大数据时代下, 具有混合类型协变量的高维调查数据给异质性分析及其变量选择带来了挑战.文章提出了一种改进的稀疏聚类方法, 并以中国教育追踪调查和“千人百村”社会调查为例展开应用讨论.文章提出了调整后DBI准则用以衡量协变量重要程度, 使用不同惩罚参数分别控制不同类型协变量的权重, 得出最优的聚类划分结果以及重要的类别区分协变量. 理论层面, 文章证明了所提出方法的变量筛选一致性. 数值实验层面, 文章设计了一系列模拟实验验证了所提出方法在聚类和变量选择方面的良好性能.实证数据的结果也表明, 文章提出的稀疏聚类方法所划分出的样本集群具有较高的区分度, 便于研究者对每个群体进行特征的刻画; 同时, 其选择出的类别区分变量具有重要现实意义, 在不损失重要信息的条件下降低了数据的维度, 增加了模型的可解释性.文章提出的稀疏聚类分析实现了对高维调查数据中的混合类型协变量的联合分析, 极大化地提升了信息的使用率和数据的利用率.

为分析智慧医疗信息平台中医患合作行为, 构建演化博弈模型, 引入随机干扰因素表示平台信息的不确定性; 其后将医患随机演化博弈模型转化为尖点突变模型, 证明医患行为演化中暗含突变机理; 最后, 用仿真分析诊疗型和互动型信息平台中医患行为的演化与突变机制.研究发现: 在智慧医疗信息平台中, 医患行为选择可能因感知价值和随机干扰等因素而突变; 当医患初始合作概率高时, 若信息平台安全与可靠性差, 医患倾向于不合作; 当医患初始合作概率低时, 若信息平台安全与可靠性高, 医患倾向于合作; 当医患初始合作概率处于中等水平时, 医患更容易受不合作额外收益影响, 其行为选择突变概率更高.研究结合演化博弈论与突变理论, 深入分析智慧医疗信息平台中医患合作机制, 结论为信息平台中的医患合作行为研究提供启示.

大量证据指出ESG表现良好的企业面临更低的崩盘风险和利益相关者风险, 从而稀释系统性风险.然而, 相较于基本面类的财务指标, ESG作为一种非财务指标, 其对股票系统性风险影响的作用机制、动态时变性和异质性特点尚未得出一致结论.据此, 文章选取A股市场2009年1月至2023年11月的数据展开实证研究, 基于条件CAPM模型, 将系统性风险$\beta$ 动态刻画成关于ESG表现(非财务特征)和公司基本面特征(财务特征)的线性函数, 然后采用MCMC贝叶斯估计方法得到时变$\beta$的估计量用于结果分析.研究结果如下: 第一, ESG表现和股票系统性风险呈负相关关系, 这种关系在近几年越来越强且变得显著; 第二, ESG表现对股票系统性风险影响的大小在行业上呈现异质性, 对于受能源或受国家政策影响较大的行业, 良好的ESG表现有助于降低系统性风险; 第三, 虽然ESG表现会影响股票系统性风险, 但投资者对ESG风险的反应弱于基本面风险, 这之中存在投资者反应的不对称, 所以ESG风险可被看作第二性风险, 其对系统性风险影响的大小受市值、账面市值比这类基本面特征的调节影响.

文章对二阶时滞非线性多智能体系统在固定有向拓扑下的领航跟随一致性问题进行研究.为节省系统的通信及计算资源,提出了一种基于事件触发机制的分布式一致性控制协议.通过给每个智能体设计相应的事件触发条件,从而有效减少了智能体间信息的更新频率. 利用图论知识、矩阵理论以及Lyapunov稳定性理论给出多智能体系统达到领航跟随一致性的充分条件,并排除了系统的Zeno行为.最后由仿真结果验证了理论方案的可行性和有效性.

