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, 本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, 本文所提的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.

结合群体的舆论环境和个体特征研究群体观点演化规律, 有助于研判舆情传播态势, 为治理舆论生态环境提供理论参考. 本文辨析群体环境与个体特质因素在社会个体观点形成中影响, 基于HK模型构建了考虑环境噪声和个体观点容忍度的异质观点演化模型. 通过仿真研究分析观点演化规律, 并在现实网络中应用验证了模型对观点演化的解释性. 结果表明, 个体在高环境噪声影响下易与群体观点达成共识, 低观点容忍度阈值则会加大达成共识的难度并导致观点演化出现波动性特征, 揭示了环境和个体特质因素在观点演化中的重要作用, 为舆情分析和舆论治理提供了新的研究视角.

金融市场价格受多种因素影响,呈现出非线性、非平稳、高维度等复杂特性,导致趋势预测十分困难.为了进一步提高趋势预测精度,本文提出一种基于时序图像编码与遗传优化卷积神经网络模型,简称CMIE-GA-CNN (Combining Multi Image Encoding-Genetic Algorithm-CNN).首先从特征工程视角针对金融时序高维特性难表征问题,将一维时间序列编码为格拉姆图、递归图、马尔可夫图、折线图等二维图像提取其高维隐形特征.其次,组合上述图像以克服单类图像编码的信息丢失问题.最后,引入遗传算法优化卷积神经网络参数提升预测模型性能,组合图作为输入得到预测结果.为证实提出模型有效性,对道琼斯工业平均指数、标准普尔500指数、美元指数3组金融时间序列进行趋势预测与拐点预测,与常用预测方法、单类图像编码输入和无参数优化的深度学习预测方法相比，本文模型提高了趋势预测精度且更稳健.

在电子商务和零售行业快速发展的背景下，市场竞争不断加剧，精准的销售预测和动态定价已成为零售商在复杂市场环境中提升运营效率、优化资源配置和增强市场竞争力的重要手段。同时，零售行业的数字化转型和智能化升级也推动企业从传统经验管理逐步过渡到基于数据驱动的科学决策。尤其是对于具有保质期限制的商品，快速响应市场变化并调整价格对于库存管理、减少浪费及提升销售效率至关重要。基于此，本文提出了一种零售预测优化与商品分类动态定价系统，该系统由高精度预测子系统和智能定价子系统组成，旨在实现商品动态定价与精准销售预测的双重优化。高精度预测子系统通过构建融合双向长短期记忆网络（Bi-LSTM）和双向门控循环单元（Bi-GRU）的混合模型，结合变分模态分解（VMD）技术，有效捕捉不同频率序列的统计规律与趋势波动，实现对商品销量和进价的高精度多步预测；智能定价子系统则采用IGWO-JAYA的动态优化算法，制定不同品类的动态定价策略，从而实现收益最大化和实时市场响应。结果表明，本系统提高了商品销量和进价的预测精度，并能够为不同品类商品提供最优定价策略，显著提高了零售商对市场变化的适应能力和盈利潜力，为零售行业的智能化发展与效益提升提供支持。

广义对数Moyal(GLM)分布作为一类新的重尾分布,其与Moyal分布、半正态分布以及$\chi^2$分布有着密切的联系.在本文中,我们使用客观Bayes方法对其参数进行统计推断.首先,推导了各类先验形式,包括概率匹配先验、Jeffreys先验、reference先验以及最大数据信息(MDI)先验,证明了reference先验是概率匹配先验.其次,证明了基于Jeffreys 先验、reference先验以及MDI先验下的后验正常性,结果表明这三类先验下的后验分布均是正常的.模拟研究表明,所提Bayes方法相对于最大似然估计法具有一定的优越性.最后,将所提Bayes方法应用于实际数据的分析中.

针对已有成分数据聚类方法不能处理零成分的问题，基于平方根变换和混合肯特分布，提出了含零值成分数据的聚类方法. 考虑估计参数时EM算法对聚类个数和初始值的依赖，通过在目标函数中加入信息熵的惩罚项，研究了初始值确定的稳健成分数据聚类算法. 数值模拟实验说明，该算法可较准确地自适应决定聚类个数；除此之外，与基于α-变换的聚类方法相比，新提出方法在识别成分数据的分布模式中有更好的表现. 一组家庭消费结构调查数据分析说明了新方法的应用价值.

