本文研究了基于误工工件数和误工损失的排列比例流水作业双代理排序问题，其中误工工件是指完工时间超过工期的工件；误工损失是工件的误工和加工时间的最小值；排列比例流水作业是指所有工件在各机器上的加工顺序完全一致，且工件的加工时间与机器无关。序列中包含两个代理$A$和$B$，每个代理有一组互不相交的工件集合，且工件不允许中断。代理$A$的目标函数为总加权误工工件数或总误工损失，代理$B$以误工工件数为优化目标。目标是在约束代理$B$的目标函数值不超过给定阈值，最小化代理$A$的目标函数。针对上述两类排序问题，证明问题均为$NP$难的，分别提出了动态规划算法，并给出了算法的时间复杂度分析；最后通过算例验证所提算法的可行性与有效性。

本文针对配备电容-电池混合储能架构的无线传感器网络, 构建了一个包含备用库存的M/M/1排队库存系统模型, 并假设单次数据传输的能耗（即库存需求）服从几何分布. 当电容器和电池剩余总能量不足以传输当前数据包时, 该数据包丢失, 系统能量耗尽. 该模型突破传统单库存和双货源共享库存的局限, 为主库存与备用库存设计双独立的补货方式, 同时引入几何批量需求以刻画数据包传输能耗的波动性. 首先, 利用矩阵几何解方法, 得到了系统的稳态分布和关键性能指标. 其次, 构建了系统效益函数, 利用遗传算法得到了系统的最优能量库存策略及相应的最优系统效益. 随后, 通过数值算例分析了系统相关成本对系统效益的影响. 研究发现: 当等待成本与电容器能量持有成本较高、充电成本较低时, 配置备用电池的系统能够获得更高的系统效益; 当等待成本与电容器能量持有成本极低、充电成本极高时, 配置备用电池的系统不能获得更高的系统效益. 最后, 基于优化和对比分析结果, 给出了优化系统性能的管理建议.

智能汽车的高保费抑制了消费者的购买意愿,阻碍了汽车厂商的智能化转型.为此,本文基于数据驱动保险模式,构建包含汽车厂商、经销商与保险公司的三级供应链博弈模型,对比了传统保险与数据驱动保险两种模式下汽车厂商的生产策略决策差异.结果表明:(1)只有当数据价值转化能力超过一定阈值时,保险公司才会提供保费优惠.(2)在数据驱动保险模式下,当智能汽车的单位生产成本适中时,厂商选择生产智能汽车；否则,选择混合生产策略.(3)数据驱动保险模式在提升智能汽车AI技术水平、市场需求与供应链成员利润的同时,可在特定条件下破解传统保费模式中汽车厂商在追求经济效益与推动技术升级之间的矛盾,实现二者的协同改进.此外,在保费与车价挂钩的设定下,上述结论仍具有一定的鲁棒性.

本文研究了在一类新的效用函数下的目标给付型 (TB) 养老基金管理中的最优投资与给付调整问题. 现有文献通常采用常相对风险厌恶 (CRRA) 或双曲绝对风险厌恶 (HARA) 效用函数对该问题进行建模. 为了提供一个相对于传统HARA效用更广义的框架, 我们引入了2022年诺贝尔经济学奖得主Philip H. Dybvig教授及其合作者提出的广义斜双CRRA指标 (GOBI) 效用函数. 研究发现, GOBI效用的Arrow-Pratt绝对风险厌恶度量可表述为HARA效用下的对应量与一调节参数的乘积. 利用凸对偶理论, 本文推导出了TB型养老基金管理问题中的最优投资策略、最优给付策略以及值函数的解析解. 数值模拟结果显示, GOBI效用中的附加参数对最优策略和值函数具有显著影响. 研究结论表明, 相比于HARA效用, 采用GOBI效用会显著增加风险资产的投资规模, 因此能够更准确地描述低风险厌恶的投资类型. 本文总结认为, 这种灵活的效用函数设定为若干相关问题的进一步拓展提供了新的解析解框架.

针对一类同时含有状态时滞和输入时滞的多输入多输出欠驱动非线性系统, 研究其在输出跟踪误差受约束条件下的自适应控制问题. 首先, 基于欠驱动系统的二阶通道结构, 建立含状态时滞和输入通道时滞的标准状态空间模型, 并将输入时滞影响等效转化为残差项进行处理. 其次, 为保证跟踪误差始终满足预设约束, 引入对数型障碍,Lyapunov 函数, 并结合反步法设计虚拟控制律. 然后, 在实际控制器设计中, 将未知非线性项、状态时滞项以及输入时滞残差统一构造为总未知函数, 利用,RBF 神经网络进行逼近, 并采用权值范数估计策略代替传统权值向量自适应更新, 从而降低在线参数调节复杂度. 进一步, 针对状态时滞和输入时滞分别构造指数加权型,Lyapunov-Krasovskii 泛函, 以保留时滞历史信息并增强对时滞影响的吸收能力. 基于,Lyapunov 稳定性理论, 证明了闭环系统所有信号一致有界, 跟踪误差始终保持在给定约束范围内, 且闭环误差系统一致最终有界. 最后, 通过仿真算例验证了所提控制方法的有效性.

