造商-第三方物流企业-零售商"三方演化博弈模型刻画供应链上下游参与协同物流标准化的行为关系,探究影响链内主体协同模式选择的关键因素,通过剖析主体间的利益关系以及仿真分析进一步讨论系统不同稳定状态和主体的策略选择.研究发现:1)各主体初始参与势能达到一定阈值可以直接实现三方协同的理想状态.2)政府对各个主体的奖惩强度提高会促进标准化协同关系的建立.3)标准化成本的降低可以吸引各主体参与协同标准化,且其激励效果相较政府补贴更加独立于企业初始意愿.4)第三方物流企业的让利有利于各主体收敛至理想状态.最后,基于结论提出相应政策建议.

私有化改革被视为减少公立医疗体系等待时间的有效策略. 文章着重探讨两种私有化改革模式: 一是竞争模式, 即允许私立医院进入市场与公立医院竞争; 二是合作模式, 即公立医院与私立医院为实现共同目标而协作. 文章采用排队模型刻画患者的问诊过程, 分析不同私有化改革下公立医院与私立医院的服务速率与诊疗价格调控, 并研究不同改革模式对医联服务覆盖的患者数量、患者等待时间、患者效用及社会整体福利的影响. 研究发现, 竞争模式能够显著缩短患者等待时间, 进而扩大医疗服务覆盖的患者数量, 提升患者效用和社会福利; 而合作模式虽然也能减少患者的等待时间, 但在提升患者数量、患者效用以及社会福利方面则表现出不确定性, 只有在公私合作医院的服务容量较大或私有化程度较高时, 才能有效促进医疗服务覆盖的患者数量、患者效用以及社会福利的提升. 最后, 私立医院在选择合作或竞争模式时, 主要取决于政府给予公立医院的补贴率以及公私合作医院追求自身利益的私有化水平. 具体而言, 当补贴率或私有化水平较高时, 私立医院更倾向于选择合作模式; 反之, 则更倾向于选择竞争模式.

数学类人答题是自动推理的重要组成部分,属于认知智能的研究重点,长期以来受到众多学者的广泛关注.数学类人答题需要模拟人对数学知识的理解、表示和推理,其中知识表示是语义理解和知识推理的基础.针对数学知识表示的逻辑关联问题,提出了一种数学知识图谱的构建新方法.通过将数学谓词和对象分别理解为关系和实体,借助规则实例化,将题目和规则知识统一用知识图谱表示;通过基于子图同构的结构匹配实现单步推理,有效应用于不含有复杂表达式的数学问题的自动求解,并生成类人作答过程.实验结果表明,通过本文提出的数学知识图谱方法,可以实现作答结果正确且风格类人.

文章研究了存在拒绝服务(denial-of-service,DoS)攻击的异构多智能体系统输出一致性控制问题.首先,针对网络攻击行为多变且其攻击统计特性无法精确获取的问题,提出了一种基于双隐Markov模型的拒绝服务攻击行为建模方法,将攻击行为导致的通信中断转化为多智能体网络的拓扑切换.其次,设计了一种分布式异步动态观测器,以解决通信拓扑模态(communication topology mode,CTM)和转移概率模态(transition probability mode,TPM)发生不匹配时的异步问题.第三,基于随机Lyapunov理论和线性矩阵不等式,得到了系统输出一致性问题可解的充分条件.最后,通过一个仿真实例验证了所得到结果的可行性和有效性.

加盟制快递业高速发展的同时,也存在由于利益不协调、服务质量低等引发的合作不稳定问题,这难以满足消费者日益增长的高质量高服务的需求. 为此,文章从风险成本的角度出发,使用演化博弈的方法动态分析了快递公司监管策略、末端加盟商生产行为以及政府部门监管奖惩策略的演化稳定,揭示了不同决策参数对演化稳定的影响, 证明了演化稳定的条件.数值分析结果表明, 当风险成本和利润分享比例位于不同阈值区间时,快递公司-末端加盟商博弈系统呈现出四种不同的演化稳定结果; 此外,政府部门在制定奖惩政策时, 要确保对各方的奖惩之和大于其投机收益,才能保证快递服务企业的规范运营和合作稳定性.文章的研究结果对建立适宜的违约惩罚制度、风险识别和预警机制、提升政府监管职能的同时营造市场良好运营环境具有重要意义.