提高能源环境效率是实现交通运输系统节能减排的有效手段之一. 在对我国交通运输系统能源环境效率进行测度时，需考虑到我国交通运输系统是由货运子系统和客运子系统共同组成的平行系统结构特征. 同时, 在效率评价过程中, 总系统间存在明显的博弈关系, 而现有的研究对此考虑不足. 因此, 本文将非合作博弈与数据包络分析(DEA)相结合提出一种考虑平行结构特征的非合作博弈DEA方法以对交通运输系统的能源环境效率进行测度. 首先, 本文设计了总系统最优效率求解算法,并证明了该算法的收敛性、最优解的唯一性. 其次, 从领导者-跟随者视角设计了子系统效率分解模型, 并证明了该模型解的存在性. 最后, 本文的方法被应用于2022年我国30个省及直辖市交通运输系统的效率测度中. 研究结果表明: 1) 我国交通运输系统的能源环境效率总体偏低, 各地区的最优总系统效率均未达到有效; 2) 我国客运系统的能源环境效率整体上高于货运系统的能源环境效率; 3) 我国各区域交通运输系统的总系统效率和客运子系统效率呈现“中>东>西”的格局, 货运子系统效率呈现“东>西>中”的格局.

去中心化学习因其在计算效率、数据隐私保护和系统稳定性方面的优势,在大数据分布式计算中日益受到关注. 本文在去中心化分布式学习框架下,提出了一种基于非对称最小二乘损失和$\ell_1$ 惩罚的期望回归稀疏估计方法, 给出了一个具有线性收敛速率的ADMM-LAMM算法.此外,本文还证明了所提出的估计量实现了近似Oracle 的收敛速率, 并给出了关于稀疏支撑集恢复的理论结果. 最后通过数值模拟和真实数据分析展示了所提方法在处理重尾、异质性高维数据中的稳定性和有效性.

随着人工智能的发展,人机融合智能决策在应急管理中的应用日益广泛,特别是在应对洪灾等复杂环境时.然而,亚文化认知的差异会对人机融合智能的决策过程产生重要影响.本研究通过探索亚文化认知差异在人机融合智能决策过程中的作用机制,聚焦于洪灾救援背景.人机融合智能体系中,人类智能(HI)和人工智能(AI)的结合,增强了系统在复杂不确定环境中的决策能力.然而,由于亚文化背景对决策优先级、风险评估及解决方案选择的影响,跨文化应急救援行动的效率和效能可能会受到冲击.本研究通过建立仿真模型,量化分析亚文化差异对人机融合智能决策的影响,并提出优化人机融合系统的方法,为未来跨文化应急管理研究提供理论基础和实践方法.

共享出行服务的快速发展为城市出行提供了新的解决方案. 网约车平台通过智能手机应用程序提供便捷的叫车服务, 能够更好地将用户需求与即时运力相匹配. 在拼车出行服务中, 乘客可以合乘同一辆车, 将各自的目的地作为途径点, 以提高车辆的利用率. 本研究提出了一种基于自注意力强化学习网络的网约车订单合乘及派单优化模型. 首先, 构建了网约车合乘出行拓扑网络, 考虑乘客的上下车时间、地点等因素, 设计了按需合乘动态匹配算法, 识别网约车潜在合乘订单. 然后, 构建了基于自注意力强化学习网络优化网约车派单, 采用策略梯度算法进行学习和训练, 在派单过程中引入掩码方法保证派单决策的有效性, 依托其“离线训练+在线决策”的优势, 实现大规模网约车派单问题的高效求解. 最后, 基于北京市网约车订单数据进行了实际案例研究, 结果表明, 基于自注意力强化学习网络的派单算法在保证路径接近最优的同时, 求解时间满足即时派单需求. 网约车订单合乘和派单优化可以有效减少车辆的行驶距离和车队规模, 尽管订单合乘略微增加了乘客的等待时间, 但是在提高网约车的运营效率、缓解交通拥堵、减少环境污染等方面具有明显的促进作用.