群体智能产生于个体间的局部交互与适应性调整，表现为由分布式个体行为所涌现出的集体认知能力。演化博弈理论为刻画这一从微观决策到宏观秩序的过程提供了统一的分析框架。本文首先回顾博弈论的基本概念，指出完全理性假设的局限，进而引入有限理性下的演化博弈分析；随后介绍复制方程及结构化群体中的演化动力学。在此基础上，本文梳理了两类利用演化博弈方法研究群体智能的代表性工作：第一类聚焦于群体估计任务的理论构建，刻画群体智能的涌现机理；第二类则侧重于激励机制设计，考察如何通过调整收益结构，有效改善群体在预测任务中的表现。最后，本文总结了演化博弈理论在关联微观行为与宏观结果方面的优势，并展望了未来研究方向。

随着医保支付制度改革的深化, 部分医疗机构通过虚高疾病诊断编码等级骗取医保基金, 损害基金公平与安全.为提升对编码套高行为的识别能力, 本文提出了基于三支决策与混合监督机器学习的智能识别方法.针对医保数据类型复杂、异构性强的特点, 提出了一套面向多类型数据的特征构建策略, 并基于三支决策与粒球属性削减技术, 实现了高质量特征筛选. 在此基础上, 构建了融合贝叶斯网络与最小二乘支持向量机的混合模型, 结合改进的鱼鹰优化算法对模型参数与结构进行了协同优化.实验表明, 该方法在识别准确性、稳定性及泛化能力方面均优于传统识别方法, 能够为医保监管部门提供高效、可信的智能识别工具, 具有良好的实际应用价值.

给定多面体 $P \subseteq \mathbb{R}^n$ ，多项式环 $\mathbb{R}\left[x_1, \ldots, x_n\right]$ 中的元素相对于多面体 $P$ 被分为了三类：严格正的，非负且带有零点的和不是非负的多项式．本文的主要工作是从多面体的 $\mathcal{V}$－表示出发证明了多项式在多面体上的非负性问题等价于齐次多项式在标准单形上的非负性问题。根据这一结果，使用 Pólya 定理及一些新的研究结果获得完全地判定三类多项式的算法．

四向穿梭车存储系统是现代高密度仓储的核心解决方案，其“平行双端堆栈”布局能极大提升空间利用率和存取效率。然而，货物在巷道两端存取的作业调度极为困难，其装载问题是密集自动化仓储设施中广泛存在的通用优化问题。现有研究大多属于“被动应对”型，即在既定的、可能已欠优的存储布局下，通过调度策略来缓解阻塞问题，未能充分利用入库阶段的决策自由度来主动构建一个长期利于出库的、阻塞风险低的物理拓扑。本文通过构建整数规划模型，在装载阶段优化托盘巷道分配与入库方向决策，并根据问题与模型特征设计一种结构感知型自适应大邻域搜索算法。通过多类型算例仿真实验证明了模型的正确性和算法的有效性。研究结果表明，该算法能够显著降低系统的阻塞风险，并量化揭示了系统性能随巷道布局参数与冗余深度演化的内在规律。

城市高质量发展不仅体现为综合水平提升, 还取决于创新、协调、绿色、开放与共享五个子系统的协同运行. 本文以2004-2023年中国298个地级及以上城市为研究对象, 构建城市高质量发展指数(HQD)与内部耦合协调度(CCD), 并结合Dagum基尼系数、全局Moran's I指数、修正引力模型和社会网络分析方法, 考察二者的时空演进及双重关联网络特征. 研究发现: 1) HQD与CCD均呈窄幅波动, 期末较期初略有下降, 二者的空间非均衡主要来源于区域间净差异和超变密度; 2) HQD的空间集聚程度总体减弱, CCD的空间关联持续增强; 3) 双重空间关联网络总体呈现东密西疏、多核联结的格局, 核心节点地位相对稳定. 研究结果有助于识别城市高质量发展中的内部结构失衡及空间网络差异, 为不同类型城市实施差异化协同发展策略提供依据.

