针对高频配送“最后一公里”履约能力不足的问题，构建了考虑骑手先后到达次序的双人接力式物流众包决策模型，分析了骑手“先来”与“后到”的顺序对众包系统成员及平台效率和利润影响.研究发现：双人接力策略总是比单人“点对点”的众包策略具有更远的配送距离，更高的服务水平；对成本不同的两个骑手而言，“先到”者总是能够在接力众包中获得更多的分配任务和利润，导致两个骑手都有积极“争抢”订单的动机；但是从平台和供应链系统角度来看，低成本（优势）骑手“先到”并主导接力配送可以获得更大的市场份额和更多销售量，对系统更加有利.为了鼓励弱势骑手参与接力的积极性，平台分别采取派单与收益共享机制以及佣金率倾斜机制可以有效提升系统配送距离，促进客户市场范围的延伸，也提高了配送系统利润.当多人参与接力配送时，个体分配任务及利润随着参与人数的增加而降低，但是平台及系统服务能力和利润随着参与人数增加而增加.最后通过数值算例验证了结论的准确性.

随着我国推进REITs常态化政策出台，研究REITs内部管理与发展方向具有实际意义。本文以契约型REITs的内部管理结构为研究对象，基于内部委托代理关系引入基金持有人与管理人同时风险厌恶的假设，构建包含正、负向绩效比较激励的多代理人模型，推导不同约束情形下的最优激励契约及其对工资结构与委托人期望投资的影响。系统分析了绩效比较强度及正负激励对称程度与代理人保留效用之间的匹配关系，揭示促进绩效比较对委托人投资既可能增效亦可能增成本的双重效应。我们发现通过管理人竞争格局实施对称或非对称相对绩效激励的契约设计可达到最优或次优收益配置，并进一步引入深度强化学习算法，从动态层面求解最优契约验证了互惠性激励将趋于与自利性激励，并且公平激励可以满足激励相容约束达到最优配置。

针对混合攻击环境下的非线性复杂网络系统,研究了保概率集员滤波算法的设计问题.考虑测量信息通道同时遭受虚假数据注入（FDI）攻击和拒绝服务（DoS）攻击的情形,提出一种分布式非线性估计模型,分别分析了无攻击、单一攻击及混合攻击三种场景下的量测信息建模机制.采用泰勒展开技术处理复杂网络动态、量测方程和FDI过程中的非线性项,推导得到保概率集员滤波估计器存在的充分条件,构造凸优化问题并提出保概率集员滤波增益矩阵递归求解算法,以确保估计误差在预设置信水平下被约束于期望椭球区域内.最后通过数值仿真验证所提出保概率集员滤波算法的有效性.

在球团竖炉工艺中,立式辊磨机燃烧室出口温度的稳定控制对产品质量至关重要.然而在实际生产中,出口温度仍然依赖于阀门的人工调控,进而导致其无法维持在规定范围内.无法实现阀门自动调控的原因一方面在于燃气压力波动导致阀门开度与燃气流量之间呈现强非线性.另一方面,流量传感器存在饱和量测现象,会造成部分状态信息丢失.为了解决上述问题,本文将燃气压力波动范围划分为若干个区间,每个区域内阀门开度与流量之间的关系固定不变,随后分别对阀门开度与流量系统、流量-出口温度系统进行建模,提出了基于量测标志向量的经验测度辨识算法和基于自适应梯度的回归辨识算法,实现了模型参数的一致性辨识.考虑阀门开度的单次调整量为固定值,使用基于累加器的复合控制算法将出口温度稳定在期望范围内.实验验证结果显示,本文提出的算法可以实现对参数的一致性辨识，复合控制算法则在多个统计指标上均优于常用的前馈控制算法.

