本文研究了具有紧急补货策略和服务员休假的M/M/1排队库存系统,其中库存产品为流体类型.系统有一个服务员,顾客接受一定时间的服务后带走随机数量的库存产品.当库存数量为零时,系统下发紧急补货订单,同时服务员开始休假.当一次休假结束时,若系统中仍然没有库存,则服务员以概率$p$返回系统,以概率$(1-p)$进行下一次休假.假设服务员服务时间、休假时间、常规补货时间、紧急补货时间和顾客的随机需求量均服从指数分布.首先,考虑了服务时间为零的修正系统模型,利用Markov过程理论和微分方程理论求出了系统稳态概率分布.其次,利用修正系统模型的稳态概率分布进一步求出了原系统模型的稳态概率分布,并发现其具有乘积解形式,在此基础上,求出了系统的一些性能指标.最后,建立了系统的平均费用函数,并对系统的最优库存策略和最优费用进行了数值分析.

本文基于新分解方法的国际油价结构冲击，通过时变参数向量自回归模型(TVP-VAR)研究其与我国行业股票市场间信息溢出效应,并基于广义自回归条件异方差-混合数据抽样模型(GARCH-MIDAS)进一步研究地缘政治风险对溢出效应的影响.研究结果表明:1)相比于波动率和尾部风险的信息溢出层面,国际油价冲击与我国行业股票间信息溢出效应主要集中在收益率层面.2)所有行业均是油价冲击的净接受者.能源行业受到国际油价冲击的信息溢出效应最大,并且是最大的净接受者.3)该信息溢出效应主要由油价风险冲击驱动.4)信息溢出效应具有时变特征.在突发的金融事件下,油价冲击与我国行业股票之间的联系更紧密.5)地缘政治风险对该信息溢出效应具有很强的解释力.这些发现在当前地缘政治局势空前紧张的背景下,不仅有助于投资者调整投资组合,降低投资风险,还能够为政策制定和金融监管提供参考价值.

针对求解线性等式约束凸优化问题,本文提出一类带有慢速消失阻尼的Tikhonov正则化二阶原始对偶动力系统.在适当的假设条件下,本文不仅证明了该动力系统的解轨道强收敛至优化问题的最小范数解,而且还得到了沿动力系统所生成轨道的原始对偶间隙、目标函数残差、可行性违反度的快速收敛速率.进一步地,本文借助数值实验,将所得理论结果与已有文献的结果进行比较.

在精算科学与金融风险管理领域,准确刻画风险分布尾部的分位数函数对于极端风险的度量与控制具有重要意义.传统风险度量方法（如VaR、ES、CTE及扭曲风险度量）在小样本或分布未知的情形下往往存在估计偏差较大、稳健性不足等问题.为提升风险估计的稳定性与一致性,本文提出了一种基于贝叶斯框架与线性最小均方误差原理的分位数函数信度估计方法.该方法构建了具有解析表达形式的信度估计模型,有效避免了后验分位数计算的高维复杂性,并建立了适用于多类风险度量指标的统一估计框架.理论分析表明,所提出的估计量具有条件一致性、均方误差收敛性及渐近正态性等良好统计性质.数值模拟结果进一步显示,该方法在小样本条件下较传统经验估计表现出更高的稳定性与精度.最后,我们从中国股票市场选取了六只具有代表性的股票日频数据,对本文提出的估计方法进行了实证分析.研究结果表明,该方法在高波动或噪声较大的情形下仍能保持稳健性,并能自适应不同市场条件,为尾部风险度量提供了一条可靠且可操作的实证路径.

本文基于向量布尔函数,提出了两种新的线性码构造方法,并构造出三类具有三重和五重的二元线性码.根据Ashikhmin-Barg条件,给出了这些码是极小码的充分条件.最后,将这些极小线性码的对偶码应用在秘密共享方案中.

银企间的信息不对称与政策传导的滞后性是制约科技创新再贷款政策效应的核心问题。本文将融资溢价效应与信贷配给机制纳入DSGE模型，探究央行数字货币对科技创新再贷款政策效应的影响并分析其主要作用路径。结果显示，基于央行数字货币来发放科技创新贷款可显著提高科技创新再贷款政策对创新投入结构与创新产出结构的优化效果，且机制分析表明央行数字货币主要通过降低企业的融资约束与优化信贷资源配置的方式来增强该政策的调控功效。特别是科创贷款中央行数字货币占比超过15%的情形下，科技创新再贷款政策对经济结构的调控效果与福利效应均优于直达式货币政策。拓展研究结果表明，央行数字货币的“前瞻性条件触发机制”有利于进一步提高该政策对经济结构的优化效果。