针对传统情感分析模型中情感知识库在特定领域的覆盖面有限以及未能充分考虑句子的语义信息与句法信息等问题,本文提出一种基于语义-句法增强和图注意力网络的方面级情感分析（Aspect-Based Sentiment Analysis with Semantic-Syntactic Enhancement and Graph Attention Networks, SS-GAT）模型，结合语义信息、句法信息和领域知识,通过图注意力网络（Graph Attention Networks, GAT）进行深度建模,从而有效捕捉文本中的情感关联. 具体来说,首先,通过单类支持向量机（One-Class Support Vector Machine, One-Class SVM）与融合提示学习和大模型的方法,用于构建方面级领域知识,以克服情感知识库在领域适应性方面的局限,增强模型在特定领域捕捉情感信息的能力. 然后,运用方面级领域知识对句法图进行增强,同时借助RoBERTa模型构建语义图,并将句法图和语义图进行逐元素相加,生成融合图,从而解决传统依赖树在动态适配性和信息协同建模方面的不足. 最后,将利用双向长短期记忆（Bi-directional Long Short-Term Memory, Bi-LSTM）网络获取的隐藏上下文表示和融合图结构共同输入GAT,设计基于语义-句法增强的图注意力网络框架,通过掩蔽非目标方面词语,并采用检索式注意力机制生成更精准的方面特定情感表示,最终由softmax分类器生成情感分析结果. 实验结果表明,所提出的SS-GAT模型在多个数据集上均取得了优异的性能,相较于现有的模型在情感分析的准确率和MF1值方面有显著提高,验证了所提模型的有效性.

本文针对小农户融资难问题，构建由小农户、批发商、涉农平台和农村合作社组成的涉农供应链融资决策模型，考虑平台贷款和政府补贴，讨论不同助农模式下的小农户融资策略。研究发现：（1）小农户融资策略受到平台贷款利率和政府补贴程度双重影响，在平台贷款利率较高情况下，政府补贴力度越大，小农户获得平台无息贷款的概率越大；（2）小农户为追求最优利润更倾向于选择无息贷款，而涉农平台为追求最优利润更倾向于选择有息贷款，这便是政府补贴的诱因；（3）平台服务佣金和农产品市场需求量随着贷款利率增大而减少，农产品单位销售价格随着贷款利率增大而增大，因此平台贷款利率不宜过高；（4）政府补贴差值在FPC模式下最大，而在FRPC模式下最小，这说明政府更希望小农户通过农村合作社入驻涉农平台享受平台服务，不希望小农户直接通过涉农平台将农产品销售给消费者。本研究为小农户利用涉农平台解决融资难问题提供实践参考，也为政府部门制定补贴涉农平台政策提供理论指导。

聚合投资模式作为养老金集中管理的典型委托代理投资范式，具有重要的实践应用价值。本文在离散时间模型框架下，以确定性等价最大化为决策目标，系统研究投资期限相同但风险偏好不同投资者参与聚合投资的最优决策问题。首先，构建包含异质投资机会集的离散时间最优聚合投资模型。其次，在风险股票收益率服从正态分布假设下，针对指数效用函数对应的确定性等价目标，推导得出最优投资策略与值函数的解析解。最后，通过构建福利损益函数，从投资机会集特征、投资者风险偏好结构以及终端财富与值函数分配机制三个维度，深入剖析聚合投资对投资者福利损益的影响机理，并进一步给出投资者实现福利收益的条件。研究结果表明，聚合投资能否为投资者带来福利增益，取决于资产配置的相对优势、投资者风险厌恶程度的异质性，以及终端财富与值函数分配规则三者的协同作用。在满足特定条件的情形下，从个人投资模式向聚合投资模式转换，能够实现全体参与投资者的福利收益．

本文系统综述了近年来部分可观测正倒向随机最优控制问题的研究进展. 首先阐述了该类问题的研究意义、数学模型, 分析了部分可观测信息结构与系统方程正倒向耦合特点所带来的理论挑战. 之后围绕该问题的研究思路与求解框架, 重点梳理了以控制增长率方法与状态分解方法为核心的两个基本研究范式, 并从适用条件、理论优势与局限性等方面对两种研究范式进行了评述. 最后, 对该方向的发展现状与未来可能的研究趋势进行了总结与展望. 本文有助于深化随机控制领域学者对该问题研究脉络与发展现状的整体认识, 也可为后续相关方法创新与理论拓展提供有益参考与研究借鉴.

火星气动捕获利用单次大气穿越耗散轨道能量，是降低火星轨道插入推进剂需求的重要途径。受进入状态、大气密度、气动参数、导航误差和执行机构约束影响，其导航与制导问题具有明显不确定性。本文围绕不确定性来源、数学描述、导航估计、制导决策和终端轨道风险，综述相关建模、估计与制导方法。已有研究已从标称轨迹设计拓展到随机大气建模、在线估计和概率风险控制，但统一闭环验证、尾部风险刻画及工程约束协同仍较不足。未来可加强可复现基准、风险评价和导航制导一体化研究。

大数据与网络调查数据大多为非概率样本, 其收集成本低、效率高、价值大, 但其入样概率未知, 且其规模越来越大. 传统的概率样本入样概率已知, 但其成本与无回答率越来越高, 且其目标变量可能完全缺失. 如何结合两类样本进行统计推断成为当今一个热点问题. 针对该问题, 提出基于超总体核回归模型与倾向得分模型的分布式双重稳健估计方法. 将大规模非概率样本与概率样本划分到多台机器上, 基于每台机器上的数据建立超总体核回归模型与倾向得分模型, 构建双重稳健估计, 最后将每台机器上的双重稳健估计平均获得最终的双重稳健估计, 并证明其理论性质. 为了计算方便, 给出了具体的基于核回归模型与倾向得分模型的分布式双重稳健估计算法. 模拟与实证研究结果表明: 提出估计的偏差、标准差、均方误差均较小, 接近于基于全局数据的双重稳健估计, 且其运行时间远少于基于全局数据的双重稳健估计, 估计效率与计算效率均较高.

