针对当前全国多地快速推进网约车电动化的趋势以及不同地区之间网约车电动化进程存在差异的实际背景.基于平台对不同类型汽车进行差异化补贴的策略,同时考虑网约车与巡游出租车之间的竞争,司机的服务供给以及乘客的有限理性特点,运用库恩-塔克定理求解了不同类型司机的最优供应量,以平台收益最大化及网约车排量最小化为目标,构建了"网约车平台-司机-乘客"的三层规划模型,对平台报酬比率,单位里程价格及补贴进行优化,论证了Nash均衡价格的存在性.在模型求解方面,将优化变量进行分层,运用遗传算法优化报酬比率与补贴,运用灵敏度分析法刻画不同出行方式需求量对价格变化的导数关系,并运用松弛化方法求解均衡价格.研究表明:(1)推进网约车电动化,可以在竞争中实现更低的均衡运输服务价格;(2)市场上纯电动汽车比例稳定的条件下,平台增加给所有司机分配的报酬比率,有助于增加平台收益.

本文聚焦于数字经济时代下量化数据资产对企业信用风险作用这一核心问题.针对传统模型选择方法在估计与统计推断中可能产生偏误和失真的问题,本文运用模型平均方法构建了更为稳健的计量分析框架,以系统识别数据资产对信用风险的影响机制与异质性表现.为此,本文采用2012—2024年A股上市公司数据,运用基于平滑惩罚的模型平均方法,有效缓解了模型不确定性问题,并保障了统计推断的可靠性.实证研究表明:第一,数据资产对企业信用风险具有稳健且显著的负向影响,表明其具备明显的风险缓释功能;第二,异质性分析发现,该效应在非国有企业、高科技行业、制造业以及处于成熟期的企业中更为突出;第三,机制检验揭示,数据资产主要通过提升信息透明度、提高全要素生产率以及增强高管激励等路径来降低企业信用风险.本文的贡献主要体现在:在实证层面,为数据资产的信用增强效应提供了系统的经验证据,揭示了其作用情境与影响路径;在方法层面,通过引入能有效处理模型不确定性与异方差问题的模型平均分析框架,提升了相关议题研究的稳健性与推断可靠性.研究结论对深化数据要素的价值评估、完善企业信用风险管理具有理论意义与实践参考价值.

在处理效应估计中, 由于研究对象的分布不均衡以及数据采集、标注和计算成本等现实约束, 处理组样本量往往显著少于对照组, 从而影响估计结果的稳定性与精确性. 本文分析了共形预测框架下不平衡处理分配对处理效应的预测区间构造的影响机制, 通过模拟实验发现, 样本不平衡程度的加剧会显著放大预测区间宽度. 基于此,本文引入随机欠抽样和依概率抽样的样本处理策略, 对倾向得分估计进行调整, 减轻处理分配不均衡对共形预测区间构造的不利影响.模拟实验与半合成数据分析结果表明, 随机欠采样和依概率抽样策略的引入能够在不牺牲区间覆盖率的前提下, 显著缩小预测区间宽度, 提高区间推断的实际效率.

针对突发事件应急协作中的信息共享不畅问题, 本文构建了突发事件应急响应决策主体间信息共享的网络演化博弈模型, 分析决策主体能力异质性、可持续性利益和网络结构参数等因素对信息共享演化策略的影响. 研究表明: 1)当可持续利益过小(或过大)时, 所有决策主体均不共享(或共享)应急信息. 当其处于某一区域范围内时, 若获取应急信息能力的差异较大, 陷入低效的"半共享"僵局; 若差异较小甚至相同, 则出现"全部共享"或"全不共享"的结果. 2) 网络结构效应会导致均衡"漂移". 3)信息共享成本、可持续性利益、群体规模、外部环境不确定性、邻居数量和随机重连概率等关键因素对共享策略选择的影响受到决策主体能力异质性的干扰. 4) 在决策主体能力同质情境下, 选择" 信息共享"策略的群体比例更高. 本研究为促进应急响应决策主体间的信息共享提供一定的管理启示.

本文选取上证50指数部分成分股数据, 结合分形理论、收益-风险比率及多种现实约束条件, 构建了一种以最大化收益-分形风险比为投资目标的最优资产配置模型。为获得最优资产配置比例, 提出一种融合多种“学习”算子改进的教与学优化算法以求解投资组合模型。实证结果表明: 单一成分股自身及两两成分股之间均具有分形特征, 分形理论适用于股票投资组合模型的构建; 无论在牛市还是熊市环境, 不同调整周期、不同波动幅度和时间尺度下的收益-分形风险比模型在收益、信息比率等指标上均普遍优于均值-方差、均值-VaR等传统投资组合模型。