人工智能技术的应用使得生成式谣言相较于传统谣言更难辨别。在谣言产生后，准确识别其传播过程中的关键用户行为，已成为遏制谣言大规模扩散的重要策略之一。鉴于谣言传播的影响力（权重）通常随传播跳数（常表示为距离、时间或成本等）增加而衰减，本研究假设其在三跳及以上距离时已极小甚至可忽略。基于该假设，本文重点研究了加权二跳约束下最小化信息交互量的关键用户识别问题，并分析了该问题目标函数的非凸性与次模性等数学性质。在此基础上，为有效求解该问题，创新性地提出了一种离散知识共享增益算法（Discrete Gaining Sharing Knowledge Based Algorithm,DGSK），将原有连续型算法扩展至离散求解框架，并引入了新的种群初始化策略、个体学习策略与种群更新策略以进一步提升算法性能。最后，本文分析了DGSK算法的时间复杂度，并在10个人工与真实数据集上进行了实验验证。通过与四种主流启发式算法在五项评价指标上的对比分析，结果表明DGSK算法在关键用户识别精度、稳定性及收敛速度方面均表现出更优的性能。

为了探讨间接网络效应对竞争环境下电动汽车(EV)制造商投资建站策略的影响,本文构建了由两个相互竞争且存在质量差异的EV制造商组成的Hotelling博弈模型,研究考虑间接网络效应的EV制造商投资建站策略--均不建站、仅低质量EV制造商(制造商A)建站、仅高质量EV制造商(制造商B)建站和双方建站决策.研究结果表明：(1)间接网络效应在一定条件下对制造商A和B的决策和利润均有正向促进作用,但当质量差异较小时,间接网络效应的增强反而对制造商A和B均不利,这与直觉相反.(2)当市场准入费用较低时,仅制造商A (制造商B)建站策略对制造商A (制造商B)有利,否则均不建站策略对制造商A (制造商B)有利.(3)当间接网络效应较弱时,间接网络效应的增强可以降低制造商A和B投资建站的门槛.(4)充电站兼容性比例的增大会使EV制造商间的搭便车效应更为显著.

本文旨在优化可追溯农产品供应链的长期管理,提升其效率、竞争力与质量安全保障能力.为此,文章构建了一个基于微分博弈的动态模型,研究了在长期合作过程中,供应链中一级供应商、二级供应商和大型零售商等各层级参与者在努力投入和定价方面的最优策略.模型结合Stackelberg博弈与微分博弈,考虑了供应链的多层级结构、动态交互行为及信息不对称等因素,并通过逆向归纳法求解各参与者的均衡策略.研究发现,一级供应商的均衡努力输入随单位种植成本增加而上升,二级供应商则相反,而大型零售商的均衡努力输入保持稳定.此外,各参与者对追溯技术总成本的敏感度较低,表明技术改进对激励额外努力的效果有限.本研究为优化可追溯农产品供应链管理提供了理论支持和决策依据,有助于增强消费者信任,推动农业可持续发展

在企业竞争冲突中,决策者的偏好获取是缓解冲突的重要条件.本文构建了基于第三代前景理论的偏好-赞成结构方法,用于获取多属性环境下决策者的偏好信息.具体而言,由于决策者在多属性环境下易受心理行为的影响,本文考虑了决策者的风险态度,建立基于正负理想解和均值的不确定参考点,并用于计算可行状态在多属性环境下不同决策情况的收益和损失,进而得到可行状态的价值函数.随后,利用价值函数和概率计算累积权重函数.最后,通过上述函数来计算决策者关于可行状态在多属性环境下的前景值,该值反映了决策者对可行状态的感知价值,并构成偏好信息形成的基础.前景值越高,表明状态的排名和分类越符合决策者的预期.此外,本文将偏好-赞成结构引入到冲突分析图模型框架中,构建了基于偏好-赞成结构的冲突分析图模型,并重新定义了五个基本稳定性定义.最后将其应用到企业竞争冲突中,验证所提模型的有效性,为政府促进农村经济的发展提供决策支持.

本文研究了具有灾难和工作休假的重试排队系统的效率和顾客策略分析.当系统发生灾难时,顾客被迫全部离开系统,同时引起服务台故障.在服务台维修过程中,任何顾客不允许进入系统.顾客在到达系统时可以根据所获取的服务台当前状态信息,自主决定是否加入队列.通过概率母函数和差分方程的方法,得到了系统的稳定性条件和一些主要的性能指标.根据报酬-成本结构,确定了顾客的均衡加入策略、社会最优加入策略和最优社会收益.此外,还通过研究吞吐量和无政府状态价格等效率指标,评估了系统运行效率.最后,通过数值实验,分析了各参数对于顾客加入概率和最优社会收益的影响.