投资专有技术(简称IST)是一种通过创造新的资本存量从而在技术层面所带来的技术创新,一直以来被认为是经济增长的重要决定因素,投资专有技术冲击与股票市场之间也密切相关.随着机器学习方法在金融领域中被广泛地应用,其优异的表现能够挖掘出更加有效地解释资产价格波动的因子,探索投资专有技术冲击对资产价格的影响具有重要的现实意义.根据基本面量化投资研究的进展,文章筛选了机器学习方法中投资绩效表现优异的因子变量,基于数据可得性构建了2004年1月至2021年12月内的3种IST冲击代理变量以及9种微观企业特征和市场风险因子,并运用TVP-SV-VAR模型进行时变特征分析,揭示了IST冲击对不同企业特征下的股票横截面收益的影响.结果显示投资专有技术冲击对不同的企业特征下股票横截面收益影响均具有时变性,在不同时期下影响的方向、大小均不确定,且滞后影响都是中短期的.投资专有技术冲击在短期更多是通过影响企业短期内的交易量、交易额等交易摩擦类因子进一步影响投资者对企业的未来预期.同时,对于中期而言,投资专有技术冲击更多的是影响股东权益变化等成长类因子进而影响股票价格波动.

伽马过程是分析单调退化数据的常用模型之一.对伽马退化模型进行参数估计需要假定其形状函数的具体形式. 然而,有时候可能并没有足够的信息来选择合适的函数形式,此时参数估计方法就不再适用. 针对Song 和 Cui (2022)所提出的二元伽马退化模型, 文章研究了其形状函数的非参数估计问题,提出了一种基于期望最大化算法的估计方法.文章通过数值模拟验证了所提方法的有效性,并进行了实例分析来说明该方法的应用.

文章研究了地铁乘客到达站台后的乘车概率问题.在若干合理假设下, 证明了乘客乘车概率的一个随机排队模型.该模型推广了Grube等(2011年)和Mo等(2020年)中"先到先服务"这种确定性模型.文章给出了随机排队模型的一个简化版本, 该版本中的参数取零值时,随机模型即退化到确定性排队模型. 基于随机排队模型,文章构建了典型地铁路线的乘客流仿真, 输入列车时刻表, 乘客进站时间,走行时间分布等信息,该仿真能够输出每位乘客在地铁系统的轨迹和出站时间.文章综合实际数据和仿真输出, 提出了参数校准方法.北京昌平线的实际数据阐述了所提随机排队模型相对于Grube等(2021年)和Mo等(2020年)中的确定性排队模型的优势.

知悉社交媒体平台中影响信息转发的主要因素对于危害信息扩散的管控有着重要的意义,以往研究大多基于回归分析的方法,挖掘对转发数存在显著影响的变量,在可解释性上存在不足. 文章基于统计回归建模和因果推断方法,从用户特征和文本特征分析影响推文转发的变量,并生成解释文本情绪与转发数因果关系的剂量-效应函数.此外,考虑到社交媒体观测数据集采集时存在收集偏差的问题,文章使用主题聚类方法进行数据过滤.在对疫苗讨论和总统选举Twitter数据集的实证分析中,该研究发现了显著影响信息转发的变量集,以及文本情绪对于转发数的因果效应.

社交媒体平台的热门榜单作为热点信息的汇聚和展示,对于我们理解当前热点话题具有很大的启示.但由于热榜文本存在词汇稀疏和文本较短的问题,传统LDA和基于神经网络的主题挖掘模型面临着主题聚合表现不佳的表现.对此,文章提出了一个基于大型语言模型增强的主题建模框架——STAB.该框架结合大语言模型对文本数据的生成式增强能力,以及文档嵌入在主题建模中的优异表现,能够在短文本数据集上挖掘出有意义的主题.在多个数据集上的实验结果表明,在通用客观评价指标和下游任务应用方面,该框架均优于已有的主题建模方法.

复杂社交网络中谣言不断地滋生与蔓延. 为对谣言进行有效管控,文章基于图上博弈理论, 通过引入详尽可能性模型及情绪认知理论,探究谣言转发行为的影响因素, 并从信息内容差异化角度,构建了社交网络用户谣言传播行为演化博弈模型. 仿真结果表明: 1)提高用户对谣言/反谣言信息的兴趣会直接影响其转发谣言或反驳谣言的行为;2) 信息发布的强度对信息的传播效果有着直接影响; 3)用户面对不确定信息时, 更加愿意转发亲密节点的信息; 4)谣言内容包含积极内容及用户个人情绪不稳定时, 用户更易做出转发行为.据此, 文章提出了治理社交网络谣言传播的相关建议,为相关部门制定有效的谣言治理策略提供了理论支持.