电商平台可以选择品牌制造商或第三方代工厂代为生产其自有品牌产品. 基于平台与制造商的竞合结构, 本文通过构建动态博弈模型, 研究了平台需求信息共享对自有品牌代工选择的影响. 研究发现: 在信息分享模式下, 平台在第三方代工成本较高且市场风险较低时, 选择品牌制造商代工,否则选择第三方代工; 当佣金率与市场风险都较高时, 平台会倾向分享需求信息; 当第三方代工成本较高, 市场风险较低且佣金率较高时, 平台选择共享需求信息并采用制造商代工, 可实现平台, 制造商与消费者三方共赢.

随着再制造与资源循环利用的发展，闭环供应链已成为实现经济效益与环境可持续发展的重要模式。针对现有研究较少综合考虑广告弹性、替代品竞争及回收行为协同影响的问题，本文构建了考虑产品价格、替代品价格及替代程度影响的非线性需求模型，并引入广告投入描述废旧产品回收行为，建立了多周期闭环供应链联合优化模型。设计基于和声搜索算法的求解方法，并通过数值实验验证模型与算法的有效性。结果表明，广告与定价策略协同能够有效提升产品回收率、系统收益及闭环供应链整体运营绩效。

生成式人工智能（AIGC）的爆发正在重塑金融市场的信息处理范式，但其能否有效缓解非知情交易者的信息劣势，进而改善市场定价效率，仍面临理论争议与机制“黑箱”的双重挑战。并且基于历史数据的回测方法难以规避“前瞻偏误”，不能真实刻画人工智能实时决策对市场生态的动态反馈。为此，本文构建了嵌入大语言模型的多智能体仿真平台，在经典微观结构框架下内生化AI传导机制，动态模拟了非知情交易者修补信息劣势的自适应博弈路径。研究发现，AI通过对订单簿微观失衡与量价动量的非线性捕捉，重构了非知情交易者的信念系统，使其具备“准知情”特征，从而挤压市场噪声提升定价效率。其次，市场演化存在算法拐点，高度信任和过度使用引发的策略趋同将导致个体理性异化为集体的“算法共振”，加剧市场脆弱性。然后通过对AI信号依赖的历史行情、技术指标与订单簿结构三类输入特征的解析，进一步揭示了AI的赋能路径主要是基于公开信息和量化指标对知情交易私有信息的反向推断与逻辑模仿。本研究在方法上拓展了市场微观结构的建模范式，在理论上提出“赋能机制”概念，拓展了AI介入下的信息传导机制认知，并为构建适应数字金融时代的交易监管提供了微观依据和量化思路.

全球人工智能标准竞争本质上是当代国际生产力发展不平衡与生产关系调整之间矛盾的集中体现。本文以马克思主义哲学的历史唯物主义和辩证法为分析框架，重新审视技术主导国、技术采纳国与国际组织在AI标准博弈中的策略互动。通过将演化博弈模型中的收益结构、策略选择和随机扰动转化为生产力-生产关系、经济基础-上层建筑、必然性与偶然性、矛盾对抗与统一等哲学范畴，揭示AI标准竞争的内在矛盾及其运动规律。 全球人工智能(AI)治理已进入标准主导权竞争的关键期,但治理碎片化与能力鸿沟显著阻碍了国际合作. 本文针对 AI 治理中的标准冲突问题,构建了由技术主导国、技术采纳国及国际组织组成的三方随机演化博弈模型. 不同于以往研究,本文引入动态随机微分方程,系统模拟了技术突变与地缘冲突等随机扰动对博弈均衡的波动影响及其收敛速度. 研究表明: 当前治理体系的效能低下受制于三方收益结构的错配,尤其是大国间的零和博弈与新兴国家的高风险暴露共同导致了合作僵局. 随机扰动虽不改变系统长期演化方向,但会显著影响合作收敛速度与路径稳定性;协同收益、成本差异、规则主导权收益以及国际组织协调净收益是决定合作均衡形成的关键因素,系统演化呈现出明显的阈值效应、路径依赖与非线性特征. 研究认为,应对全球 AI 风险需将不确定性内生化,通过构建弹性标准框架与跨区域互认机制,降低治理成本并优化收益分配,推动全球人工智能治理向多中心协同模式转型.