随着自然语言生成式AI大模型技术的发展,DeepSeek等具有超强语义理解能力的人工智能已经成为了数字经济社会的基础设施.AI与HI的协同具有优化时间密集型流程、减少决策偏差和降低各种系统性风险的特点,有利于在高度动态环境中提升应急预案生成的时效性、有效性和可操作性.在应急管理实践中,政府部门需要结合预算约束,权衡引入AI的成本与收益.考虑了政府部门与社会组织的人机协同收益与预算约束,本文构建AI-HI协同的应急信息共享与应急预案生成系统Stackelberg博弈基础模型,得到了政府部门与社会组织的均衡决策与最优收益.随后,通过将基础模型进一步扩展为三种情景(定制化AI、预案修正、数据信托)提升了模型的稳健性,并进行案例分析.研究结果表明:AI的投入并非总是有益的,政府部门需要根据自身预算选择是否投入AI技术.对于政府部门而言,只有当AI技术投入的边际成本小于某一临界值时,才应当采用定制化AI.如果AI生成的应急预案准确性低于某一临界值,与其人机协同后再修正不如直接采用人工编制.对于社会组织而言,采用定制化AI始终比通用AI更有益,应急预案的修正对社会组织的最优收益无影响.此外,只有政府部门的数字治理能力提升的收益大于人机协同损失时,政府部门才应当采用数据信托模式.

研究工件加工时间具有恶化效应以及工件可拒绝的单机多任务排序问题.考虑了两种不同的资源分配函数和位置相关恶化效应函数,目标是确定可拒绝工件的集合、可接受加工的工件集合以及确定可接受工件集合中的最优工件排序,使得工件的最大完工时间、完工时间的总绝对差、工件拒绝总费用和资源费用的线性加权和最小.考虑线性资源和凸资源分配函数下,在拒绝工件数给定的情况下两个问题均可转化为指派问题,分别给出了一个时间复杂度为\(O\left ({n}^{4}\right)\)的多项式时间算法.最后进行数值实验验证了算法的可行性

多状态加权$k/n$系统含有$n$个元件,每个元件有多种可能的状态及不同的权重,当工作元件的效用(权重与状态乘积)之和不低于预设值$k$时,系统工作.针对实际系统中样本数据缺失或失效的情况，需依赖于领域专家的信度数据,将不确定理论引入该系统的可靠性分析中,基于Birnbaum联合可靠性重要度的思想,给出不确定多状态加权$k/n$系统中联合可靠性重要度的概念.假设系统中各元件状态是不确定变量且相互独立,推导了系统中元件的联合可靠性重要度的计算公式,并给出二元搜索算法计算元件的联合可靠性重要度，丰富了可靠性基础理论体系.此外,将上述结果进一步推广到权重是不确定变量的多状态加权$k/n$系统中,该系统的权重由专家估计,用不确定变量来刻画,同样建立了系统中元件的联合可靠性重要度的数学模型,得到该系统中元件联合可靠性重要度的计算公式,并给出相应的二元搜索算法.结果表明,在信度数据驱动下，所建立的模型和提出的算法能够获得系统元件的联合重要性测度，能有针对性的提高和改善系统整体的性能.

本文构建了具有阈值策略和灾难场景的多服务台排队系统,探讨了信息异质顾客的均衡和社会最优进队行为.到达系统的顾客包括两类:一类顾客掌握队长和服务台状态信息,具有信息优势,另一类顾客无法获取该类信息,处于信息劣势.服务台工作期间存在突发灾难风险,灾难一旦发生所有顾客均被迫退出队列,但会获得一定补偿.分别讨论均衡和社会最优条件下两类顾客的进队行为,揭示掌握信息顾客的到达率、灾难发生率、阈值策略和灾难发生后的补偿对两类顾客的进队策略、服务提供商的收益以及最优社会收益的影响,探究均衡和最优条件下顾客进队策略之间的关系,从而为相关多服务台排队系统的管理实践提供理论依据与决策支持.