针对如何提高多维群体评价信息集结的准确性和可靠性问题, 本文提出一种新的基于改进幂几何Bonferroni平均算子的多维群体评价方法. 首先, 考虑专家评价的差异性, 从评价信息的指标和专家两个层面, 利用余弦相似度和改进相似度衡量评价信息的可信度; 其次, 构建融合了Hamming相似性和Jaccard相似性优点的HJ-CD模型以量化专家评价信息的贴近度, 借助可信度幂几何Bonferroni mean ($P_2$GBM) 算子与GBM算子集结评价信息及可信度; 然后, 运用正向校正方法修正评价信息并逐层向上集结, 依据区间加权中间值的思想实现评价信息实数化, 以此得到最终的评价结果; 最后, 将该方法运用在煤层气压缩机系统完整性评价中, 并通过对比分析说明方法的可行性与合理性.

本文基于领导者-跟随者框架, 运用博弈论知识研究了符号网络下的多领导者的二分包围控制问题. 首先, 通过定义跟随者智能体的最终状态与领导者智能体的最终状态之间的平均距离作为两个玩家的收益, 将两组领导者智能体的竞争描述为一个双人零和博弈, 博弈中每个玩家最多选择通过$q$ 条边与跟随者进行连接, 双方都想通过增加与跟随者智能体连接的边来尽可能减小自己的收益. 其次, 分析了该博弈的相关性质, 并且进一步证明: 博弈的最佳策略中两组领导者到跟随者的边的数目总是相等的且为$q$. 特别地, 当每个玩家只能选择1个跟随者智能体进行连接时, 分析了跟随者智能体之间的交互拓扑图是循环图以及结构平衡时的博弈情况, 得出结论: 当两组领导者与跟随者的连接边符号相同时, 循环图对应的系统交互图总是均衡拓扑图. 当跟随者的交互图处于结构平衡时, 两个玩家的收益情况和跟随者被划分的两个胞腔内的智能体数目以及连接边正负有关. 最后, 通过数值仿真例子验证了所得理论结果的有效性.

本文考虑雨痕固有的方向性和背景图像的结构性特征, 设计了包含垂直和水平两个方向的多重稀疏先验的单幅图像去雨模型. 首先, 分别对雨痕的像素域和空间域施加稀疏先验. 其次, 对无雨图像的变换域和梯度域进行约束, 在极大程度上保留了图像背景的纹理信息, 同时避免了图像高频细节的丢失和扭曲. 结合上述先验条件, 构建最终的凸极小化模型, 并用ADMM方法进行有效求解. 另外, 雨痕与垂直方向往往存在一定夹角, 本文采用自动识别夹角角度并旋转图像的策略进行处理. 实验结果表明, 该算法的去雨效果显著优于其他对比算法, 在客观评价指标和视觉效果方面均表现出色.

在具有图结构的合作博弈中, 成员势函数法和组内组间分解性是研究Myerson 值的两种重要方法. 概率Myerson值是Myerson值在具有广义概率图结构合作博弈模型上的一类推广, 本文将成员势函数法和组内组间分解性推广到具有广义概率图结构合作博弈, 定义了概率成员势函数及概率组内组间分解性, 探讨它们与概率Myerson值的关系, 并给出概率Myerson值的新刻画及其两类新计算方法. 本研究发现概率成员势函数法能从边际贡献角度给出概率Myerson值更为符合经济学逻辑的直观定义, 而概率组内组间分解性则能更好的揭示概率Myerson值与概率图结构间的内在关系, 具有较好的理论价值. 最后, 通过企业合作联盟效用分摊算例验证了本文结论的合理性.

添加次序试验是指试验结果受成分先后加入顺序影响的科学试验. 本文考虑具有条件效应的添加次序试验, 即某特定成分$k$需在某特定成分$l$之前添加的情形. 首先基于具有条件效应的添加次序模型, 利用等价性定理证明了对于具有条件效应的全设计的最优性.研究发现在排序配对模型下的具有条件效应的设计矩阵结构和强度为3的添加次序正交表的结构具有类似的关系,因此基于强度为3的添加次序正交表可以构造出具有条件效应的最优部分设计. 最后利用单机调度问题验证了设计和模型的有效性.