随着数字化政府建设的加速推进,网络问政在中国社会治理中发挥着不可忽视的作用.为了探讨影响网络问政效果的关键因素,该研究以泸州市网络问政平台“有话您请说”中的相关数据为研究对象,采用多种机器学习和深度学习模型结合的文本数据挖掘方法,识别网络问政文本中的特征变量, 构建问政满意度分类模型,并结合多种可解释性方法分别从结构特征和语义特征对模型结果进行解释分析.研究发现: 问政情感, 问政文本长度, 诉求类型, 回复情感, 回应单位类型,回应时间等变量均对问政满意度有不同程度的影响. 此外,研究构建的可解释性框架还能够有效识别问政中的时间, 地点,组织机构名称等关键内容.

为了更好研究混沌现象的本质和利用混沌,根据混沌系统的李雅普诺夫稳定性理论和分岔理论研究了一类三维广义Rabinovich系统的混沌动力学特性, 包括耗散性、平衡点和局部渐近稳定性、李雅普诺夫指数、李雅普诺夫维数、分岔图、全局吸引域等. 依据混沌系统全局指数吸引集的结果和Dini导数, 设计合适的控制器实现了两个相同混沌系统的全局指数同步. 为了使所设计的控制器在实际应用中更容易实现且使同步方案有高效的同步速率, 文章设计了线性反馈控制器使两个混沌系统达到全局指数同步. 文章的创新点在于, 首先得到了该混沌系统每个变量最终界的数学表达式, 然后利用混沌系统的有界性得到了混沌系统控制器的精确数学表达式. 最后, 文章对同步过程进行数值模拟, 仿真结果证实了理论的可行性.

文章采用空间误差模型刻画个体之间的网络结构关系,讨论响应变量随机缺失时部分线性变系数空间误差模型的估计和借补问题.首先,利用矩阵分块和截面似然技术构建了参数估计量,并证明了参数估计量的渐近分布和未知系数函数估计量的收敛速度.其次基于部分线性变系数模型,提出了带有空间网络结构的缺失数据的借补方法. 最后,通过蒙特卡洛模拟研究了估计量的有限样本性质,并将该方法应用于QQ数据集分析.

信息不对称是阻碍制造商积极参与碳市场交易及投入减排技术的主要原因,文章基于碳交易机制, 在零售商隐匿消费者低碳偏好信息的情形下,研究制造商减排和零售商的信息共享策略选择问题.文章利用Stackelberg模型考察供应链各成员的最优决策,其中零售商拥有私有信息 (消费者的低碳偏好)并决定是否与制造商共享该信息. 利用博弈论与静态比较分析,发现零售商共享信息对供应链有益, 且在信息不对称下,制造商与零售商制定收益共享契约可以提高自身收益.当制造商风险规避程度较低时, 零售商愿意共享信息;当消费者低碳偏好较高且对产品价格不敏感时, 制造商的减排率会增加;对于减排成本较大且消费者低碳偏好较低的产品,增加碳配额会降低产品的价格, 进而削减制造商的减排动力. 因此,制造商可以适当降低自身风险规避行为以吸引零售商共享信息, 此外,制造商与零售商制定收益共享契约对供应链有利;为加强制造商减排技术的投入,零售商可以优先对非价敏用户做好低碳产品的宣传和推广.

在平台经济快速发展的当今,越来越多的制造商开通直销渠道以迎合消费者线上购物需求.制造商开通直销渠道加剧了渠道间竞争,尽管有助于提升产品需求量,但会侵蚀零售商的市场份额,也可能增加制造商的碳排放总量.尤其是在碳配额与交易机制下,碳排放量总量的增加导致制造商通过碳交易市场购买超出碳排放限额的碳排放量随之增加,进而增加制造商碳成本.基于此,借助博弈论构建制造商和零售商间的两级供应链模型,探究碳配额与交易机制对制造商渠道入侵策略的影响.研究发现,尽管制造商总是倾向于开通直销渠道,但是否增加碳排放总量以及是否侵蚀零售商利润取决于碳交易价格和制造商碳减排成本系数.具体而言:1)对零售商而言,当碳交易价格较高且碳减排成本系数较小时,制造商开通直销渠道渠会增加零售商利润;否则,制造商开通直销渠道仍会侵蚀零售商利润;2)对碳排放总量而言,当碳减排成本系数较小时,制造商开通直销渠道降低碳排放总量;当碳减排成本系数较大时,制造商开通直销渠道增加碳排放总量.此外,文章也探究了在何种情形下,制造商开通直销渠道既增加零售商利润,也能降低碳排放总量.