为降低新能源车辆动力电池换新-回收物流过程中的运输风险与物流成本,综合考虑电池分类、客户需求、废旧电池回收去向、车辆类型、车辆容量与行驶路径上的人口密度等因素,以总配送成本最低、运输风险最小为目标建立混合车队开放式取-送货路径规划模型,并根据模型特性设计一种改进非支配排序遗传算法求解.采用多类型算例开展实验,结果表明:基于动力电池分类和专车专送策略,本文方法可以根据客户坐标与行驶路径上的人口密度等因素科学规划电动货车和危化品货车的电池配送路径,使得危化品货车避开人口稠密区域开展新能源车辆废旧动力电池回收物流,不但能有效降低物流成本,而且能显著降低新能源车辆动力电池物流过程中的潜在运输风险,具有可行性、科学性与合理性,可为新能源车辆动力电池制造企业等相关主体提供物流决策参考.

现有财务重述识别研究大多基于财务数据或文本数据等单一模态信息，而多种模态数据的有效信息尚未得到充分利用。本文创新性地引入业绩说明会文本和语音多模态数据，并利用BERT变体、传统文本分析及声学分析方法提取各模态特征以提高财务重述识别效果。基于美国2010年至2023年的5212份上市公司业绩说明会样本，提取112个涵盖语音声学、语音情绪、文本叙述方式、文本问答情况及文本情绪特征。实证研究发现引入来自业绩说明会的多模态数据能够提高财务重述识别的准确率；在多模态特征中，考虑管理层发言流畅度、音高、情绪及内容叙述方式等对重述识别更为重要；在不同年份数据中，多模态特征均表现稳定，且语音特征带来的效果提升逐年优于文本特征。本研究可为投资者及监管机构识别财务重述风险、优化相关决策提供参考依据。

本文针对一类带有传感器和执行器故障以及全状态约束的输出反馈非线性系统,提出了一集成故障估计与种模糊自适应容错控制方案.首先,设计故障补偿机制重构系统的正常输出状态,并构建融合未知非线性函数逼近功能的模糊观测器;其次,基于广义中间变量法设计自适应律,在线估计执行器偏置故障参数并动态补偿其影响;此外,在反步法框架下引入障碍Lyapunov函数,使得系统的状态被约束在有界紧集内,并且引入的命令滤波与误差补偿机制解决了反步设计中固有的"微分爆炸"难题.最后,通过仿真结果验证了所提出方法的有效性和优越性.

主系数是指投入产出直接投入系数矩阵中对目标变量具有关键影响的少数系数,是生产网络中的关键链条,主系数识别对生产网络传导效应的研究具有重要意义.针对现有识别方法主要基于假设系数以相同幅度发生变化进行测度的缺点,本文提出一种基于比较静态分析的主系数识别新方法(ESDA:Elemental Level of Structural Decomposition Anaysis).该方法通过将结构分解分析(SDA)扩展至矩阵元素层面,可以综合系数实际变化规模和变化的边际影响识别主系数,并可以提供具有经济可解释性的主系数归因框架和新的主系数分类维度.为检验新识别方法与现有方法的差别,本文不失一般性选择就业总量为目标变量,编制了2012年与2017年中国就业投入占用产出表进行了实证分析,结果表明,比较静态视角下主系数的识别结果与分布规律显著区别于现有识别方法.

渐进式创新和突破式创新作为第三方卖家创新发展的两大主要方向,选择适配的创新模式,是其维持竞争优势的关键.然而,平台能够凭借掌握的第三方卖家非公开数据实施数据自我优待,即通过模仿第三方卖家创新推出自有品牌并与之展开直接竞争,这从根本上重塑了第三方卖家的创新激励.本文通过构建两阶段竞合博弈模型,探讨了平台数据自我优待与第三方卖家创新模式选择的交互影响.研究表明:平台数据自我优待会产生价格竞争效应,迫使第三方卖家在第二周期降低销售价格,进而提升社会福利;高佣金费率会限制第三方卖家选择突破式创新;当突破式创新的单位生产成本位于中等水平时,若平台模仿成本相对较高,平台数据自我优待反而会诱使第三方卖家选择突破式创新,否则会遏制其选择突破式创新;数据自我优待并非始终是平台占优策略,禁止平台数据自我优待行为反而可能减损社会福利.