本文考虑由数据供应商、数据服务提供商与用户构成的数据服务供应链,结合数据的无限剧增、可复制性等个性化特征以及用户对数据时效的需求特点,分别构建了基于数据时效``PB-DT''与基于使用频次``PB-UF''两种数据资产定价模式下的利润决策博弈模型,研究了数据服务供应链成员的技术投入决策、数据资产定价方式选择、数据资产与数据服务定价决策.研究发现:(1)在两种定价模式下数据服务供应链成员的决策均不会影响数据服务销量,且在PB-DT定价模式下的数据服务销量大于在PB-UF定价模式下的销量,但这并非表明在PB-DT定价模式下供应链成员的利润与用户效用一定大于在PB-UF定价模式下的利润与效用;(2)数据供应商对数据资产定价方式的选择仅与数据服务提供商对数据时效价值的估值有关,当数据服务提供商对数据资产的估值较低(较高)时,数据供应商选择PB-UF (PB-DT)定价方式;(3)数据供应商实际选择的数据资产定价方式与数据服务提供商及用户所期待的数据资产定价方式可能``一致'',也可能``互斥''.当供应链成员对数据资产定价方式的选择意向一致时,供应链成员间的协同效应最大,数据服务供应链绩效可达到帕累托最优状态.

“双碳”目标与农产品冷链发展背景下,针对农超对接中多温共配难,电动车续航短,协作成本分摊不均等问题,本文提出了“多温共配-电动汽车车辆-协作配送”集成运营模式,旨在通过数字化平台整合资源,构建动态联盟以系统性优化物流.首先,构建以总运营成本最小化为目标的电动汽车车辆路径优化模型,综合考虑多温层装载,电池电量与充电策略等方面的约束;其次,设计了融合时空聚类的自适应大邻域搜索算法进行高效求解,并采用Shapley值法公平分摊联盟成本以确保稳定.最后,通过数值实验与案例验证了模型与算法的有效性.结果表明:相较于传统协作配送与多温共配电车配送模式,该模式可节约总成本15.29%和24.14%,各企业平均成本分别降低15.39%和24.19%.

针对现有非线性多智能体系统分布式模型预测控制算法需消耗大量计算和通信资源的问题，提出了一种自触发分布式模型预测控制算法。智能体在每个触发时刻依据自身局部系统状态以及邻居智能体的预测状态，求解局部优化问题，以确定其下一个触发时刻，并将自身的预测状态轨迹广播至邻居智能体。该算法在保持系统鲁棒性和控制性能的基础上，显著降低了通信负载。引入了分散式非线性扰动观测器与空间分解技术，对系统的匹配扰动进行估计与补偿；在此基础上，在每个局部优化问题中引入了鲁棒收缩约束来抵消剩余扰动的影响。证明了所提算法的递归可行性以及多智能体系统在触发时刻的闭环稳定性。数值模拟验证了理论结果的正确性。

雪球结构性产品作为我国场外衍生品市场关注度最高的产品之一,因其高度路径依赖的结构特征而对定价与风险管理提出了更高要求.本文提出一种柳树法(Willow Tree Method)计算框架用于雪球产品定价与希腊值计算,该方法能够有效应用于包括几何布朗运动、跳扩散模型和随机波动率模型在内的多种随机模型.通过与传统方法进行对比,柳树法在保证计算精度的同时显著提升了计算效率,降低了计算成本.此外,本文定量测算了极端情景下对冲盘的瞬时抛压规模及其对市场流动性的冲击强度,并论证了该框架对其他复杂雪球结构的适配性.这拓展了柳树法在复杂衍生品定价领域的应用前景,不仅对金融机构在复杂市场环境下进行风险管理和策略优化具有重要的实践意义,也对监管部门防范结构性产品所引发的顺周期系统性风险也具有参考价值.

针对面板平滑转换回归（PSTR）模型参数估计稳健性不足、难以刻画多变量协同调节机制的局限，本文提出面板多元平滑转换回归（Panel Multivariate Smooth Transition Regression,PMSTR）模型。模型以多元逻辑斯蒂函数替代单一转换变量的多项式展开，可同步解析多个变量对回归系数的独立调节效应与协同调节效应，并量化变量间相对调节强度。参数估计采用贝叶斯推断与哈密尔顿蒙特卡洛（HMC）抽样算法，借助先验正则化处理饱和解，借助梯度信息探索高维非凸参数空间。蒙特卡洛模拟表明，PMSTR模型在四类典型系数动态情境下能稳定识别系数动态路径与变量相对调节强度，并在数据生成过程与模型一致时（逻辑斯蒂情境、100次重复）实现严格的参数恢复。基于美国与中国上市公司数据的实证研究揭示了两国投资--现金流敏感性在调节因素与协同调节模式上的共性与结构性差异。