在社交媒体高度渗透的信息环境下,谣言传播呈现出更强的复杂性与突发性.为更真实地刻画社交媒体在谣言扩散过程中的正向强化机制,本文构建了包含社交媒体激活与正强化传播机制的ISDR-M(Ignorant-Spreader-Debunker-Removed-Media)模型.该模型系统引入传播者对社交媒体平台的激活行为(激活率$\eta$)与社交媒体对谣言传播的正强化效应(传播率$\beta$),并在理论上求解了系统的基本再生数$R_{0}$及四类平衡点的存在条件.进一步运用Routh-Hurwitz判据分析了各平衡点的局部稳定性,结合Castillo-Chavez的全局渐进稳定性判定方法与跨临界分岔理论,系统地刻画了模型在关键参数变动下的全局动态行为及系统分岔路径.此外,通过与传统ISDR模型的对比分析,揭示了社交媒体正向强化机制显著扩大了谣言传播规模,并"削弱"了传统接触传播路径对传播态势的主导作用.最后,结合数值模拟验证了理论分析的正确性.本研究为理解社交媒体背景下谣言传播的非线性机制与关键调控因子提供了理论依据,也为制定有效的干预策略(如社交平台治理与反谣言信息投放)提供了数学支持与政策启示.

伴随中国金融业的高速发展, 银行网点数量持续增长, 企业周边银行密度显著提升. 企业周边的银行密度作为金融服务可得性的直观信号, 其变化可能对证券市场的信息传递和投资行为等产生深刻影响. 本文以股票特质波动率作为股票市场微观特征的代表性指标, 使用2007-2023年A股上市公司数据, 考察近邻银行密度变化对股票特质波动率的影响效应及其作用机制. 实证结论发现, 近邻银行密度显著降低了股票特质波动率, 减少了企业特定信息中的"噪音". 机制分析表明, 融资约束的缓解和企业信息环境的改善是重要的作用渠道. 此外, 异质性分析显示, 这一效应在不同股权性质、地区、行业和规模的企业中存在显著差异. 本研究拓展了银行分支机构空间分布和企业微观特征的相关研究. 对深化银行业供给侧结构性改革, 提升资源配置效率, 增强银行服务实体经济的能力具有启示意义.

不同于仅考虑观测误差的标准最小二乘方法, 总体最小二乘(Total Least Squares, TLS)方法会同时考虑因变量和系统矩阵中的扰动，具有更强的实际相关性. 受近期子采样改进的随机奇异值分解研究进展的启发, 我们提出了一种用于截断总体最小二乘(Truncated Total Least Squares, TTLS)问题的加速随机算法(Accelerated Randomized Truncated Total Least Squares, ARTTLS), 特别针对大规模不适定矩阵设计. 该算法采用行空间子采样与随机投影相结合的双重策略, 对增广矩阵的主导空间进行显式近似. 我们建立了所提算法的误差上界并开展了数值实验. 结果表明, ARTTLS算法在保持相当甚至更优求解精度的同时, 大幅缩短了计算时间. 本研究为大规模场景下的TTLS问题提供了一种高效且稳健的解决方案.

在数字经济成为推动区域高质量发展重要引擎的背景下，本文以省域数字经济为研究对象，构建了适配省域数据特征的数字经济规模测算与预测框架,将数字经济划分为基础型与融合型两类，并在增长核算理论中引入替代效应与渗透效应，量化数字技术对传统产业增长的贡献；针对数据缺失问题，提出GM(1,1)模型与节点插值相结合的组合预测方法.以陕西省2002—2020年为例的实证结果表明：（1）该框架在省域应用中具有较强的可行性与有效性，2022年数字经济占比预测误差仅为0.78%，优于传统单一模型；（2）测算期内，陕西省数字经济规模从187.61亿元增长至4128.20亿元，占GDP比重由8.22%提升至30.24%；（3）数字化成效呈现显著行业异质性，第二、三产业为核心贡献部门；（4）预测显示，2027年陕西省数字经济规模将突破1.12万亿元，占GDP比重超50%。所提出的分析框架可以实现对省域数字经济规模的连续测度与趋势预测，可为省级数字经济核算体系建设、产业数字化重点领域识别以及差异化数字经济政策制定提供量化参考.