收益管理优化是提高零售商经济收益的有效途径之一.定价是收益管理的引擎和核心技术，对于提高零售商的收益具有重要作用.考虑到在收益管理的实际应用中，预测和优化问题的复杂性，通常采用先对产品需求进行预测，然后对收益进行优化的步骤.在对产品需求进行预测时，通常会面临多个候选模型，即面临模型的不确定性，这时一般会采用模型选择方法确定最终的模型.但传统的模型选择准则包括赤池信息准则（Akaike information criterion，AIC），贝叶斯信息准则（Bayesian information criterion，BIC）等通常只考虑了模型选择对预测精度的影响，而不考虑该预测模型会如何影响接下来的优化决策目标.本文首次在商品的收益管理优化中提出最小化聚焦信息准则（focusedinformation criterion，FIC）这种模型选择准则，运用FIC模型选择准则选择产品需求预测模型，考虑了优化模型的结构，以最小化决策误差，而不是预测误差为目标，来选择预测模型.数值模拟结果表明，在大部分情况下，相比于AIC和BIC两种模型选择准则，考虑决策目标的FIC模型选择准则表现最佳.同时，实证研究结果也验证了考虑决策目标的FIC模型选择准则的优越性.

为破解不完全信息下信息敏感型电子废弃物的回收困境，文章基于前景理论构建了由政府、消费者和回收商组成的演化博弈模型，探讨了影响系统博弈策略的主要因素.结果表明，政府加大监管力度可促进回收市场规范化；消费者负面信誉评价对非正规回收商具有导向性，高负面信誉评价激励非正规回收商规范化形成；回收过程中，消费者若遭受信息泄露损失，便趋向于不信任策略，且信息泄露损失越大不信任程度越深；前景理论中的损失规避系数和损失感知价值敏感系数，对于消费者和回收商的策略均有影响，而收益感知价值敏感系数对两者策略几乎无影响，说明决策者在博弈中更注重规避损失.

无人艇的水动力学具有强非线性与时变性，为便于转艏控制，提出一种基于纵荡速度的非线性变参数（nonlinear parameter varying，NPV）模型.首先从水动学机理出发，引入Ross阻尼模型，建立三自由度的非线性机理模型.其次，在机理模型基础上，将非线性项隐含于线性结构中，使模型构成类线性结构，再忽略数值较小的横荡阻尼项，并以纵荡速度为变参数，建立基于纵荡速度的NPV模型.NPV模型结构简单，具有非线性项与变参项，为Norrbin非线性模型与线性变参数（linear parameter varying，LPV）模型的扩展形式.最后，由仿真和实验验证了NPV模型能够很好地刻画无人艇转艏运动的非线性与时变特性.

新冠肺炎疫情的爆发给中国股市带来了一场危机,投资者对避险资产的选择也逐渐引发关注. 文章通过DCC-GARCH $t$-copula模型检验了新冠肺炎期间黄金和比特币分别对中国股票市场的避险差异.结果表明, 平均来看新冠疫情期间黄金是比比特币更优的避险资产,这是因为黄金比比特币有更低的平均套期保值比率, 可以提供更廉价的对冲,并且与同样的股票行业指数组成的投资组合中黄金所需占比比比特币低.最优对冲比率和投资组合权重的动态波动性也进一步表明投资者需要积极地重新平衡他们的投资组合,而不是采用静态方法.