为探讨数字服务化下以智能互联产品为载体的制造企业服务生态系统中，核心行动者如何协调多方数据以驱动价值共创，本研究聚焦“制造企业主导、多方数据协同、数智服务驱动”的生态系统特征，构建制造企业、第三方开发商、终端消费者的三方演化博弈模型。以数据资源共享与整合为切入点，考虑数据资源非竞争性、可复制性等特性，分析主体间策略互动及演化稳定性。通过数值仿真发现：协同收益提升与数据资源共享损失降低可显著增强各主体参与价值共创的积极性；协同收益系数突破临界区间后，三方协同概率呈现阶跃式增长；制造企业可通过动态匹配数据共享量的收益分配方案（如梯度式分成比例）与差异化激励政策（如数据贡献度奖励机制）优化系统稳定性；协同收益分配的公平性与激励政策的科学性对生态可持续发展具有双轮驱动效应。研究为智能互联产品主导型服务生态系统的数据治理与协同机制设计提供理论依据。

本文主要研究边界带有匹配干扰的不稳定变系数热方程的输出调节问题.该热系统由具有混合边界条件的不确定抛物型偏微分方程(PDE)描述,其空间扩散系数存在未知变化,且边界控制端受到未知扰动的影响,这里只假设干扰的导数有界,无需对自身有任何限制.所提出的鲁棒控制方法由线性反馈和"Twisting"二阶滑模控制算法组成,这两种方法在无穷维空间控制器配置中被适当地结合并重新设计.基于极大单调算子理论,证明了闭环系统(作为一类微分包含问题)的适定性.紧接着,通过引入非标准Lyapunov泛函,且假设控制器中的一些调节参数在满足特定的不等式前提下,证明了误差系统在Sobolev空间中是全局渐近稳定的,进而得出原系统输出跟踪到给定信号.最后,论文的数值模拟部分通过仿真实验验证了所提控制器设计的有效性.

文利用理想投影算子讨论多元理想插值中乘法矩阵的计算问题.首先借助形式幂级数环描述理想插值的微分闭插值条件,然后利用形式幂级数环的性质给出由微分闭子空间直接计算乘法矩阵的理论,进而避免了中间过程Groebner基的计算.此结果可以应用在二元理想插值的离散逼近问题中.

本文基于“绿水青山就是金山银山”发展理念,以2017年我国五省(区)绿色金融改革创新试验区设立为准自然实验,基于$2011-2022$年$286$个地级市面板数据,采用双重差分法(DID)实证考察绿色金融创新对绿色全要素生产率的影响效应.研究发现:(1)绿色金融改革创新试验区的设立显著提升了绿色全要素生产率水平,实现了经济发展与生态保护的双赢,这一结论通过了一系列稳健性检验;(2)机制分析表明,产业结构升级和政府创新偏好是绿色金融创新发挥作用的重要渠道;(3)异质性分析发现,试验区政策效果因地理位置、资源禀赋和经济发展水平不同而存在显著差异.本研究不仅为绿色金融改革的经济环境双重红利提供了经验证据,也为后续试验区扩容及差异化政策设计提供了重要参考.

群体推荐系统旨在根据群体中各成员的偏好需求生成推荐结果.为解决传统群体推荐算法忽略用户间隐式信任关系和偏好冲突的局限性,本文提出基于信任感知和自适应群体共识模型的群体推荐方法,该方法包括推荐生成阶段和共识阶段.首先,在推荐阶段定义隐式信任度量方法构建每位群体成员的信任网络,并生成每位成员的推荐列表.通过识别群体的常见预测项目,确定每位成员的常见预测项目偏好序.其次,在共识阶段利用群体共识决策技术中的自适应群体共识模型,模拟群体成员在协商过程中的偏好变化.同时为偏好冲突成员提供偏好修改策略,生成群体成员满意的群体推荐列表.最后,在MovieLens100K和FilmTrust数据集上评估本文所提方法的推荐性能,并讨论加入自适应群体共识模型后对群体推荐结果的影响.结果表明,本文所提方法能够有效提高推荐质量和满意度.

客流预测是城市轨道交通高效运营的核心支撑,通过精准预判客流时空分布,可动态优化列车调度和对大客流进行有效管控.客流在时间和空间维度上存在动态变化并相互影响,在不同周期长度下展现出不同的空间特征.然而,现有方法在捕捉多周期下的时间依赖性和空间特征方面存在局限性.为解决这一问题,本研究提出了一种多周期自适应图卷积网络(Multi-Period Adaptive Graph Convolutional Network,MPAGNet).该模型利用快速傅里叶变换识别客流数据中潜在的周期,并结合注意力机制和自适应图卷积网络,分别捕获不同周期下的时间依赖性和空间特征.此外,为增强模型的可解释性并探究外部因素对客流的影响,本文引入了城轨时刻表、车站周边土地利用及城轨可达性等外部特征.采用北京地铁的实际客流数据进行实验,结果表明,所提出的方法在客流预测任务中的表现优于基准模型,与基准模型ARIMA和SVM相比,预测误差分别降低了25.10%和9.91%.通过消融实验进一步验证了外部特征的作用及模型各组成部分的有效性.研究结果为城轨客流预测提供了新的技术手段,还为城轨的智能化运营管理提供了实践指导.