危化品事故关系人民生命财产安全和国家总体安全,受到了各级政府和部门的高度重视.随着我国国民经济和化学工业的快速发展,危化品事故呈现了较高的发展态势,而且愈演愈烈.因此,迫切需要采用科学手段对潜在的危化品事故风险进行评估,以支持危化品事故预防、处理和应急决策.为此,本文提出了一种基于RAG(Retrieval Augmented Generation, 检索增强生成)的大模型(Large Language Model, LLM)危化品事故风险预测方法RAG-Risk,以利用大模型的通用知识来预测给定危化品生产企业所可能发生风险的根本原因.具体而言,本文利用所收集的危化品事故案例构建大模型检索增强生成的上下文,并利用深度学习模型对给定危化品生产企业的上下文进行精化和大模型推理来提升危化品事故根因预测的性能.在716条真实危化品事故案例上的实验结果表明,相比于传统的信息检索方法、单一深度学习方法和大模型提示工程方法,本文所提出的基于RAG 检索增强生成和深度学习方法能够有效提升危化品事故根因预测的准确率和召回率,在整体性能的Micro-F1和Macro-F1指标上分别将现有基准方法提高30.16% 和48.81%. 本文研究为危化品事故风险管理和应急决策提供了重要的管理启示.

在当前经济社会加速数智化转型的背景下，网络安全已成为关乎全局的重大战略问题。本文构建“直接防御+网络安全保险”组合风险管理框架，研究集中式与非集中式企业在不确定损失下的网络安全最优投资策略。本文突破现有研究依赖固定损失分布的局限，采用数据驱动的方法，基于拉普拉斯核密度函数构建高维损失不确定集，并通过鲁棒优化方法求得最优解。研究发现：本文模型所得策略较传统模型更稳健；相较于非集中式企业，集中式企业的投资约束更少，决策更为灵活，且二者投资策略存在明显差异；预算有限时，企业应选择与其保守程度相匹配的策略；随着预算增加，企业直接防御支出、保费支出及财富效用均呈现先增长后稳定的趋势；预算充足时，企业应积极选择全额保险。本研究为企业制定科学合理、切实有效的网络安全防御策略提供了理论支撑和实践指引。

验收抽样是质量控制中判定整批产品接收与否的关键策略.然而,现有的计量抽样方案存在两大局限:一是其忽略了过程不合格率的波动性,未能有效利用过程的先验信息,导致检验样本量过大,效率低下;二是其依赖的最为常见的过程能力指数($C_{pk}$)与过程的真实不合格率缺乏精确的对应关系,致使无法准确衡量过程的实际风险水平,从而导致批次误判,造成巨大的经济损失.为此,文章首先基于可精确反映过程良率的工序良率指数$S_{pk}$,构建了以检验样本量为目标的贝叶斯统计优化模型;进而引入具有``阈值效应''的指数型消费者损失函数,构建了以期望总损失为目标的贝叶斯经济损失优化模型.对比分析表明,所提统计模型相较于现有方案能在同等风险水平下,大幅降低检验样本量,而经济损失模型进一步能将平均期望总损失降到最低.

新能源汽车产业崛起推动了能源结构优化与经济可持续发展，提升动力电池退役后的资源利用效率需要考虑其再制造过程中的质量差异影响，同时，区块链技术投入为绿色低碳转型注入新动力。基于这一背景，本文构建由电池制造商、整车企业和第三方回收商组成的闭环供应链Stackelberg博弈模型，在质量差异下分析集中和分散决策下各方最优策略及利润，探讨电池质量等级、电池可追溯水平与区块链技术投入对回收决策的影响。研究表明：集中决策是既能惠及消费者又能提高供应链总利润的最佳决策模式；进行再制造的电池质量等级过高或是过低都会造成回收价过低，回收量过少；引入区块链技术可显著提升电池可追溯水平，当电池回收价格降低且回收量提升足以抵消区块链技术投入成本时，电池制造商选择引入区块链技术可显著提升闭环供应链的回收率和各方利润。

针对资金约束下供应链企业运营,融资和碳减排需求,研究了一个综合考虑碳交易,碳减排投资,碳质押融资,消费者绿色偏好的绿色供应链网络设计问题.以最大化供应链利润为目标,建立了混合整数线性规划模型,证明了该问题的NP难特性.为高效求解大规模问题设计了一种基于分解思想的两阶段启发式算法;同时,为对比验证算法有效性,进一步设计了基于贪婪解码策略的遗传算法.数值实验表明,遗传算法能够在小规模与大规模算例中分别以平均0.24秒与32.28秒获得平均差距为9.07%和5.20%的可行解.两阶段启发式算法在求解小规模算例时能够在1秒内获得与最优解平均差距小于1%的满意解;针对大规模算例,该算法能够在CPELX无法求解的情况下,以平均520.38秒的计算时间获得与上界平均距离小于1%的满意解.敏感性分析显示,碳价和消费者偏好的提升能够对供应链总利润起到积极作用.碳排放随消费者偏好的提升增加,而随着碳价的提高先增加后减少.