针对虚拟电厂(virtual power plant,VPP)中供给侧与负荷侧价格传导问题,考虑能源侧新能源出力不确定性、大电网购电价格、各类机组运行成本,文章提出了一种VPP厂内部动态分时电价策略,并综合考虑了负荷侧综合需求响应提出了EV 接入的VPP双层经济调度模型,以保证VPP的低碳经济运行. 上层考虑能源侧成本, 以VPP运营商供能成本最小为目标函数, 并将碳捕集系统(carbon capture system,CCS)作为灵活性资源,提出一种充分利用新能源与电网低谷电量的碳捕集装置运行模式.下层考虑包括EV在内的负荷侧用能成本, 以用能成本最小为目标函数. 最后,通过算例结果验证了所提策略的有效性. 结果表明,相较于采用大电网分时电价机制, 文章所提动态分时电价机制可节约51.8% 的能源供给成本,且可降低81.62%的CO$_{2}$排放量, 有效提升了VPP 经济性与低碳性.

为了解决证券投资组合收益预测模型在股票价格波动感知方面的语义细粒度量化不足和有效投资组合灵活性受限的挑战,文章提出了一种综合舆情态势评分模型(SESTM)和图套索(GLASSO)的股票收益系统预测模型.首先,采用分位回归方法对股价波动进行拟合建模,定义了波动幅度和均值序列两条曲线,用于发现与正收益波动相关的词汇.接着,运用SESTM模型从新闻公告语料中通过有监督的方式提取对股票价格波动灵敏感知的相关词汇,并形成与政策、估值和市场情绪密切相关的主题和匹配词典,进而生成舆情态势评分.最后,结合GLASSO方法构建股票价格之间的联动网络结构,并基于该网络构建个股投资组合策略.实证研究以疫情期间生物疫苗板块股票为对象,对网络联动和舆情态势评分模型开展了实验比较.实验结果显示:首先,以波动感知词汇为纽带构建的投资策略更适用于短期预测;其次,在融入反映联动网络的偏相关信息后,投资组合日均对数收益率达到1.6%,相较于未融入偏相关关系的1.4%的情况提高了14.3%,更是随机组合的日均对数收益率0.7%的2倍;而最高收益由随机组合的3.117 提高到3.605,提升幅度达到15.6%.以上结果表明,通过SESTM+GLASSO组合模型的方式提供了一种高效且性能优越的系统预测模型,该模型能够分析股票价格之间的网络联动关系,更准确地预测股票收益以制定相应的投资策略.这对于推动动态价格感知和深化大语言模型中的生成式跨模态任务的统计应用研究具有积极意义.

随着在跨境贸易的数字化，跨境电商得以快速发展.为此，国家分批设立了165个跨境电商综合试验区（综试区），并出台了“无票免税”政策，吸引中小企业参与跨境电商的创新实践中.文章在考虑综试区和“无票免税”政策的基础上，研究了跨境电商企业供应链网络构建与报税策略选择的联合优化.考虑到跨境贸易场景的不确定性，构建了两阶段非线性随机规划模型；并对模型进行了线性化，设计了最优求解的L型算法.实例应用结果表明：“无票免税”政策能够有效吸引企业入驻综试区，而新实施的“区域全面经济伙伴关系协定”会弱化海外仓与国内仓的差别，促使企业布局少数有地理优势的海外仓.两者均能够有效减轻企业供应链网络的布局代价.

文章旨在研究一类不确定支持向量机问题的鲁棒可行性.首先借助鲁棒优化方法，引入该不确定支持向量机问题的鲁棒对等问题.随后给出鲁棒对等问题的重构优化问题.最后借助该重构问题和上图集，得到该不确定支持向量机问题的鲁棒可行性半径的精确计算公式.

在设备故障诊断领域，操作说明、维修记录等文本数据具有极大的应用价值，充分挖掘和利用这类数据能大幅度提升故障诊断的工作效率.现有研究常用语义特征抽取及无监督聚类方法挖掘文本数据，辅助进行故障定位，但这类方法通常无法解释故障原因和给出提供相应维修方案的理由，据此生成的故障维修方案不易于理解.文章基于现有的成熟预训练语言模型BERT （bidirectional encoder representation from transformers），提出了一种基于BERT的短文本分类模型和知识图谱结合的故障定位方法，以充分挖掘和利用铁路CIR设备的文本数据中蕴含的知识和规律.所用方法首先基于CIR设备的功能层次关系确定故障模块，然后借助基于BERT的文本分类技术实现故障的初步定位，最后结合知识图谱进一步确定故障原因等信息辅助进行故障诊断，基于知识图谱积累的故障诊断知识提供故障维修方案易于维修人员理解，有助于知识的管理和工程效率的提升.在文本分类技术方面，文章利用铁路CIR设备故障维修台账记录数据进行实验，实验结果证明，基于BERT的短文本分类模型相较传统分类模型在性能上有较大的提升；在故障诊断方面，文章提出的文本分类和知识图谱结合的故障定位方法为经验相对不足的设备维护人员进行快速故障诊断提供了支持，也具备一定的实践意义.