为贴合认知无线电网络(CRN)的实际应用场景, 本文考虑一个具有两阶段能量收集机制的CRN系统, 包含具有绝对优先权的主用户(PU)和次级用户(SU). 在每次服务完成后, 系统将依次经历两个能量收集阶段再回归空闲状态, 期间主用户的到达可以中断第二阶段的能量收集过程并抢占服务. 基于M/M/1重试排队模型, 为次级用户设置无限重试轨道, 通过建立二维马尔可夫过程, 推导出系统稳定性条件, 利用概率母函数方法获得系统各状态下的稳态概率, 给出次级用户平均队长、平均逗留时间等性能指标. 在用户决策方面, 分别建立个体和社会收益函数. 用统计方法证明存在唯一的纳什均衡策略, 并与社会最优策略进行了比较, 体现了次级用户的自私理性行为对社会总效益的损害. 为了消除两种策略差异, 通过征收入场费降低次级用户均衡加入概率, 以保证社会收益最大化. 最后进行系统优化, 分别建立了单目标优化和双目标优化模型, 通过优化算法求解, 刻画了系统成本与服务质量的权衡关系.

本文考虑离散时间非平稳两人零和随机博弈的无穷阶段期望总报酬模型，其状态空间、行动空间、转移概率和报酬函数允许随时间变化。 在适当的假设条件下，通过构造一个映射序列来建立博弈算子，并利用扩展的压缩不动点定理证明该算子存在不动点, 由此得到相应Shapley方程的解，证明了博弈值与鞍点的存在性。 作为该总报酬模型的特殊情况, 我们得到经典的有限阶段总报酬模型及无穷阶段折扣模型的博弈值和鞍点的存在性，并进一步提供求解有限阶段模型博弈值和鞍点的有效算法。

为控制海运行业硫氧化物的排放, 国际海事组织和我国政府相继设立排放控制区,(Emission Control Area, ECA). 针对一类考虑ECA的不定期船调度优化问题, 以最小化不定期船燃油成本和航次租船费用为目标建立了混合整数线性规划模型, 用于制定不定期船队的调度方案. 针对问题特点设计了自适应大邻域搜索算法, 并提出ECA破坏算子和最大航次租船费用修复算子. 研究结果表明, 自适应大邻域搜索算法能够求得最优解, 或获得优于CPLEX的解, 平均改进率达2.01%; 所提出的新算子有助于提高解的质量, 求得解的平均改进率为3.86%; 相较于变邻域搜索算法, 自适应大邻域搜索算法求得解的平均改进率为12.26%. 与未优化航线和航速的调度方案相比, 考虑排放控制区并优化航线和航速的不定期船调度方案帮助不定期船运公司减少了732799元的燃油成本, 提升了不定期船运公司的经济效益.

近年来, 在重大突发事件及宏观环境变化等因素影响下, 股票指数呈现出日益复杂的波动特征与不确定性, 给股指数据预测带来严峻挑战. 为提升复杂市场环境下的区间预测精度与稳定性, 本文将EDAS技术和连续区间有序加权平均(COWA)算子相结合, 提出一种新的基于平均解距离测度的连续区间组合预测模型. 该模型通过COWA算子将区间序列转化为实数序列, 根据EDAS技术计算各单项预测方法与连续平均精度之间的正负距离, 以最大化综合平均解距离为目标函数求解各单项预测方法的最优权重系数, 从而构建一种新的基于平均解距离测度的连续区间组合预测模型. 根据所提出的模型定义新的优性组合预测、非劣性组合预测以及劣性组合预测方法的相关概念. 最后, 通过上证A股指数预测的实证分析对模型有效性进行验证, 并对参数进行灵敏度分析, 对比分析结果表明本文所提方法在提升预测精度的同时, 也具有良好的稳健性和有效性.

随着现实世界的实际环境日益复杂, 仅考虑二元（一对一）交互和时间动态的传统神经网络模型存在一定局限性. 本文研究了包含高阶交互作用的扩散双向联想记忆（BAM）神经网络中的时空Hopf分岔动态行为. 首先, 引入描述非均匀电磁场对电压分布影响的扩散和描述多神经元协同激活的高阶交互, 对经典BAM神经网络模型进行了拓展. 其次, 通过选择时滞为分岔参数, 建立了模型在任意神经元数量下局部稳定和发生Hopf分岔的解析条件. 最后, 利用数值模拟验证了理论结果, 展示了模型丰富的时空动力学行为. 结果表明时滞、自反馈强度、交互强度和网络规模对网络分岔动力学具有显著影响. 相比于二元交互, 高阶交互的引入会降低分岔阈值并增大极限环, 从而减弱网络稳定性.