本文基于我国主流新闻媒体2010-2022年近三万条文本信息,利用机器学习中的主题分类模型(LDA)量化了我国气候转型风险,测度了上市企业的气候转型风险暴露水平,并进一步探究了企业气候转型风险暴露与股价崩盘风险的关系.研究发现,气候转型风险暴露加剧了企业的股价崩盘风险.机制分析表明,气候转型风险暴露主要通过股票流动性和投资者短期投机推高股价崩盘风险.在信息透明度低,股价泡沫高,政府气候关注低,以及高污染行业企业中,气候转型风险暴露对股价崩盘风险的影响更加显著.本文为气候转型背景下企业风险暴露与股价关系提供了新证据,可服务于应对气候变化、防范金融风险等相关政策的制定与优化.

绿电消纳是实现居民侧低碳绿色生活用能的主要途径,探寻绿电消纳投资行为的演化过程及引导机制是推动社会绿色动态发展的重要手段.围绕这一目标,综合考虑居民异质性和微网运营商运行特性,构建基于前景理论的混合博弈模型,分析双方主体的策略演化过程,并进行数值仿真实验,其次构建基于不平等厌恶理论合作投资收益分配模型,分析不同情景下的收益分配策略.研究结果表明:在当前的绿电投资和电力市场环境下,对于分布式光伏投资项目,居民与微网运营商双方主体最终策略演化为合作投资和参与策略,这一策略对于居民侧高效绿电消纳有积极推动作用,且居民和微网运营商均可最大程度获得收益;风险应对机制、投资成本以及共享储能配置对双方主体策略演化有显著影响;异质性居民协同合作较独立投资而言产生合作增值,基于不平等厌恶理论的利益分配策略能够有效保障各类居民的收益,同时从行为经济学的角度最大程度满足居民对公平收益的诉求.

在知识体系持续拓展与深化的当下,学科壁垒逐渐消解,学科交融已成不可逆转之势.本文提出了交叉主题模型(CrossLDA)用以研究学科间的融合及相互影响.CrossLDA模型可以自动识别出两个学科对应文本(如科研论文)的共享主题和特定主题,并得到各主题的动态发展变化和演进特征,以挖掘出不同学科间的交融发展及互动规律.本文以统计和计算机两个学科为例,通过对十个代表性的统计学期刊以及人工智能顶级会议AAAI的近十年发表文章内容进行建模,提取出机器学习、智能决策等共享主题,并研究共享主题在这十年间研究动向的转变以及两学科在共享主题上发展趋势,发现两个学科紧密关联、相互影响.研究结果不仅验证了CrossLDA在揭示学科交融规律方面的有效性,也为相关领域的学术交流与交叉创新提供了数据支持与方法参考.

传统TOPSIS方法在处理存在相关性的评价指标时,常因评价对象与正、负理想解之间的欧氏距离失真而影响评价结果的有效性.同时,随着事物发展动态性对评价方法提出的新要求,传统静态评价模式的局限性日益凸显.针对上述问题,本文引入弹性网回归方法对评价指标进行筛选,构建了一种基于弹性网回归的熵权TOPSIS动态评价模型.该模型不仅能够有效处理高度相关的变量,还适用于复杂连续变化环境下的综合评价需求.最后,以中国八大综合经济区为实例与相关模型进行对比,结果表明,方法上实现了对高度相关指标的科学筛选与动态集成,更在实证中展现出对效率结构与水平的更优辨识能力,具有良好的适用性与现实解释力.

本文基于固定时间控制思想, 研究了非线性耦合网络系统. 利用不连续激活函数, 结点信息通信受限, 切换非线性耦合信息建立了网络模型. 该系统的结点耦合根据全部结点和指定结点的信息发生切换. 设计的固定时间控制不含符号函数克服了由符合函数引起的控制信号抖振. 基于 Lyapunov 稳定性分析方法, 建立了固定时间同步准则, 并给出了同步时间估计. 利用数值仿真验证了理论结果的有效性和可行性.

如何在决策单元(DMU)之间合理分配成本减少总量, 是组织管理者面临的重要问题. 然而, 现有的基于数据包络分析(DEA)的成本分摊方法主要聚焦于效率值, 缺乏基于激励视角的系统性考虑. 同时, 基于激励优先兼顾公平的成本分摊研究尚不完善. 针对上述问题, 本文基于激励优先兼顾公平的原则, 提出了一种基于非合作博弈DEA的激励性降本责任分配方法. 首先, 利用超效率DEA模型对各DMU的效率进行评价与排序. 随后, 基于效率排序构建降本责任分配模型, 通过最小化相邻排序DMU的降本责任分配差异, 确保分配方案兼顾激励性与公平性. 本文通过引入非合作博弈理论设计迭代算法进行求解, 并证明其收敛性及最优解唯一性, 确保分配方案的稳定性与可行性. 最后, 以成都某商业银行的数据开展实证分析, 研究结果表明: 1) 本文提出的分配方法形成了鲜明的奖惩机制, 即高效DMU承担较少降本责任, 低效DMU承担较多降本责任, 分配方案兼顾公平性; 2) 博弈迭代算法能够促进DMU主动改进效率. 本研究不仅丰富和拓展了基于DEA的成本分摊研究, 也为管理者在组织中实施降本责任分配提供了可操作的实践路径.