可变前沿面假设下的逆数据包络分析（逆DEA）方法能够在考虑技术变化对前沿面影响的前提下，有效地分析决策单元（DMU）在未来生产期的资源配置与产出优化问题。但是，现有方法仅讨论了前沿面变化的单一情形，忽略了技术变化的复杂性将导致生产前沿面变化多样性的问题。为解决该问题，文章首先通过深入分析揭示了现有方法存在问题的原因。然后，提出技术变化视角下的可变前沿面逆DEA方法，并讨论了所提方法反映的未来生产期前沿面变化的不同情形及相关性质。最后, 通过对比分析说明该方法的优势，并将其应用于我国高技术产业发展目标规划的应用研究。结果表明，文章方法能够有效地反映前沿面变化的多样性和前沿面的潜在变化趋势，并能够为决策者制定相关发展规划提供参考借鉴。

旨在针对中国特色的采供血场景,研究适用于中国国情的血液日采集量高性能预测模型.首先,对工作日、节假日、星期、月份、季节、寒暑假及前1天采血量这七个因素进行特征分析,通过统计分析证明这些因素均显著影响血液采集量.然后,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆神经网络(Long Short-Term Memory,LSTM)的CNN-LSTM组合模型,通过CNN提取数据周期性与局部特征,并利用LSTM捕捉数据的长期时序依赖关系,增强特征表达能力.试验结果证明,与CNN、LSTM、广义回归神经网络(Generalized Regression Neural Network,GRNN)、反向传播神经网络(Back Propagation Neural Network,BPNN)、极限学习机(Extreme Learning Machine,ELM)、季节性自回归积分移动平均模型（Seasonal Autoregressive Integrated Moving Average，SARIMA）和线性回归(Linear Regression,LR)等方法相比,CNN-LSTM模型对多类因素的时序特征提取最充分,预测精度最优,其归一化平均绝对误差(Normalized Mean Absolute Error,NMAE)和归一化均方根误差(Normalized Root Mean Square Error,NRMSE)指标最多分别降低25.80%和26.54%,决定系数(R²)指标最高提升320.85%.预测结果可为采供血机构调整采供血计划与库存运作策略提供更为精准的决策参考.

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.本文基于2013-2022年中国30个省份的面板数据,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,本文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.

在线旅游评论承载着旅游者的真实出行体验,对潜在旅游者的决策具有重要的参考价值.然而,由于评论数量庞大,潜在旅游者难以逐一浏览并全面获取有效信息.此外,现有旅游行程推荐的研究对在线评论中的情感信息挖掘仍显不足,难以精准反映用户需求.考虑到旅游行程的选取通常涉及多方面的制约因素,本文提出了一种基于图片模糊集的MACONT多属性决策方法,以为潜在旅游者推荐合适的旅游行程.首先,利用八爪鱼爬虫工具从携程旅游网站挖掘旅游行程评论数据,并通过jieba分词对文本进行预处理.接着,通过LDA主题模型确定旅游行程的决策属性及权重.其次,采用SnowNLP情感分析技术提取评论的情感倾向,并将其量化为图片模糊数.随后,结合MACONT多属性决策方法,构建图片模糊MACONT决策模型,实现旅游行程的综合排序.最后,通过算例分析验证所提方法的合理性,并通过敏感性分析与对比分析进一步证明其有效性.

发行绿色债券不仅是推动企业新质生产力提升的关键动力,而且是深化环保责任实践、完善环境治理体系的重要手段.本文基于2010-2022年A股上市企业数据,运用双重差分模型分析绿色债券发行对企业新质生产力的影响.研究发现:(1)企业发行绿色债券能够显著提升新质生产力水平;(2)机制分析表明发行绿色债券通过提高企业绿色创新能力以及降低融资成本促进了新质生产力的提升;(3)异质性分析发现绿色债券的发行对非国有企业、中小微企业、高污染型企业新质生产力的促进作用更显著;(4)进一步分析发现公众环境关注度和地区环境规制在企业新质生产力的提升过程中起到显著的逆向调节作用.本文研究结果为提升企业新质生产力水平,实现企业绿色发展转型,推动企业高质量发展提供了有力的经验证据.