针对在线酒店预订多平台并存引发的信息碎片化、用户评论情感模糊等问题，本文提出一种将直觉模糊集应用在情感分析中的跨平台酒店评价方法。通过爬取携程、同程、去哪儿三大平台连锁酒店的用户评论，借助LDA主题模型挖掘出核心评价属性，构建复合情感识别体系，精准捕捉各属性下的情感倾向，并将其转化为直觉模糊数。结合主客观权重，构建动态综合权重模型，利用记分函数完成对酒店的量化评分与排名。实例验证表明，该方法能有效处理模糊情感表达，客观反映酒店实际服务水平，可为消费者选择与酒店运营优化提供可靠参考。

人机协作拣选系统是一类契合"以人为本"理念的新型订单拣选系统, 其核心在于实现拣选员与自主移动机器人(Autonomous Mobile Robot, AMR)在时间与空间层面的高效协同调度. 针对考虑同步约束的人机协作拣选作业调度问题, 本文构建了以最小化拣选员与机器人总拣选成本为目标的混合0-1整数规划模型, 并提出了一种基于Q学习的超启发式算法. 该算法采用贪婪策略生成初始解, 结合问题特征设计了9种知识驱动的低层启发式规则, 采用融合$\epsilon$-贪婪与softmax的混合策略自适应选择启发式规则, 同时依据Metropolis准则以一定概率接受劣解. 数值实验结果表明, 所提算法在求解效果上整体优于精确算法、遗传算法、变邻域搜索算法及基于随机搜索的超启发式算法. 算子消融实验验证了多类低层启发式规则的有效性. 敏感性分析结果表明, AMR数量配置存在规模效应; 当人机速度比为1.5:1时, 系统性能最优.

随着“双碳”目标与气候政策体系的持续演进, 气候政策不确定性已成为影响商业银行信贷配置的重要因素. 本文以2012至2024年中国42家A股上市商业银行为研究样本, 考察了气候政策不确定性对商业银行绿色信贷的影响. 结果表明, 气候政策不确定性对商业银行绿色信贷具有显著的正向影响, 且该影响在规模较小、管理层气候风险关注度较高, 以及所在地区绿色创新水平较高和政府气候风险关注度较高的银行中更为明显. 同时, 气候政策不确定性会通过加强环境规制和改善银行ESG表现来提升商业银行绿色信贷. 此外, 提高银行数字化转型程度与地区绿色金融发展水平有助于增强气候政策不确定性对商业银行绿色信贷的促进作用. 该研究为政策制定者构建合理的气候政策体系以引导商业银行优化绿色信贷配置提供了重要参考.

医院管理中的运营与决策优化通常可建模为具有分式结构的非线性规划. 本文在经典Mathis模型的基础上进行重构, 明确给出原始医院管理模型到线性比式和问题的变量替换、可行域重构及参数映射关系, 从而将医院管理优化问题转化为等价的线性比式和规划. 针对该问题的非凸特性, 构造线性松弛规划问题, 并结合比式像空间剖分与区域缩减技术, 提出一种面向医院管理优化问题的分支定界算法. 理论分析表明, 该算法在给定误差下具有全局收敛性. 数值实验结果验证该算法是有效的.

均匀设计是一类广泛应用于物理试验和计算机试验的设计方法, 其构造通常是一个计算复杂且具有挑战性的研究问题. 本文围绕绝对偏差准则, 系统探讨了均匀设计的构造问题. 首先, 本文引入了一种随机优化算法, 可用于生成具有灵活规模的均匀设计; 其次, 本文对水平置换构造方法进行了全面深入地阐述, 包括推导了在水平置换意义下的平均绝对偏差的解析表达式, 并建立了它与其他设计筛选准则之间的理论联系, 从而用于指导均匀设计的构造. 通过对两种构造方法的比较分析, 发现利用水平置换法构造的均匀设计具有更优的统计性质, 包括更低的绝对偏差值和更低的混杂程度. 模拟研究与实际应用案例进一步验证了基于绝对偏差的均匀设计在实践中的优异性能.

本文基于2007—2022年中国A股上市公司及其前五大供应商的配对数据，从复杂系统演化视角出发，将供应链视为具有信息反馈与协同演化特征的动态网络系统，研究了中游企业数字化转型对上游供应商“降碳、减污、扩绿、增长”（CPGE）协同发展的影响及其内在机制。为识别因果效应，本文采用行业与年份固定效应的基准回归模型，并进行了五种稳健性检验：异方差稳健标准误、替换核心解释变量、剔除双向交易样本、缩尾处理以及倾向得分匹配法；同时，采用工具变量法和安慰剂检验处理内生性问题。在机制分析中，本文采用两步法中介框架检验了四个传导渠道，并通过分样本回归和分位数回归进行了异质性分析。研究表明，中游企业数字化转型对上游供应商企业CPGE协同发展具有显著的溢出效应，在控制潜在的内生性问题后，该效应依然存在。机制检验发现，该溢出效应主要通过供应链话语权重构、供应链风险管理协同、知识溢出与创新协同以及运营效率提升等路径实现。异质性分析说明，在供应商企业的产品可替代性较高、属于非重污染行业，数字化转型程度低于中游企业、存货周转率较高时，上述协同溢出效应更为显著。分位数回归揭示了数字化转型对CPGE不同维度的非对称影响特征，中游企业数字化转型对供应商企业降碳、减污的影响在高分位点处更加显著，对扩绿、增长的影响在低分位点处更加显著。本文从复杂系统协同演化角度，为供应链数字化转型的环境与经济协同效应提供了新的经验证据与理论启示。