空间变系数模型是一种广泛应用于空间回归分析的有效方法,旨在处理空间数据的异质性.然而,该模型通常基于响应变量服从正态分布的假设,难以有效捕捉其他类型响应变量（如计数型、二元型数据）的空间非平稳特征.此外,随着现代观测技术的飞速发展,空间数据集的规模日益庞大,这给模型的计算效率和统计推断带来了新的挑战.为此,本文介绍了一种基于分布式异质性学习(DHL)的广义空间变系数非参数回归模型,提出了一种基于域分解(DDC)策略的DHL算法,用于处理具有复杂边界、不规则形状的空间区域,以保持数据中复杂的空间结构.在一些正则条件下,证明了变系数函数的估计量在$L_2$意义上是一致的,并建立了其收敛速率.模拟数据分析表明,所提模型在不同的设置下表现出了良好的性能;并将其用于佛罗里达州道路交通事故的研究数据分析,评估了所提模型在实际研究领域的应用价值和预测性能,进一步验证该模型及估计方法的有效性.

为了提高移动机器人履单系统的拣选效率，补货时需要根据订单需求变化动态优化商品货位分配方案。现有动态货位分配研究主要考虑商品之间的相关性，忽略了商品需求的数量配比关系，导致相关商品中需求量大的商品仍需跨货架拣选。基于此，本文同时考虑商品之间的相关关系和配比关系，以补货时所有货架上商品的关联度和配比度最大为目标建立数学模型，设计混合邻域模拟退火算法进行求解。仿真实验结果表明，考虑商品数量配比关系的货位分配与仅考虑相关性的方法相比，可以有效降低货架搬运次数，规模越大和数量配比差距越大时效果越明显。

在全球人口老龄化加速与慢性病高发的背景下,特殊医学用途配方食品(特医食品)作为重要的临床营养干预载体,其发展存在信息不对称、质量安全风险高及企业社会责任履行不足等问题,导致监管成本高、主体协同低效与市场信任基础薄弱.为探索破解这一治理困境的有效路径,本文构建“生产商-消费者”两方博弈与“行业协会-生产商-消费者”三方博弈的两阶段演化博弈模型,揭示市场自发互动与协会科普干预下企业社会责任履行的策略演化规律,并运用MATLAB进行数值仿真.研究表明:市场自发驱动的两方博弈易陷入“不履责-不购买”的低效均衡,生产商履责成本高、消费者健康效用感知不足是核心诱因.在引入协会科普的三方博弈中,“协会科普-生产商履责-消费者购买”是唯一强稳定理想均衡,可形成正向价值循环.成本、收益类参数对系统演化呈链式传导特征,主体初始策略参与意愿调节参数阈值生效范围.科普效应是破解治理困境的核心枢纽,可通过降低信息不对称提升消费者信任,推动形成“科普增信-履责提质-需求扩容”的多方协同正向循环.

人类群体在空间中的频繁移动行为模式,深刻反映了社会活动的时空分布规律,这类模式的研究对社会治理具有重要实践价值.本文以手机信令数据为基础,采用关联规则与高阶规则两种挖掘算法分析个体移动轨迹,发现两种方法的挖掘结果呈现显著差异特征:关联规则识别的频繁模式在语义层面表现为链状结构,而高阶规则挖掘结果中26.8%的依赖模式具有环形特征.通过对比两种算法的个体移动模式挖掘结果,研究从出行模式视角揭示了城市活动的结构特征:关联规则结合地理语义信息,能够为丰富区域功能定位提供科学建议;高阶规则挖掘不仅能预测用户移动轨迹,还能挖掘出移动行为的长程依赖关系,有助于进一步提升轨迹预测的精准性,为城市建设、道路交通规划与优化提供实证支撑.

由电商平台和制造商组成的低碳供应链，考虑物流模式和区块链技术，构建了物流外包且采用区块链技术，物流自营且未采用区块链技术的两类低碳供应链模型，研究了电商平台和制造商的物流策略及区块链技术采用与否的决策问题，运用Stackelberg博弈方法求解，比较分析了两类模型平台佣金、市场需求量、碳减排率、企业利润和系统利润的大小关系. 结果表明：物流外包且采用区块链技术时电商平台佣金始终大于物流自营且未采用区块链技术；当消费者绿色信任度较小时，两种情形下的市场需求量和碳减排率的大小关系仅与绿色信任度有关，当消费者绿色信任度较大时，市场需求量和碳减排率的大小关系不仅与消费者的绿色信任度相关，还与佣金比密切相关. 将消费者绿色信任度和佣金比划分为四类区域，发现企业和系统利润大小关系与划分区域有关，在两个区域内电商平台和制造商的物流决策偏好始终一致，在其他两个区域内电商平台和制造商的物流决策偏好不一致，存在三个区域主导企业决策与供应链系统最优决策一致，一个区域主导企业决策与系统最优决策不一致. 因此，提出依据消费者绿色信任度和佣金比大小，从供应链系统的角度进行协同决策的建议，这与国家提出的协同绿色发展理念相契合.