我国劳动力调查目前采用加权汇总方式给出目标变量估计,与校准组合估计方法在估计精度上存在一定差距.校准组合估计方法是轮换样本调查的主流估计方法.如何在我国劳动力调查中引入校准组合估计方法,充分挖掘轮换样本辅助信息提高估计精度,构造适用于中国劳动力调查的校准组合估计量是本文的研究目标.基于此,本文研究工作如下:(1)结合我国月度劳动力调查的2-10-2轮换模式,提出一步校准组合估计量,对新估计量的近似无偏性、方差和方差估计进行讨论.(2)采用蒙特卡洛模拟,对比校准组合估计量和加权估计量,检验一步校准组合估计量的优良性.(3)通过应用研究,演示一步校准组合估计方法的具体过程,为统计实务工作者厘清该估计方法的技术细节.本文研究内容有望应用于我国劳动力调查,推动政府统计调查制度方法改革.

本研究旨在探究大数据处理过程中所面临的挑战,在大数据背景下,将泊松子抽样算法成功融入并拓展到生存分析领域经典的Cox比例风险模型中.该算法无需预先计算所有样本点的抽样概率,相较于传统的放回抽样,显著提升了计算效率,有效解决了计算资源受限时大规模右删失数据的统计分析难题.严格证明了基于泊松子抽样的参数估计具备相合性和渐近正态性,确保了方法的理论可靠性.为便于实际应用,提出了一种两步算法.模拟和实证研究表明,泊松子抽样算法在Cox比例风险模型中的应用不仅理论可行,且实践效果显著,为生存分析领域提供了一种新的高效统计工具.

在云计算环境中,用户驱动的资源选择行为日益普遍,用户倾向于根据自身需求(如延迟、成本)自主选择服务器以执行多处理器任务.然而,这种自私选择可能导致系统资源利用不均衡,进而延长所有任务完成的最大时间(Makespan).为应对此挑战,本文针对任务占用连续多服务器的调度博弈模型,设计了WF (Widest First)协调机制.该机制通过一个简单的本地策略来引导用户的决策——让每台服务器优先处理占用服务器数量(宽度)更多的任务.理论分析表明,WF机制可将无秩序代价(Price of Anarchy,PoA)的理论上界控制为常数$4-3/m$,并给出下界3.793(当服务器数量$m$足够大时),这相较于无协调机制时的无界状况是巨大的提升.数值实验进一步验证了该机制在平均情形下的优异性能:在采用改进的平局规则后,其均衡结果的效率损失可控制在5%左右(PoA$\approx$1.05),远优于理论最坏情况.本研究为云计算平台管理者提供了一种平衡用户自主性与系统效率的实用策略,具有重要的理论与实践意义.

本文针对现行国家标准中灭火器配置设计规定的不完善之处,利用火灾动力学模拟技术,通过分析质量损失速率的变化来刻画建筑初起火灾的演化过程,结合可燃物分布特性和人员行为反应,提出一种优化建筑灭火器配置的新模式,弥补了传统配置模式的不足.本研究通过模拟三类代表性建筑内的火灾场景,定量分析灭火器配置与火灾扑救效果之间的关系,并提出了针对不同建筑火灾特性的差异化配置策略.研究结果表明,合理的灭火器配置不仅能显著提升初起火灾扑救效率,还能优化建筑消防设备的利用,降低火灾造成的损失.本文还通过敏感度分析得出建筑消防管理和灭火器生产设计对灭火器配置效果的影响.本研究为建筑消防设备的配置提供更贴合实际的支持,为复杂场景下的建筑防火设计提供了科学依据.

本研究提出了一个多模态人工智能模型,旨在量化分析房价政策对房地产市场的影响,并进行准确的房价预测.模型整合了二手房市场的传统交易数据、房价政策的非结构化文本数据以及地理信息数据,全面捕捉市场变化的多重影响因素.以深圳2021年实施的二手房指导价政策为例,我们对政策影响进行了实证分析.该政策试图通过限制价格来稳定市场,但研究发现其对高端房产交易量的抑制作用显著.由于政策限制了实际交易价格的披露,市场数据的缺乏为研究带来挑战.本研究在享乐定价模型的基础上引入多模态方法,有效缓解数据不足问题.利用2015至2020年交易数据,我们还预测了假设未实施指导价政策下的2021年初反事实房价,结果表明,多模态模型显著提升了预测精度.研究显示,指导价在大部分区域低于市场价格,在高端市场尤其显著,导致首付款比例增加并抑制购房需求.通过整合地理信息和政策文本数据,多模态模型展现出显著的预测优势,为房价政策影响的量化评估和未来房产市场预测提供了科学框架和实践性建议.