社区嵌入式养老(CEEC)是推动专业照护资源下沉社区、支撑老年人原居安老的新兴服务模式, 其服务质量优劣直接决定这一模式能否在基层生活场景中转化为老年人的实际福祉. 本文在经典结构-过程-结果(SPO)框架基础上, 考虑到CEEC服务质量是供需双方持续互动、共同生成的综合状态等特征, 突破传统SPO中以供给结构和过程解释需求结果的单向逻辑, 将其拓展为供给支持链与需求响应链并行互动的双元SPO结构, 并构建了CEEC服务质量评价的供需双元SPO深度耦合框架. 进一步地, 针对传统基于系统总分协调的耦合方法难以揭示CEEC服务质量中复杂交互关系的问题, 提出一种融合犹豫模糊Total Correlation、差异化Copula和语言量词导向POWA的深度耦合方法, 用以刻画多主体评价中的认知差异与供需多指标集合的整体依赖, 识别优势高位协同与劣势低位聚集, 并体现"先保基本、再促提升"的优先级约束. 基于6个嵌入式养老社区的实证分析表明, 本文方法能够识别不同案例的供需耦合结构、优势协同来源、短板聚集路径和优先改进方向, 为CEEC服务质量诊断与分类改进提供量化支持.

在直播电商深度嵌入多渠道销售体系的背景下,制造商面临着在不同直播组织模式中如何配置定价策略的关键决策问题.本文构建了一个由制造商,零售商与MCN机构组成的双渠道供应链模型,并刻画直播销售努力所产生的跨渠道溢出效应, 系统分析了整合直播与合作直播两类典型模式下,统一定价与差异化定价策略的最优选择及其绩效影响.研究结果表明,在整合直播模式中,统一定价会限制制造商的定价灵活性,从而不利于其利润表现,但在一定条件下能够改善零售商收益;而在合作直播模式中,统一定价能够同时改善制造商与零售商的利润表现,从而实现双赢结果,并且正向跨渠道溢出越强,统一定价越可能被采用并获得零售商支持.此外,统一定价对消费者剩余与社会福利的影响并不单调,其效果取决于市场结构及跨渠道溢出强度.研究结论为多渠道环境中制造商直播定价决策提供了系统化的分析视角.

考虑人工智能(AI)产业的长周期、高不确定性和大规模资金需求等特征, 本文对耐心资本破解AI初创企业融资困境的机制与决策进行研究. 构建涵盖AI初创企业与风险投资机构的双边投融资博弈模型, 并将二级市场认购需求内生化. 研究对比了无耐心资本介入下的不完全信息信号传递博弈, 与耐心资本介入下的完全信息序贯博弈, 并进一步引入道德风险探讨了动态契约设计. 通过数值分析, 验证耐心资本在不同市场先验信念与履约成本下的赋能效果. 研究表明: 1) 在传统资本下, 均衡结果与不同类型AI项目的边际成本密切相关; 2) 耐心资本通过前置信息甄别与后置价值共创, 有效将不完全信息转化为完全信息, 在最优赋能强度下实现多方共赢; 3) 耐心资本的价值实现高度依赖于初始市场状态; 4) 针对企业事后履约的道德风险, 采用多轮投资模式能形成可置信的跨期惩罚与激励, 迫使企业充分履约.

本文针对一类具有不可分结构的非凸非光滑优化问题, 融合 PR 分裂 (Peaceman-Rachford Splitting) 技术, 梯度下降思想, 线性化策略与广义交替方向乘子法框架, 提出一类广义线性化梯度下降对称交替方向乘子法. 首先, 在 Kurdyka-?ojasiewicz 性质及适当的参数假设条件下, 证明算法生成序列的全局收敛性与强收敛性. 最后, 将算法应用于 $l_1$-逻辑回归问题以及 SCAD-$l_2$ (Smoothly Clipped Absolute Deviation-$l_2$) 问题上进行对比实验，结果验证了算法的有效性.

本文采用贝叶斯正则化方法研究线性混合效应分位数回归模型中固定效应与随机效应的估计与选择. 首先, 通过对随机效应分布中的协方差矩阵进行修正的Cholesky分解, 将协方差参数的函数作为回归系数引入到模型中, 获得模型的重新参数化形式. 其次, 在误差项服从非对称拉普拉斯分布的假定下, 对重新参数化的模型中固定效应以及随机效应协方差矩阵分解后的对角元素分别增加$L_\xi(0<\xi<1)$桥惩罚, 并通过对桥惩罚参数增加先验信息, 提出了一种基于随机桥惩罚的贝叶斯分位数回归方法. 本文进一步结合部分收缩Gibbs抽样算法和自适应随机游动Metropolis算法, 为所提模型设计了自适应马尔可夫链蒙特卡罗(MCMC)算法, 以提升传统MCMC算法的抽样效率. 本文通过大量的数值模拟研究验证了所提方法的优良表现. 模拟结果表明, 当固定效应和随机效应稀疏时, 基于随机桥惩罚的方法有优于基于lasso惩罚方法的参数估计与变量选择效果. 最后, 本文将所提方法应用于分析医学领域的实际纵向数据. 本文所提随机桥惩罚方法在稀疏线性混合效应分位数回归框架下, 能实现准确稳健的参数估计与变量选择, 为纵向数据建模提供了一种有效的正则化方法.