在地方政府隐性债务风险持续积聚,区域信用联动日益强化的背景下,系统揭示中国城投债市场的风险传导机制,对于防范系统性金融风险具有重要现实意义.本文基于2015-2024年各省城投债信用利差数据构建风险传染网络,系统识别省际风险传导的方向与路径,并基于TVP-VAR-SV模型分析宏观变量对风险传染方向和强度的时变影响.研究表明:多重网络框架较传统单一网络方法更能有效识别隐性传导路径与风险中枢;风险扩散呈现明显的区域异质性与财政分层特征;宏观经济波动对风险传染强度具有较强的时变影响.本研究在方法上突破了单一网络分析的局限,为城投债风险提供了新的识别工具,并为风险识别机制与差异化区域风险监管提供了科学依据.

随着数字技术的迅速发展,数字经济与数字国防的深度融合成为国家战略能力提升的关键路径.基于系统科学和协同理论,构建包含基础共用机理,体制兼容机理,双向转化机理,协同创新机理和整体联动机理的多层次理论分析框架,并运用层次分析法量化评估各机理的权重及相互作用关系.结果表明,整体联动机理在数字经济与数字国防协同发展准则层中的权重最高,而协同创新机理和双向转化机理的权重比较接近,且科技开放合作创新在指标层中的权重最高.基于此,构建了数字经济与数字国防协同发展的双螺旋结构模型,并以军民科技协同创新体系为例,证实了该双螺旋结构模型的可靠性,分别明确了双螺旋结构中双链和碱基之间的相互作用关系.研究结果为数字化转型背景下优化资源配置和提升国家战略能力提供了理论依据.

针对弱连通有向图的分布式优化问题,本文研究了一种分布式优化方法.首先,通过分块拉普拉斯矩阵将原图分解为多个强连通子图,对每个强连通子图运用基于Hessian矩阵的分布式优化算法和李雅普诺夫稳定性理论证明了子图内部的收敛性.其次,引入指数衰减偏差项,以调整权重不均衡的弱连通图跨子图连接部分的Lyapunov函数,分析跨子图的收敛性,进而证明整个弱连通图的收敛性,最终实现全局优化目标.最后,通过引入基于周期采样的事件触发机制,降低了通信频率.此外,还给出收敛性的理论边界,并通过仿真验证了所提方法的有效性.

指数跟踪是金融经济学中的一项重要话题，旨在通过构建投资组合来复制特定市场指数（例如沪深300指数），从而获得与目标指数相近的收益。然而，由于金融数据常包含噪声与异常值，传统基于最小二乘损失的跟踪模型往往缺乏稳健性，导致跟踪误差偏高。为此，本文提出一种新型的稀疏回归模型（RoBoS-SR），由所提出的RoBoS损失函数与LASSO罚项相结合。RoBoS损失函数兼具非凸性与光滑性，能够有效抑制噪声与异常值的干扰，提升预测精度。我们推导了新模型估计量的有限样本崩溃点和影响函数，从统计角度给出了稳健性的理论保证。基于近端梯度下降思想，本文进一步设计了高效的数值求解算法。通过大量数值模拟与实证分析，对所提模型的性能进行了系统评估。实验结果显示，相较于现有模型，基于RoBoS损失的稀疏回归方法具有更强的稳健性、更高的预测精度，并在沪深300指数跟踪任务中实现了更低的跟踪误差。

利用生态系统增汇是联动节能减排共同助力碳中和目标达成的关键手段,其中碳汇开发者的交互合作是推动陆、海生态系统耦合协调进而增加碳汇产值的依托,也是这些参与者增加收益的基础,但目前陆海碳汇的研究多有割裂.对此,文章考虑随机过程的干扰,基于微分博弈理论,构建了4种决策模式下包含陆地碳汇开发者与海洋碳汇开发者的数理模型,并进行数值模拟与仿真分析.该研究的结果表明:(1)陆地与海洋碳汇开发者间更紧密的合作增加了碳汇产值的期望与方差,实际碳汇产值与收益围绕其期望上下波动.(2)由两类异质碳汇开发者中努力效果相对不佳的一方主导并分摊另一方的成本更有利于双方的联合增汇创收.(3)随机干扰下的合作碳汇产值可能有悖于其期望低于非合作,开发者应分阶段发挥陆海各自的优势,灵活开展合作并设法降低随机影响.