消费者过度消费带来的碳排放污染问题是推进“双碳”目标过程中的一大挑战.为了有效应对该问题并维护供应链企业利益,本文构建了由供应商与低碳制造商组成的供应链模型,探讨了消费者过度消费行为以及不同引导策略对供应链企业与环保问题的影响.研究结果表明:(1)虽然传统引导策略能够遏制消费者的过度消费行为,从而防止其对供应链低碳发展产生不良影响,但该策略会损害企业利润.(2)通过低碳消费目标驱动的引导策略,既能驱动消费者拒绝过度消费,还不一定损害供应链利润.因此,关停并转高碳排放企业并非唯一出路,低碳消费目标驱动的引导策略不仅有望摒除消费者低碳参照带来的负面影响,而且能从消费端助力企业的低碳减排投资,实现供应链低碳发展.(3)对于碳排放污染程度由低到高的产品,企业应分别采用传统引导策略、低碳消费目标驱动下的个人目标引导策略与规范目标引导策略改善自身利润的同时提高社会福利.(4)无论是在全新市场还是曾经采用传统引导策略的市场,高碳排放企业通过低碳消费目标驱动减排与遏制消费者过度消费都是有利可图的,而通过传统引导策略干预可能适得其反.

本文研究了具有参数摄动和外部干扰的机械臂系统固定时间轨迹跟踪问题.首先,本文设计了一种新型自适应事件触发机制,该策略能够根据系统状态动态调整触发阈值,在保证控制精度、维持系统鲁棒性的前提下,优化网络资源利用率.其次,本文提出了一种基于事件触发的自适应固定时间滑模控制策略,该策略不仅能补偿机械臂系统的集总不确定性,还能进一步提升系统的控制精度,同时确保了系统在固定时间内的全局收敛性.此外,本文利用李雅普诺夫稳定性理论严格证明了系统的稳定性和跟踪误差的有界性,并证明存在最小触发时间间隔,排除了Zeno现象.最后,通过一个仿真实例和对比分析验证所提出方案的优越性.结果表明该策略在保证高精度轨迹跟踪的同时,优化了网络资源利用率.

基于害鼠繁殖规律,建立一类具有年龄等级结构和相遇机制的混合系统模型来描述害鼠种群的演化进程，并探讨其最优不育控制问题.状态系统模型由一个带全局反馈边界条件的一阶偏微分方程和两个常微分方程组成.首先利用不动点理论确立系统非负有界解的存在唯一性,并给出一些连续性结果;其次通过构造共轭系统并应用切$-$法锥技巧导出精确刻画最优策略的\,Euler-Lagrange\,方程;同时运用\,Ekeland\,变分原理证明最优策略的存在唯一性.最后完成数值模拟,验证理论结果的有效性.

在互联网和数字时代，推荐算法是使用户从海量信息中提取有用信息的重要技术。传统推荐算法通常以用户评分为主，忽略了在线评论中蕴藏的情感信息以及用户偏好可能发生改变的现象，导致推荐精度与个性化水平较低。为分析影评中隐藏的情感信息与用户兴趣变化规律，本文提出考虑情感词典构建与用户兴趣漂移的动态电影推荐算法。首先，考虑到通用情感词典对影评情感的感知偏差，构建区分电影题材的影评领域专用情感词典。接着，基于专用情感词典对影评进行情感分析进而修正用户评分，同时基于艾宾浩斯遗忘曲线刻画用户兴趣变化规律，提出考虑用户兴趣漂移的动态电影推荐算法。最后，利用豆瓣电影数据集从召回率、精确率和F1值三个指标层面验证了算法的有效性。实验结果表明，本文构建的影评领域专用情感词典具有显著的领域适配性与情感识别优势，提出的动态电影推荐算法相较传统方法更能精准捕捉用户评论中隐藏的情感信息和用户兴趣变化，推荐结果更加符合用户当下需求。