文章系统考察2013-2021年全球铁矿石期货市场,中国综合股市及各行业股市是否存在多重价格泡沫,并基于泡沫日期和因果关系考察铁矿石对中国股市的风险溢出效应,以揭示行业股市泡沫的引导作用和全球铁矿石市场的金融化特征.研究结果表明:1)在铁矿石期货市场成立初期,铁矿石与中国股市之间存在此起彼伏的资本轮动关系,近年来逐渐演变为联动效应;2)后疫情时代,铁矿石与中国股市之间出现双向泡沫传染关系,这一发现为铁矿石市场的金融化现象提供了新证据;3)泡沫传染关系具有复杂动态性,综合市场泡沫爆发往往由行业股市泡沫演变而来,一旦某些行业市场出现泡沫,市场投资者在损失厌恶偏差的引导下,会倾向购买涨幅相对迟缓的股票,这种规避追涨的行为促使泡沫从先于大盘上涨的行业向综合市场传染.评估并规避铁矿石市场金融化问题,为维护金融市场稳定和降低系统性金融风险提供重要依据.

针对设备的健康诊断和剩余寿命预测问题,提出一种数据-模型双驱动的随机过程模型.首先针对非振动类信号提出了一种新的信号标量化方法,使得连续性信号(温度、速度、压强等)能够通过标量化方法形成可以输入到隐半马尔可夫模型的数据类型.其次,提出一种新式退化核驱动的改进隐半马尔可夫模型(deterioration kernel-based modified hidden semi-Markov model,DK-MHSMM)实现机械装备观测标度至潜在状态的过程映射,动态甄别设备状态模式.再次,在DK-MHSMM中引入粘连系数,运用遗传算法以及樽海鞘群算法的协同进化算法替代常规EM参数估计方法对模型参数进行估计,根据设备全寿命分布特点以及设备当前状态值提出了相应的剩余寿命预测方法.最后,利用涡扇发动机数据集对该方法进行了验证,验证了该方法的有效性和可行性.

自创区作为引领创新发展的重要引擎, 以体制机制改革和政策先行先试为出发点, 辐射带动周边区域创新协调发展. 高铁网络的逐步完善为“双循环”打开新格局, 扩大了自创区创新溢出作用的范围. 文章基于2008-2019年中国高铁城市对数据, 采用多期双重差分法, 系统研究开通连接到自创区城市的高铁后对普通城市创新水平的提升效果和作用机制. 研究发现, 开通连接到自创区城市的高铁后能显著提高普通城市创新水平, 自创区城市的创新溢出作用对东部地区城市、创新环境较好的城市和大规模城市的效果更明显. 机制检验表明, 自创区城市的创新溢出效应通过利用创新禀赋、政府引导创新和示范带动效应三个方面实现. 文章为高铁网络化背景下自创区城市发挥示范带动作用, 进一步优化创新资源空间配置和加快发展新质生产力, 实现经济高质量发展提供了经验证据和政策启示.

文章以线性水波方程来描述二维有界长方形区域内理想水体的波动,并使用Craig-Sulem变换将水波方程转化成以速度势函数和水波波高为状态变量的线性发展方程.文章假设水波的波高是系统的测量输出,并在此基础上分析水深和速度势函数的可辨识性,设计同步辨识算法从波高中估计水深和势函数.文章设计了基于伴随法的数值辨识算法,该算法能够同时有效地估计水深和势函数. 首先,该算法通过引入拉格朗日乘子将传统的二次型目标泛函改进为带有系统模型约束的目标泛函.其次, 利用拉格朗日泛函微分公式导出了水波方程的伴随方程,并通过求解该方程得到了目标泛函的梯度. 最后,采用梯度下降法来迭代估计水深和速度势函数,并通过数值仿真验证了所提算法的有效性和准确性.

针对黏菌算法(SMA)在解决风电场布局优化(WFLO)问题时存在的寻优能力差,求解精度不足及SMA收敛速度慢,容易陷入局部极值等缺陷,提出了一种基于自适应收缩和遗传学习策略的改进型黏菌算法(A-GLSMA).首先,根据实际环境建立了风电场布局模型.然后,针对SMA易陷入局部极值等问题,提出了基于遗传学习策略的改进黏菌算法(GLSMA),以提升SMA的收敛速度和全局搜索能力.最后,针对风电场布局优化问题,采用最大值规则编码解向量,并设计了一种自适应收缩策略,利用风机的发电量来更新黏菌的位置,从而提高求解精度.仿真实验表明:在19个测试函数上,GLSMA相比于SMA,灰狼优化算法(GWO),樽海鞘群优化算法(SSA),鲸鱼优化算法(WOA)和遗传学习粒子群优化算法(GLPSO)等五种算法,具有更快的收敛速度和更高的寻优精度,并且A-GLSMA相比于遗传算法(GA),在求解两种风向分布下的WFLO问题时具有一定的性能优势.