为提升警力资源受限条件下的巡逻覆盖效率,研究警用车辆-无人机协同巡逻路径与调度优化.构建车辆流与无人机流同步时空网络,引入弧收益量化犯罪覆盖效益,建立以最大化累计覆盖率为目标的0-1网络流型混合整数规划,考虑车辆最小巡逻时长、无人机电量与充电约束、巡逻点覆盖限制及重复巡逻收益递减.提出基于路径编码的和声搜索算法及可行性修复机制.基于实际案例多规模算例验证:小规模近似最优;中大规模在限时内较CPLEX获得更高质量解,具备稳定性与可扩展性.

针对现有云模型信息集结算子未能够考虑数据分布疏密程度的情况,定义云密度加权算术平均(cloud density weighted arithmetic averaging,CDWAA)算子和云密度加权几何平均(cloud density weighted geometric averaging,CDWGA)算子.新算子利用云模型的三个数字特征来刻画语言信息的模糊性和随机性,同时利用密度加权平均算子的密度权重来体现数据分布的疏密程度.此外,新算子具有置换不变性、幂等性、介值性和单调性等性质,在此基础上提出一种多属性决策方法.选取某粮食供应商选择问题进行算例分析,研究表明,该方法不仅能够充分考虑语言信息的模糊性和随机性,还能够较好体现数据分布的疏密程度.

随着中国生产成本的不断攀升,部分电动汽车制造商开始在成本更低的东南亚地区开发电池供应商,这涉及成本不确定性和信息不对称.基于此,结合电动汽车行业电池的回收特点,考虑一个开发电池供应商博弈,并研究关键参数对电动汽车制造商开发电池供应商决策的影响.研究表明:(1)电动汽车制造商是否开发电池供应商主要取决于市场规模、电池回收率差异以及电池回收效益.(2)降低东南亚地区成本不确定性或提高其信号精度不一定能够吸引电动汽车制造商开发电池供应商.(3)中国生产成本的增加可能导致仅一家电动汽车制造商在东南亚开发电池供应商.

救灾物资是保障灾民基本生存需求, 支撑灾后重建的核心基础, 其筹集与运输效率直接影响灾害应对成效.本文以灾后物资响应为背景, 构建了包含政府, 企业, 灾民的三方微分博弈模型, 分析了延迟效应对政企协作模式的影响.通过设计无补贴分散式, 有补贴分散式与集中式三种决策模式, 分别求解了三方最优努力水平与系统均衡状态.结果表明:1)物资筹集阶段的延迟需要政企付出更多努力, 而努力的延迟转化容易造成物资的过度积累和浪费;2)补贴和集中式决策都有利于改善救援效果.政府补贴可以激励企业增加投入, 但需要动态调整补贴比例平衡成本与效益:集中式决策具备“高努力-高效益”的特点并实现了投入与分配的分离, 但对政企物资筹集速度要求更高;3)在任何模式下, 供需不匹配和灾民不信任都会降低三方的努力水平, 在集中式决策下更加明显.研究成果可为动态补贴政策制定, 企业运力优化及灾民自救互助提供依据, 助力韧性救灾供应链体系构建.

突发公共卫生事件对中国经济、社会稳定和人民生命安全产生了严重影响,对应急供应链系统形成了巨大考验.基于社会认知理论,引入舆情演化机制,运用WSR-DEMATEL法识别应急医疗物资供应链关键能力要素；进一步分析疫情防控与物资供给的动态关联,构建应急医疗物资供应链动力学模型；最后,结合武汉疫情背景,对政府处理危机力度、动员征集时间、应急政策时间、医疗物资超常生产调节时间及官方新闻透明度等参数进行敏感性分析,找寻提升供应链能力的关键优化路径.结果表明：在疫情防控前期,应急供给主要依靠社会医疗物资动员征集,需要将政府处理危机力度控制在合理范围,避免舆情激增或关注度不足所造成的物资征集量短缺；提升官方新闻透明度可稳定公众关注度、优化社会医疗物资征集效率.从长期看,增强政府处理危机力度、缩短应急政策时间和医疗物资超常生产调节时间,都将有助于提升需求满足率；发挥系统联动机制,提升统筹协调能力,是保障医疗物资供应与优化疫情控制的关键之匙.