基于穿梭车的共轨双提升机存取系统具有紧凑、高效等特点，而双指令因有效降低设备空载率的优势被广泛应用于仓储系统调度，但是同时考虑双指令和提升机间的冲突使仓储系统的调度决策变得十分复杂。针对考虑双指令的共轨双提升机调度问题，以最小化总完工时间为目标，综合考虑双指令和共轨双提升机约束限制，建立混合整数规划模型。鉴于问题的NP-hard特性，提出基于自适应大邻域搜索和动态规划的两阶段算法，并结合现实场景，设计小、中、大三种规模的算例，将两阶段算法与Gurobi求解器、顺序匹配算法、粒子群算法对比，评估两阶段算法的性能。研究发现：（1）提升机速度对系统效率有显著影响，但其边际效益呈递减趋势；（2）在给定I/O点的情况下，上下两提升机之间存在一个最优速度比；（3）双指令相较单指令效率优化可达42.72%，双提升机系统相较单提升机系统效率优化可达47.09%。研究可为管理者设计调度策略提供科学依据和算法基础，为优化基于穿梭车的共轨双提升机存取系统配置提供理论支持。

在房地产行业转型的关键时期，厘清多方主体下房地产企业业务布局最优策略，对于落实"房住不炒"、构筑房地产发展长效机制和化解经济结构深层次矛盾具有重要启示。本文基于"政策监管——信贷约束"框架，依据风险收益、信贷约束和社会福利理论体系，构建房地产企业、银行与政府三方演化博弈模型，并进行仿真模拟，旨在探究三方参与主体的演化博弈均衡状态和不同参数取值对稳定均衡点的具体影响。研究发现：（1）实体产业与虚拟经济投资收益剪刀差是决定房地产企业策略均衡的关键因素。（2）银行部门放宽准入门槛能够缓解房地产企业面临的融资约束。（3）监管成本和社会福利是影响政府部门均衡策略的关键因素。本文的研究为健全房地产市场和防范经济脱实向虚提供有益参考。

本文研究了一类具有未知参数和非匹配干扰的链式非完整系统的有限时间抗干扰控制问题.通过设计有限时间扰动观测器,我们借助加幂积分器技术提出了一种新的自适应有限时间抗干扰控制方案.本文应用切换控制策略及预设性能控制思想克服了非完整系统不能够通过连续时不变反馈实现镇定控制的困难,并放宽了现有文献中关于非匹配干扰的假设.所提出的控制方案能够有效补偿未知参数及非匹配的外部扰动,保证了闭环系统的实际有限时间稳定性.最后,数值算例论证了所设计方法的有效性.

视觉语言大模型通过自然语言交互能够解决端到端自动驾驶系统因黑盒特性带来的可解释性不足的问题,从而提升自动驾驶系统决策的透明度和可信度.一般的视觉语言大模型通过轻量级的“粘合”层对齐视觉和文本特征,但由于其结构简单且初始状态随机,往往难以捕捉两者之间的复杂关系.在处理视频问答任务时,一般的视觉语言大模型较少兼顾视频特征的细粒度提取和不同帧之间的时序建模.此外,现存方法参数规模普遍较大,难以实际部署.针对以上问题,文章提出了基于细粒度特征跳跃连接与时空注意力融合的轻量驾驶视频问答模型FSS-VLM,它能够有效对齐视频和文本特征,充分挖掘并利用细粒度的视频特征.时空注意力门控模块结合时空注意力和门控机制动态捕捉视频帧内细粒度信息,建模帧间时序依赖关系,并自适应融合多帧特征,增强视频的特征表示.对齐适配器和对齐损失模块通过对齐损失函数引导适配器学习跨模态特征间的映射关系,实现视觉与文本特征在语义空间中的对齐.细节信息跳跃连接模块引入残差连接变体和门控为大模型编码器特征注入细节信息,帮助大模型在解码过程中更好利用细节特征,以此防止网络过深导致的细节信息损失问题.实验结果表明视觉问答模型FSS-VLM有效,并在关键指标上表现较好.

现实世界分类任务中的噪声、异常值及类别失衡问题会削弱机器学习模型的鲁棒性.为此,本文提出了PSO-FTSVM,一种与粒子群算法(PSO)相结合的模糊隶属度驱动的双子支持向量机(TWSVM)混合框架.该模型将基于类中心距离和核密度估计的方法相结合,引入了混合模糊隶属度函数,能够依据样本的全局分布与局部密度动态分配隶属度,从而增强了关键样本的代表性;同时利用PSO对模型关键参数进行自适应优化,以提升其泛化能力.在10个数据集上的实验表明,PSO-FTSVM平均准确率达到92.011%±1.863,较基准TWSVM和FTSVM分别提升14.080%和10.587%.该模型在处理高度不平衡数据集时表现优异且在噪声环境中仍保持稳定性能,显示出卓越的鲁棒性.