本文在平衡排序集抽样(RSS)设计下研究了N(μ,σ²)分布中μ已知时,总体方差σ²的优良估计及其性质.理论结果表明,总体方差的平衡RSS估计比简单随机抽样(SRS)估计有效.为进一步提高统计推断的效率,本文提出了适用于该模型的Fisher信息量最大化RSS设计和拟充分完全统计量RSS设计,并在这两种设计下研究了该模型中总体方差的优良估计及其性质.研究结果表明,总体方差的Fisher信息量最大化RSS估计和拟充分完全统计量RSS估计都比平衡RSS估计有效.总体方差的拟充分完全统计量RSS估计比Fisher信息量最大化RSS估计有效.另外,本文在平衡RSS下研究了N(μ,σ²)分布中μ未知时,总体方差σ²的优良估计及其性质.研究结果表明,μ未知时总体方差σ²的平衡RSS估计比SRS估计有效.实际数据分析进一步验证了这个研究结果.

本文旨在研究一类带有不确定数据的极大极小分式半无限优化问题的鲁棒最优性条件和对偶性理论.首先,借助鲁棒优化方法,Dinkelbach方法和鲁棒型约束规格条件,建立该不确定优化问题的鲁棒最优性条件.随后,引入它的混合型鲁棒对偶问题,并刻画它们之间的鲁棒对偶性质.作为特例,研究平方和凸多项式结构的极大极小分式半无限优化问题的最优性条件与平方和松弛性性质.

外卖配送问题具有订单请求动态性、多目标以及取送一体化等特性,需要动态跟进骑手状态以更新配取路径.本文针对外卖配送路径规划中的多目标动态优化问题,考虑骑手体力和路网熟悉度对配送效率的影响,以最大化平台、骑手、顾客的三方利益为目标,设计并构建新的外卖配送路径优化模型.为解决动态时间片段下多目标的权重设定难题,本文提出一种基于动态权重调整策略的多目标启发式算法.同时,外卖配送的算例证明算法的可行性.结果表明:本文算法能够在动态环境下有效平衡三方利益,输出各方均满意的配送方案,且效果优于Gurobi求解器,验证算法的有效性.针对不同类型骑手的派单策略进行分析,所获得的管理启示可为外卖平台的运营提供决策借鉴.

循环码是线性码的重要子类,由于具有高效的编码和译码算法,使得它们在通信系统、消费电子以及数据存储系统中都有广泛的应用.本文的主要目的是研究参数为[3^m-1,3^m-1-2m,4],的最优三元循环码的构造.通过分析有限域$\mathbb{F}_{3^m}$上特定方程解的存在情况,我们得到了两类不同的最优三元循环码.此外,证明了本文构造的循环码与所有已知结果是不同的,即我们的研究结果是新的、未被其他学者研究过的.

“双碳”目标下先进制造企业以绿色创新为发展核心,积极提升其竞争力,然而先进制造业的绿色创新是一个由政府、社会公众与先进制造企业(简称：企业)共同组成的绿色创新系统,应该通过系统内部的有效协同发展,提高行业整体的绿色创新效率.由此,建立由企业、政府和公众共同组成的三方演化博弈模型,分析政府的外部激励(包括：孵化平台、研发补贴和税收优惠)与公众的绿色偏好等因素对企业绿色创新策略的影响.研究发现:三种政府外部激励促进企业绿色创新的效果不尽相同,其中在绿色创新初期研发补贴更能促进企业绿色创新;当公众绿色偏好提高到一定程度,政府可以不再给予企业任何外部激励,便可实现企业自发的绿色创新;在无政府外部激励的前提下,若想实现企业自发绿色创新,那么企业的绿色创新并不是越高越好,而是存在一个最优的绿色创新程度,此时企业能够以最低的公众绿色偏好要求来实现自发的绿色创新.