交互式多模型(Interacting Multiple Model, IMM)滤波是一种经典的贝叶斯目标跟踪算法, 在处理频繁切换运动模式的机动目标时具有良好的性能. 然而, 其性能的好坏高度依赖于内部转移概率矩阵(Transition Probability Matrix, TPM)的设置. 传统方法通常需要依赖先验经验或离线训练获得 TPM, 这不仅增加了人工成本, 而且不适用于复杂动态环境, 从而容易导致滤波性能下降, 甚至是目标丢失. 针对该问题, 本文提出一种基于在线自适应梯度下降(Online Adaptive Gradient Descent, OAGD)的 IMM 滤波算法, 即 IMM_OAGD. 该方法在 IMM 滤波递推过程中动态估计 TPM, 从而实现模型转移概率的在线自适应更新. 本文首先构建了 IMM_OAGD 的整体框架; 其次, 根据在线观测设计了一种仅依赖观测序列的加权损失函数, 能够在不依赖真实系统状态和预采集训练数据的条件下实现参数更新; 进一步地, 对算法进行了收敛性分析, 并证明了算法具有$O(\sqrt{K})$ 的次线性累计遗憾界, 从而保证平均遗憾趋于零. 最后, 通过多种仿真实验测试了 IMM_OAGD 在复杂机动目标跟踪中的有效性与鲁棒性.

针对未知总体方差的非参数区间估计问题, 文章基于排序集抽样方法, 采用U统计量的思想, 构建了总体方差的非参数无偏估计量. 根据新估计量的渐近正态性, 构造了方差的置信区间, 并证明出无论排序是否完美, 排序集抽样下置信区间的精度高于简单随机抽样下相应置信区间. 针对置信区间表达式中含有未知量的问题, 采用矩估计方法, 构建了估计量渐近方差的相合估计, 进一步构造了方差的近似置信区间. 模拟计算了近似置信区间、Bootstrap置信区间和Jackknife置信区间的覆盖率和平均长度, 并进行了实例数据分析. 研究结果表明: 无论是大样本还是小样本, 排序集抽样下近似置信区间的精度都高于简单随机抽样下相应近似置信区间. 当固定样本量时, 增大排序小组数或减少排序误差, 都可以提高排序集抽样下近似置信区间的精度. 另外, Bootstrap置信区间和Jackknife置信区间的整体覆盖率都高于近似置信区间.

本文在带外生变量的向量自回归(VARX)框架下,引入包含个股微观特征的面板数据结构,从而构建高维面板向量自回归(HPVAR)波动率预测模型,用于刻画已实现波动率的动态特征.首先,针对高维波动序列中滞后阶数选择困难的问题,本文提出IHOO (Improved Hierarchical Own-Other)正则化方法,用于在高维环境中同时实现结构化正则化与滞后阶数选择.接着,采用自适应步长的近端梯度下降法(PGD),结合贝叶斯优化进行参数估计与超参数选择,并在相关正则条件下给出样本内均方预测误差(MSFE)上界.最后,利用美股与港股高频波动率数据进行实证分析,分析结果显示: 1) 考虑个股特征与外部冲击后,HPVAR较VAR和VARX具有更高的预测精度; 2) IHOO比HLagO (Hierarchical Lag Own-Other)与Lasso能使模型得到更好的预测效果; 3) 自回归滞后系数矩阵热力图与最大滞后矩阵估计图显示本文的模型在高维条件下同时保持较高预测性能与良好的可解释性.

针对传统决策优化方法中“先预测后优化”两阶段相互分离的问题,本文提出了联合多层感知机(MLP)预测的凸二次优化模型(IPO).该模型是双层规划模型,其中上层以最终决策损失最小化为目标,下层为凸二次规划问题.本文提出梯度下降算法求解上述模型,并证明该算法的收敛性、驻点收敛性和次线性收敛.以投资组合决策问题为背景进行数值实验,结果表明,不同参数组合下算法的迭代次数、平均损失及最终梯度范数均保持在合理范围内,体现出较好的可实施性与数值稳定性.样本外回测结果显示,所提模型在累计收益率、风险调整收益和最大回撤等指标上整体优于传统两阶段方法及其他基准对比模型,验证了联合预测优化框架的有效性.