文章考虑一类具有输入饱和的不确定周期离散时间系统的预见饱和控制问题.由于时变不确定矩阵及输入饱和的存在，预见控制理论中经典的差分算子方法无法适用.为此，文章引入状态辅助变量，利用系统状态向量与状态辅助变量之差代替通常的状态差分，成功地构造出输入饱和不确定离散系统的扩大误差系统.通过扩大误差系统的构造，将原系统的预见饱和控制器的设计问题转化为扩大误差系统的镇定问题.利用改进的扇形条件处理饱和非线性项并结合线性矩阵不等式（LMI）技巧，导出了闭环系统渐近稳定的充分条件.最后，仿真例子表明了文章结果的有效性.

Hopf分岔是一种比较简单而又重要的动态分岔问题，是指系统参数变化经过临界值时，平衡点由稳定变为不稳定并产生极限环.基于Hopf分岔，文章提出了一个具有饱和控制的时滞反应扩散谣言传播模型，其更好地反映了现实生活中谣言传播的特性，并且研究了其Turing不稳定和Hopf分岔，同时选择时滞为分岔参数，给出了分岔阈值的解析表达.最后，通过数值模拟仿真验证了理论结果的正确性，其结果表明扩散和时滞均是导致系统不稳定的原因.传统的谣言传播模型只考虑了时间演化，而该模型从时间和空间两个维度刻画了传统的谣言传播模型，使其更加贴切地反映了谣言在现实生活中的传播规律，为谣言传播的治理提供新的思路.

暂态行为、稳态精度、调节时间和收敛速率是评价控制系统闭环性能的四个关键指标.文章针对非匹配的不确定纯反馈非线性系统，提出了一种同时满足以上四个指标的跟踪控制设计方案.该方案通过设定性能函数来保证系统输出信号始终保持在由该函数边界形成的包络范围内.同时，在一种新颖的误差转换机制控制下，闭环系统的稳态精度和调节时间可以被预先设定.文章使用神经网络来逼近完全未知的非线性函数，其中神经网络的权值可以通过自适应律在线更新.另外，文章在自适应律中加入σ-修正项以避免估计参数发生漂移现象.最后，仿真结果验证了所提控制方法的有效性和在控制性能上的优越性.

在自反巴拿赫空间中，考虑线性控制系统的时间最优控制问题.运用非光滑分析，研究最小时间函数关于初始值和控制集规模两个变量的连续性等基本性质.将已有关于目标点为原点的结果推广到任意点.

旅行商问题（TSP）是组合最优化中的典型问题，求解TSP问题的现实意义重大.随着深度强化学习（DRL）在工业界的广泛应用，利用DRL模型自动设计学习算法成为近期的研究热点.为提升DRL模型在大范围TSP问题上的泛化能力，文章提出一种动态图卷积网络编码和空间注意力机制解码的混合模型求解大范围TSP问题.动态图卷积模块可以动态编码节点信息，从而有效地更新每个节点的隐藏层状态；空间注意力有利于捕捉节点之间的全局联系，进而通过加权所有局部特征计算和提取关键特征.实验结果表明文章模型将TSP50的训练策略泛化至TSP250/500/750/1000时的优化性能超越了先前DRL模型，且在TSPlib标准数据集上的测试结果也显示出模型对优化性能的提升.

针对模型未知且带有时滞的随机线性二次型（SLQ）最优跟踪控制问题，提出了一种自适应动态规划（ADP）算法.首先，利用双因果坐标变换导出原时滞系统的等效系统，构造一个新的由等效系统和命令生成器组成的增广系统，并给出该增广系统的随机代数方程.其次，为了解决随机线性二次最优跟踪控制问题，将随机问题转化为确定性问题.然后提出ADP算法，并给出该算法的收敛性分析.为了实现ADP算法，设计了三种神经网络，分别近似最优性能指标函数，最优控制增益矩阵和系统模型.最后，通过一个数值算例验证算法的有效性.