比例标签学习（LLP）是一个弱标签学习问题，其中实例级标签信息以袋子的形式抽象，即只有每个袋子的标签比例可用。因此，LLP可以被归类为“学习袋社区”，即由实例组成的“学习袋”是相互关联的。与典型的分类法类似，我们的目标不仅是学习一个分类器来极大地恢复训练数据中的实例级标签，而且还要将这种标签预测泛化到未见过的数据中。然而，由于统计估计的模糊性或近似性以及标签噪声的存在，这种学习框架更现实的情况是容易设想一种区间比例信息，而不是LLP中的实值比例。因此，对于这些通用场景，标准的LLP方法无法提供令人满意的标签预测器。在本文中，我们提出了一种名为区间标签比例（Bounded Label Proportions，BLP）的新学习框架来解决这个令人困扰的问题。此外，我们还提出了一种基于随机森林（RF）的BLP鲁棒算法： BLP-Forest算法，它能够较好地处理多类高维问题。为了便于比较，我们将实验分为两部分。首先，我们将BLP-Forest退化为标准LLP问题，以验证这两个相似学习问题之间的演变。结果表明，即使在配备实值比例信息的情况下，BLP-Forest也具有天然优势，这主要得益于RF算法的应用。在第二部分中，我们选择了具有多类和更高维度的大型数据集。同时，我们还特意为每个数据包中的比例信息添加了适当的噪声。所有实验都表明，BLP-Forest在大多数情况下都能获得最佳精度。最后，我们得出结论，在处理多类和高维度问题时，我们的方法性能最佳。

准确分析和预测区域间道路交通碳排放的复杂变化趋势,对于制定和优化碳减排目标、推进道路交通行业减污降碳协同增效至关重要.针对道路交通碳排放具有的时段性高峰、季节性变化等多元时变特征,以及由不同区域交通互联所带来的紧密耦合空间特征,本文考虑了气候区域性与经济地理分布的差异,构建了一种多时空融合的区域间道路交通碳排放预测模型MTGCN.首先,通过时间特征提取器来捕捉碳排放短期波动和长期趋势的时间依赖关系.在此基础上,融合静态和动态自适应图结构信息,并利用空间特征提取器挖掘区域间道路交通碳排放潜在的空间依赖关系.最后,基于长三角地区的日碳排放数据验证了所提出模型的有效性.

模型平均是当下统计学界和计量经济学界的一个热点问题,诸多模型平均方法相继被提出,相应的权重所具备的统计性质也分别得到了验证.多因变量模型是一类重要的统计模型,在各个领域中都有着广泛地应用.本文基于多因变量线性统计模型分别在MMMA和MJMA的意义下获得了模型平均估计中关于权重的收敛速度,并且验证的结果也涵盖了单因变量情形下模型平均估计权重的收敛速度.此外,我们通过相应的数值模拟来验证权重的收敛速度.

考虑由一个专有品牌制造商(PCM)、一个原始设备制造商(OEM)和策略性消费者组成的两期动态系统,其中PCM能够生产终端产品,决定是否以及何时向OEM提供组件,并确定何时进入终端市场.针对专有组件的批发价格由PCM自主定价或双方谈判确定两种情形,分别构建动态博弈模型,研究产品质量差异、消费者策略性购买行为以及议价能力对PCM竞合策略选择的影响.研究表明:1)当PCM拥有专有组件的自主定价权时,PCM的策略选择主要取决于产品质量差异.当OEM生产低质量产品时,PCM选择垄断两期终端市场;当OEM生产高质量产品时,如果产品质量差异较低,PCM第二期提供组件且两期均进入终端市场;如果质量差异较高,PCM第一期提供组件且第二期进入终端市场.2)当PCM与OEM通过谈判确定批发价格时,第二期提供组件且两期都进入终端市场是PCM的劣势策略;PCM是否选择第一期提供组件且第二期进入终端市场取决于议价能力、消费者耐心程度和产品质量差异.3)与PCM自主定价情形相比,尽管谈判损害了PCM的利益,但如果OEM愿意重新设计利益分享机制,谈判能够实现双方利润的Pareto改进.

本文研究两个竞争的再保险人与一个保险人博弈下的再保险合同制定问题。保险人从事两种相依的保险业务，相依性通过索赔次数与索赔额共同刻画。针对两种保险业务，保险人分别与不同的再保险人签订再保险合同。对于这两种保险业务，我们都不限定再保险类型，再保险的具体形式通过求解保险人和再保险人所考虑的随机优化问题确定。通过相对业绩，我们量化两个再保险人之间的竞争，建立他们之间的非零和随机微分博弈，进而建立保险人与两个再保险人之间的主从随机微分博弈。在均值-方差准则下，利用随机分析和随机控制技术求得最优再保险合同，即保险人的最优索赔风险分担策略和两个再保险人的最优再保费定价策略。最后，通过数值实验探究模型参数对最优再保险合同的影响。