突发事件的频发对人类生命健康构成了严重威胁，此类事件往往在短期内会引发社会对药品需求的膨胀，导致供给严重短缺与价格剧烈波动。尽管各级政府通过应急投放、价格管制的举措加强干预，但在突发事件冲击下，药品供应的可及性与市场价格的稳定性仍面临严峻挑战。为此，本研究旨在通过构建突发事件不发生和突发事件发生的市场博弈模型，分析需求膨胀下政府的药品应急投放策略，深入探究药品应急投放和政府限价政策在稳定市场、保障供给方面的作用，及其对药品价格和企业利润的影响。研究发现：不管限价是否有约束，应急保供商均不会高价投放药品，但限价约束会让药品供应商从“提价逐利”转变为“增量保利”；政府限价措施对突发事件下的药品价格起到管制作用，且药品应急投放有助于实现市场“稳价增量”；政府选择市场规模较大的应急保供商进行药品投放，有利于抑制药品供应商价格上涨；药品应急投放能够改善消费者剩余和社会福利，但政府限价过低会削弱社会福利的改善效果。最后，从实现市场“稳价保供”角度，提出了强化政企协同、应急投放与合理限价相结合的药品应急供应策略建议，这对于优化政府应急资源配置、提升突发事件应对效能具有关键作用，并对完善应急管理体系具有重要的实践价值。

区块链在天然气领域的应用日益深入.本文以单个上、下游企业和政府为研究对象,研究在政府对燃气安全监管背景下,上下游企业共同投资区块链技术,以及下游企业的燃气安全管理的最优策略.通过构建上游企业分担下游企业各项成本的微分博弈模型,分析比较了四种情形下的均衡策略,并借助数值算例对企业最优利润进行了对比分析.研究表明:(1)区块链技术发展轨迹呈单调性,而燃气安全发展轨迹则可能因其与区块链初始水平可能呈非单调性变化:(2)企业边际收益、区块链技术与燃气安全对需求的边际贡献、区块链投资效率和燃气安全管理效率的提高,均对区块链技术水平、燃气安全水平及企业盈利有正向作用:(3)区块链成本分担模式,既能实现区块链与燃气安全水平的双重优化,又能为上下游企业及政府利润带来帕累托改善.双重成本分担模式能否实现最优帕累托改善效果，取决于外部环境.(4)当上游企业分担安全管理成本时,政府干预力度将减弱.

随着新能源汽车产业的快速发展, 消费者采纳行为已成为影响纯电动汽车市场扩散的重要因素.本文从微观消费者偏好与宏观政策环境出发, 系统分析了销售量、保有量、全生命周期成本及整车综合性能等关键变量.基于行业数据的收集与统计, 构建预测模型对未来市场发展进行科学预测, 并通过与传统燃油车的对比分析, 识别出制约采纳意愿的主要比例因子.进一步引入模糊逻辑控制模型, 设定相应的控制规则与隶属度函数, 对纯电动汽车的消费者采纳意愿进行动态模拟.仿真结果显示, 随着纯电动汽车销量与保有量的持续增长, 全生命周期成本显著下降趋势, 整车综合性能不断提升, 消费者采纳意愿亦稳步上升, 预计从2011年的0.11增长至2031年的0.85.结合既有研究成果以及行业发展趋势对仿真结果进行验证后, 本文提出相应政策建议, 以期为促进纯电动汽车市场的健康发展与综合性能提升提供理论支持与实践参考.

本文提出一类误差自相关的空间变系数自回归模型.该模型在空间变系数框架下, 同时引入响应变量的空间相关性与误差项的空间相关性, 共同刻画了空间数据的异质性与依赖性, 从而更全面地反映空间数据的复杂特征.为克服模型的内生性问题, 融合局部线性估计、广义矩估计(GMM)和截面最小二乘估计方法, 提出一种有效的三阶段估计方法并推导了估计量的渐近性质.蒙特卡洛模拟结果表明, 在有限样本下所研究模型的估计方法具有良好的有效性.基于波士顿房价数据的实证分析进一步表明, 该模型显著提升了对空间经济现象的解释力.

在实际应用中, 高维数据常伴随抽样噪声, 异常值与类别不平衡问题, 这给支持向量分类模型等机器学习算法带来了严峻挑战.模糊支持向量机(FSVM)虽在异常值抑制与类别不平衡处理方面展现出一定潜力, 但仍存在较大改进空间:1) FSVM无法有效降低抽样噪声引发的偏差;2) FSVM对冗余特征高度敏感.为解决上述问题, 本文提出一种基于亲和度与变换类概率的模糊稀疏几何孪生支持向量机(ATFSGTSVM).该模型通过最小二乘单类支持向量机度量样本的类内亲和度, 并调整不平衡数据的权重分配, 以降低异常值, 噪声及类别不平衡对分类性能的干扰, 同时引入$l_0$范数惩罚项, 实现特征选择和冗余特征剔除.由于$l_0$范数惩罚具有非凸性, 非光滑性与非连续性, 其对应的优化问题难以直接求解.受近期提出的可变排序活动集算法启发, 本文提出了ATF-VSAS算法以高效求解该问题.实验结果表明, 相较于最新模型, ATFSGTSVM在含噪声与异常值的高维不平衡数据场景中表现最优.