针对线性合作竞争多智能体系统（MAS），考虑到可能受到的外部干扰，研究了系统基于事件触发机制的规定时间二分一致性控制问题.首先，设计干扰观测器估计系统受到的外部干扰，且针对每个智能体给出了事件触发条件，以减少智能体间的通信频率，节省有限的通信网络资源，同时证明避免了Zeno现象，其次，为了明确地预先分配稳定时间，结合干扰观测器的估计值，设计了一种合作和竞争并存拓扑结构的规定时间事件触发控制协议，以保证所有智能体在受到外部干扰的情况下仍然达到二分一致.最后，利用仿真实例验证了所提出方法的可行性和有效性.

贝叶斯分位回归能够对线性混合效应模型中的参数进行良好的估计.在贝叶斯参数估计中，常用Gibbs抽样方法.为了得到精确的估计结果，Gibbs抽样方法需要进行多次抽样.当模型参数维度较高时，Gibbs抽样方法将会十分耗时.因此，文章采用变分推断来近似参数的后验分布.变分推断采用无条件分布来逼近Gibbs方法得到的条件分布，从而使得计算变得高效.文章将模型参数的先验假定为正态分布，对无惩罚线性混合效应模型的参数进行变分推断.考虑到模型参数可能面临的高维情况，文章将模型参数的先验假定为Laplace分布，对双惩罚线性混合效应模型的参数也进行变分推断.从模拟结果来看，变分推断对模型参数估计的精度虽略小于Gibbs抽样方法，但其运行速度较快.在高维情况下，运行效率依然很高.在大数据时代，时间和资源的消耗是文章首先需要考虑的因素.因此，文章提出的方法可实际运用在高维线性混合效应模型中.

为了比较多个待评价对象在不同时刻的发展水平，以及在某一时间段内的总体发展水平，进行动态评价显得十分必要.传统TOPSIS评价方法仅考虑数据序列之间的距离关系，没有考虑距离间的相关性，为解决以上问题，文章将集对分析联系度思想引入TOPSIS，采用联系向量距离代替欧氏距离计算贴近度，加入时间维度，提出基于联系度的动态TOPSIS评价方法.该方法不仅可以得到反映评价指标值差异程度的评价值及排序结果，还可以得到反映评价指标值增长程度的评价值及排序结果，同时还能得到同时考虑以上两种情况的综合评价值及排序结果.将该方法应用于2016$-$2020年长江经济带绿色发展水平评价，通过实例验证了该方法在实际应用中的有效性.

智能交通系统（ITS）作为协调城市交通的核心正快速发展，而交通流量预测是智能交通系统的重要组成部分，被视为成功部署ITS的关键因素.由于交通网络的复杂空间拓扑结构，使交通流量表现出高阶非线性及动态时空复杂性.为更好地对交通网格数据进行预测，文章提出了一种新的时空网络模型DCSTGCN，具备以下特点：1）将切比雪夫多项式（Ch）应用于图卷积神经网络，结合自扩散卷积将传统的固定式交通拓扑结构进行转换，使其更具有随机性、动态性；2）加入空间Transformer模型，在考虑数据异质性问题的同时，利用多头自注意力机制考虑节点、本地邻居节点以及非本地节点的多属性问题，从高维的子空间进行考虑节点之间的隐藏特征信息；3）将时间Transformer与1 × 1的二维卷积神经网络（Conv2d）相结合，对交通流时间序列信息进行多重权重分配获取重要的时间特征，利用Conv2d网络进行预测输出.通过试验验证，表明该方法模型优于多种对比基线模型.