结合径向基神经网络和事件触发控制策略,研究了模型未知情况下的非线性多机器人系统的分布式编队控制问题.提出了一种分布式事件触发编队跟踪控制协议,并给出了状态信息触发控制器更新的条件.该控制协议仅需利用自身状态信息与邻近机器人通信,即可迅速实现编队跟踪控制目标.系统的收敛性与初始状态无关,能有效降低系统控制器的更新频率和资源消耗.利用Lyapunov稳定性理论,证明了在所提出的协议作用下,即使多机器人模型存在未知动力学部分,系统也能够实现编队跟踪,并且不存在Zeno行为.最后,通过仿真实例验证了理论结果的可行性.

本文旨在研究求解线性等式约束凸优化问题的一类具有可变质量的 Tikhonov 正则化原始对偶惯性动力系统.借助适当的假设条件和能量函数,首先得到沿该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,速度向量以及目标函数梯度范数的收敛速率.随后证明该动力系统的解轨道强收敛于该线性等式约束优化问题的最小范数解.最后,借助数值实验解释所得理论结果.

在实际应用中,桥式起重机常常会受到双摆效应的影响,这使得系统的控制变的更加复杂.现有的大多数传统控制方法往往没有考虑双摆现象.此外,对于起重机系统,已提出一些轨迹规划方法以提高工作效率,但这些方法将绳索长度视为不变的.针对这些问题,提出一种考虑升降作业的双摆桥式起重机轨迹规划方法.具体而言,为了提高运输过程的效率和安全性,将轨迹设计为三个阶段(加速,匀速和减速阶段).对于每一阶段,根据摆角约束和零剩余摆角的要求,直接构造期望摆角曲线,通过对双摆系统动力学方程的分析,进一步得到小车的加速度轨迹.然后,引入优化机制,构造了关于运输时间和最大摆角的目标函数,将轨迹规划问题转化为目标函数的优化问题.最后,通过仿真验证了所提轨迹规划方法的有效性.

文章从拓扑结构的角度研究了基于一致性协议的符号多智能体网络的能控性. 首先, 基于拉普拉斯矩阵的特征向量和领导者$-$跟随者结构, 得到了无向符号拓扑能控的代数充要条件. 依此条件, 对于通过连接两个子拓扑得到的合成拓扑, 提出了两种连接能控子拓扑来构造能控合成拓扑的方法. 此外, 基于不能控的无向符号拓扑, 首次定义了同符号双重能控性破坏节点 (Same sign double controllability destructive nodes, SSDCDN) 和逆符号双重能控性破坏节点 (Inverse sign double controllability destructive nodes, ISDCDN), 通过分析这些节点的特征得到了能控性在多领导者无向符号拓扑图上的充要条件. 最后, 在已有结论的基础上, 提出了两种特殊类型的不能控符号子拓扑与能控符号子拓扑连接形成能控合成符号拓扑的设计方法.

近年来，全球频发的突发事件不仅对社会经济造成严重影响，还导致了大量的人员伤亡。应急调配是应急管理的关键工作，当物资短缺情况可以通过物资在受灾点之间转移的方法，来提高物资的运送时效，保障灾民的物资需求。现有关于应急物资动态调配的研究较少考虑非消耗性物资在受灾点之间的转移过程，存在物资调配效率较低、灵活性和公平性不足等问题。因此，本文针对多供应点、多受灾点、多种类应急物资的场景，结合供应点向受灾点分配物资和在受灾点间转移物资两种调度方式，建立考虑受灾点间物资转移的动态调配模型。该模型考虑了供需量、需求紧迫度、运输能力及道路通行状况等时变信息，以及非消耗性物资需满足服务时长需求等因素，以效率和公平为目标制定应急物资动态调配方案，从而提升物资调配的效率，实现应急资源配置优化。通过对案例场景的求解与分析，从应急物资的调度效率、公平性、考虑受灾点间物资转移的效率等方面验证了模型的有效性和调配方案的合理性。