文章针对异构多智能体系统,研究了基于自适应分布式事件触发机制的容错一致性问题,重点考虑执行器故障和外部有界能量干扰等因素.文章相较于现有研究,通过引入分布式中间变量,对异构多智能体系统的闭环误差进行建模.同时,设计了故障观测器,用于实时估计执行器故障状态,并通过在线调节控制增益来补偿执行器故障.另外,设计了自适应分布式事件触发机制,通过智能体之间的动态交互和信息共享,既节约了通信资源,又成功避免了Zeno现象的发生.此外,设计了基于分布式自适应事件触发的容错控制器,确保系统在出现执行器故障或外部扰动的情况下,智能体之间仍能保持一致的行为.最后,通过Matlab仿真实验验证了所提出方法的可行性和有效性,为实际应用提供了切实可行的解决方案.

近年来, 电子商务的繁荣为农业发展提供了机会,不但拓宽了农户的销售渠道, 也为农户提供了新的融资渠道.文章构建了由资金受限的农户和电商平台组成的农产品供应链,农户通过电商平台销售农产品, 平台作为中介收取佣金,并实施促销手段吸引消费者. 基于银行融资和平台融资,文章分别探讨了农户和平台在Stackelberg博弈和Nash博弈下的最优决策和利润,并进行了对比分析. 研究发现,贷款利率和产出风险等因素对供应链成员融资模式的选择有重要的影响.当满足一定条件时,平台融资下农户的生产投入量更高且供应链成员可以获得更多的利润. 同时,与Nash博弈相比, Stackelberg博弈下供应链成员的利润会更高.

作为线下医疗系统的重要补充,在线医疗的普及为患者就医提供新途径,推动社会医疗环境良好有序发展.对在线医疗社区中患者选择医生这一行为的相关实证研究进行梳理与再分析,解决过去研究结果不一致问题,明确不同前因变量对用户择医行为的作用强度,为后续研究与实践工作提供参考.运用元分析方法,将影响患者线上择医行为的23个前因变量,3个调节变量,共55项研究的190个独立效应值进行分析.研究发现,23个前因变量均正向影响线上患者择医行为,其中患者心意、评论总数量呈显著强相关.平台类型、研究数据的时间、数据收集方式对部分前因变量与线上择医之间的关系起到调节作用.

为提高信号降噪效果,文章提出了一种基于优化变分模态分解联合小波阈值的信号降噪方法.首先,采用改进麻雀搜索算法对变分模态分解参数自适应寻优,确定最佳模态分解数$k$和二次惩罚因子$\alpha$;其次,采用改进小波阈值去噪方法对含噪模态进行去噪处理,将有效模态与去噪后的模态进行重构,实现信号降噪;最后,通过仿真实验与小波软、硬、固定阈值去噪方法对比,结果表明文章方法信噪比提升了1.604,均方根误差降低了0.015,具有更好的降噪效果.

文章研究含有不确定非线性动态的多无人车编队控制问题.首先,基于领航-跟随法建立多无人车编队运动模型,描述无人车个体间的领航跟随关系.然后,利用神经网络在线学习无人车系统的不确定非线性动态,通过引入滑动模态,设计基于目标跟踪机制的自适应神经网络方向控制器;同时,结合反步递推控制技术,设计基于目标跟踪机制的自适应神经网络推进控制器,实现多无人车横纵向综合编队行驶.利用Lyapunov稳定性理论分析证明了闭环多无人车编队控制系统的稳定性,并且编队跟踪误差能够收敛到原点的邻域内.最后,仿真结果验证了文章提出的控制算法能够实现不同队形下的编队控制和队形保持.

“一带一路”沿线地区政治局势多变、经济发展不平衡、自然灾害频发、地缘环境错综复杂,开展地缘风险评估是推进“一带一路”建设的前提和基础.针对中缅地缘关系与投资安全风险评估中现实存在的信息不完备和知识不确定等问题和困难,文章综合采用贝叶斯网络、云模型、DS证据理论等不确定性人工智能评估方法交叉融合的技术途径,构建了数据与知识驱动的中缅地缘关系与投资安全风险评估模型,并开展了风险评估与情景态势推演,旨在为海外投资安全风险预警提供技术支持和对策建议.

对于求解无约束优化问题,文章结合混合自适应技术引入新的Dai-Liao型共轭参数,使用一个调控参数作为谱参数以构造有效搜索方向,从而提出一个新的Dai-Liao型混合共轭梯度法,其搜索方向独立于任意线搜索满足充分下降性. 一些基本假设和弱Wolfe线搜索条件下,建立对一致凸函数的算法强收敛性和对一般函数的算法全局收敛性. 在Armijo线搜索下, 关于一致凸函数, 对新方法的迭代复杂性展开分析,即获得梯度范数低于精度$\epsilon$ 时, 其最多需要$O(\epsilon^{- 2})$次函数求值. 最后,数值试验结果表明, 该方法在求解无约束优化问题和图像恢复问题上优于一些现有算法.