伴随着互联网公益的兴起，以阿里巴巴和京东为代表的电商平台为国内公益事业的发展注入了强大的动力，但其慈善行为往往包含公益和盈利的双重动机.文章在考虑政府对平台的补贴政策和从事社会公益活动具有多周期动态变化特征的情况下，构建平台和商家的3种微分博弈模型，探讨双方开展联合公益营销的合作问题.研究表明：1）政府的补贴政策可以激励平台和商家加大对社会公益事业的投入，促使平台愿意为商家分担更多的公益成本.2）平台为商家分担公益成本在一定条件下不仅能提升商家的社会公益投入，还能实现双方利润的Pareto改善.3）政府补贴可以提升公益成本分担契约对平台和商家利润的Pareto改善效果，但平台可能会保留部分政府补贴，不会将其全部投入社会公益.4）在协同合作的公益营销情形下，平台、商家和整体的效益以消费者剩余和社会福利都是最优的.最后，通过算例分析验证了结论，以期为平台和商家联合公益营销提供理论依据和参考.

创新创业是塑造发展新引擎的有效选择.数字经济作为一种新的发展形态，能够为提升地区创业活力提供新机遇.为了验证数字经济在各地区发挥的创业拉动效应，把握其中的路径机制，基于2010--2020年选取的中国30个省份的面板数据，构建固定效应模型、中介模型、面板门槛模型，从劳动力和数据要素配置视角实证分析数字经济对创业活力的综合影响、细分差异与作用机制，并探究知识产权保护水平发挥的边界效应.研究发现：1）数字经济发展对创业活力具有显著的正向作用，其中在互联网应用、数字金融两个方面提升了创业活力，在信息化基础维度的作用不明显.2）数字经济可通过“劳动力配置”和“数据要素利用”两条路径促进创业活力提升.3）在“胡焕庸线”东南半壁，数字经济对创业活力具有显著影响.4）知识产权保护作为重要的制度保障，对数字经济与创业活力的关系起门槛调节作用，其水平处于最优区间时能够发挥最大效应.据此，各地区需进一步完善信息基础设施、提高数字技术应用水平、优化区域要素配置水平以激发创业活力，同时依据区位特点，采取自主创新研发、协同合作的差异化策略，营造与数字经济发展水平相适应的创业环境，释放创业活力.

文章在同时考虑模糊厌恶和通货膨胀风险下，研究鲁棒最优再保险和投资问题.保险公司的盈余过程通过扩散逼近模型定义，金融市场由一个无风险资产和风险资产组成.保险公司通过采取比例再保险减少索赔风险，通过在金融市场投资增加财富.通过通货膨胀对风险资产价格进行折算，得到通货膨胀对投资的影响.利用Radon-Nikodym导数和Girsanov定理，得到模糊厌恶下，保险公司的财富过程.以期望效用最大化为目标，得到鲁棒最优再保险和投资策略的解析解.最后，通过数值实验探讨模型参数对所得理论结果的影响，研究结果可以有效地指导保险公司的再保险和投资决策.

文章研究了柔性关节机械臂在区域约束条件下的一致性控制问题，提出了一种基于区域势函数约束环境下的柔性关节机械臂一致性控制算法，该算法能够有效控制柔性机械臂同步态的范围，无需计算最终的同步态，因而适用于实际多柔性关节机械臂区域内的协同控制和应用.进一步地，基于网络拓扑结构特征，给出了实现柔性关节机械臂区域可达一致性控制的充分条件.最后，文章给出了数值模拟以验证所提算法的有效性和正确性.

在碳交易机制背景下，考虑消费者具有低碳偏好的情况，文章通过构建一个竞争性双寡头垄断市场，研究了创新型企业的最优减排技术授权策略的选择问题，分析了固定费用、特许费用和两部制费用三种授权策略，并探究了技术授权策略对环境产生的影响.研究发现：1）两部制费用授权策略对技术持有企业来说总是最优的，而固定费用授权和特许费用授权二者之间的优劣，由产品间替代度和减排率两个因素共同决定；2）无论创新程度如何，固定费用授权对环境的影响最大，而当减排率很小时，两部制费用授权产生的碳排放总量最小.否则，特许费用授权下的碳排放总量最小.

随机对照试验在临床试验中应用广泛, 针对随机对照试验的样本分配是实际应用中需要考虑的重要问题. 然而对于因果推断框架下的随机对照试验, 传统样本分配方法没有考虑潜在结果相关性. 为了解决这个问题, 文章提出了一种考虑敏感性参数的样本分配方法, 并结合自适应设计给出了常用因果效应的估计. 模拟研究验证了该方法在潜在结果独立性假设不成立时也可以获得较其他常用分配方法更准确的因果效应估计.