面对日益复杂工业系统,现有质量相关故障诊断方法未能深入揭示故障和质量间的内在联系,且缺乏对系统动态变化的综合考量,导致故障误报频繁出现.频繁的故障误报不仅会引发不必要的停产维修,还会导致生产效率大幅下降,进而增加设备维护成本并造成人力资源的浪费.针对上述问题,本文提出一种基于多层次分解的质量相关区间故障诊断方法.首先,该方法充分考虑质量数据和过程数据之间的非线性关系,以多层次分解策略构建数据模型.其次,该方法利用高阶离散统计量对系统状态进行检测,设计质量相关故障检测方案.进一步,通过分析故障样本与正常样本的分离轨迹,给出了区间动态故障诊断结果.最后,利用田纳西伊斯曼平台与风电机组系统对比验证本文方法的有效性.

极端气候事件频发对区域性金融体系构成威胁，研究其影响机制对防范系统性金融风险具有重要意义。在这一背景下，本文构造2014—2022年期间中国31省市区域性金融风险指数作为样本构建方差分解溢出指数，与此同时构建极端高温、极端低温和极端降水三个极端气候代理变量实证检验了极端气候对区域性金融风险波动溢出的影响，并对金融风险波动溢出的区域异质性作进一步分析。研究发现，极端高温显著提升区域性金融风险波动溢出水平，极端低温和极端降水对区域性金融风险波动溢出影响程度较弱；经济基础薄弱、产业结构单一的区域如内蒙古、西藏、西北等地区更易在极端气候风险冲击下产生金融风险波动溢出。此外，研究发现区域碳排放强度越高，极端高温对区域性金融风险波动溢出的影响程度越大，强化事前的碳减排机制成为缓解极端高温对区域性金融风险波动溢出的“压舱石”。因此，提升地方政府应对极端气候风险的意识、强化碳减排机制，是应对极端气候的必要举措。

利用2009年至2023年华证ESG评级数据，本文检验上市公司ESG评级对企业下一年度在股价、财务和经营三个方面的风险水平的影响。研究发现，较好的ESG评级对企业未来一年三项风险水平均有显著的抑制作用。具体地，对于股价崩盘风险，高于基准水平的ESG评级作为一种强烈的市场信号对企业股价崩盘风险水平的降低更显著；投资者关注程度高的个股，ESG降低企业股价崩盘风险作用更强；此外，在《环境保护法》实施后ESG和股价崩盘风险的负向关系更加显著。而对于财务风险，ESG对于企业财务风险的降低具有边际递减效应，ESG评级从低到中的提高能够改善企业财务风险水平，但随着ESG评级进一步的提高，该作用变得不显著；同时企业自愿披露非财务信息行为对于ESG评级降低企业财务风险具有调节作用，企业的自愿披露行为加强了ESG对于财务风险的抑制作用。对于经营风险，ESG评级降低经营风险作用同样具有边际递减效应；同时股权性质对ESG评级降低经营风险有调节作用，相比于私企，ESG评级对国有企业经营风险的抑制作用更强。本文基于企业年限长短的分样本异质性检验结果显示，对于成立年限长的企业，ESG评级对风险的抑制作用更强，而对于成立年限短的企业则较弱。

随着互联网技术的不断发展, 数据流受到了广泛的关注, 但异常值的存在可能会对数据流的统计推断产生不利影响, 所以研究有效的异常值检测方法至关重要. 由于数据流具有实时性, 传统的异常值检测方法将面临挑战. 针对这一挑战, 本文提出一种适用于数据流的异常值在线检测方法. 首先, 在线更新数据流的样本均值函数, 进而更新数据流的主成分得分, 获取最小修剪得分集并评估其均值估计量的稳健性; 其次, 基于距离的渐近分布构造阈值规则来检测异常值, 运用一步重加权方法控制异常值检测的假阳性率; 最后, 通过模拟研究和实例分析验证了本文所提出方法的合理性与有效性.

本文研究多目标分式规划问题的近似强Karush-Kuhn-Tucker条件. 首先, 针对该问题的有效解, 建立了近似强Karush-Kuhn-Tucker必要和充分条件; 其次, 针对该问题的Geoffrion真有效解, 提出了近似强Karush-Kuhn-Tucker充分条件; 最后, 探讨了近似强Karush-Kuhn-Tucker 和经典强Karush-Kuhn-Tucker之间的关系.