构建了双寡头竞争型供应链模型，分析了在直销渠道和转售渠道下数字化认证对制造商漂绿行为的治理作用，以及不同销售渠道选择对绿色创新和企业利润的影响.研究结果表明:未引入数字化治理时，直销模式对绿色创新的激励作用最强；引入数字化治理后，渠道优势取决于治理成本，低治理成本下直销模式更有利于提升绿色水平，高治理成本下转售模式的成本分担机制更具优势.当数字化治理成本处于一定范围时，转售模式能同时提升产品的绿色水平与绿色制造商的利润；而当成本高于临界值时，绿色制造商利润将低于无治理情形，漂绿制造商利润反而上升，导致治理失效.数值仿真结果表明:随着亲社会消费者比例的提高，数字化治理对漂绿行为的治理效果减弱，较高的治理成本可能出现绿色制造商利润受损、漂绿制造商受益的逆向选择.本文研究结论为制造商在销售渠道选择与漂绿治理决策提供了参考，并为政策制定者设计成本补贴机制与差异化监管策略提供了理论依据.

本文利用Stackelberg博弈模型探究了政府分别采用行政管控、管控与补贴,以及税收与补贴三种环境政策,对企业产能升级与减排决策的相互影响.研究表明:管控政策虽然直接限制了企业的排放,间接鼓励企业升级产能,但是当政府的产能升级目标比例较高时,管控政策对推动企业产能升级的效果不理想;当政府承诺的排放限制严格,减排量要求较高时,只有管控与补贴政策才能实现政府预期目标;税收与补贴政策虽然可以直接鼓励企业升级产能,且能间接限制企业排放,但是当政府预算较低或政府设定的减排与产能升级目标较低时,税收与补贴政策不具有成本效率,此时管控政策成本最低.本文研究成果为政府对企业产能升级及污染排放治理提供了政策选择依据.

许多经济、管理、工程控制及人工智能等实际问题都可直接或间接地建模为无约束优化问题,共轭梯度法是求解大规模无约束优化问题的核心算法.本文通过对Dai-Liao共轭参数改进与截断,并在搜索方向中引入重启步加以优化,提出一个改进Dai-Liao共轭梯度算法.该算法无需依赖任何线搜索条件,所产生的搜索方向满足充分下降条件.在常规假设下,证明了算法的强收敛性.用取自CUTE等无约束测试问题集的中大规模算例对算法数值测试,结果显示所提算法数值表现良好.最后将算法用于图像恢复和机器学习模型,进一步验证了算法的有效性.

医疗AI智能体代表了医疗保健领域的变革性范式.医疗AI智能体生态系统涉及多领域,其部署评估需集结多领域专家协作并共同决策.然而,受认知与专业知识局限,一名专家通常只能针对自身领域提供局部评价,难以全面评估所有方案.为此,本文提出一种基于包含度的多属性大规模群体决策模型,以应对备选方案信息与决策专家规模增长的双重挑战.首先,该模型基于包含度的方法将专家划分至若干并行子群,有效降低群体规模维度,并实现专家与评估方案的匹配.随后,构建了一种分层共识机制,即采用以方案择优为目标的$\alpha$型共识缓解子群内部冲突;运用以方案排序为目标的$\gamma$型共识形成全局共识.最后,以医疗AI智能体部署评估问题为例,验证了所提模型的有效性.

随着电商平台企业的持续竞争和加速发展,引入自有品牌和扶持中小商家以创造新的利润增长点成为电商平台的重要战略方向.据此,在当下电商平台与商家合作转售和代理混合销售模式下,运用Spokes模型刻画由品牌供应商和中小商家两个卖家及一个电商平台组成的在线销售系统,探究产品可替代性和感知质量等因素对平台自有品牌引入动机及引入后对供应链成员决策和获利情况的影响.研究发现:(1)当产品可替代性较高且消费者对自有品牌感知质量较低时,引入自有品牌将提高品牌供应商和中小商家产品的批发价及零售价;(2)即便卖家产品与自有品牌产品间可替代性较高,但引入较低感知质量的自有品牌仍能使卖家获利;(3)当产品可替代性较高且自有品牌的感知质量较低时,平台仍有动机引入自有品牌,且自有品牌引入能够实现三方共赢.

针对取值范围有限、计数事件具有相关性且呈现时滞特征的整数值时间序列数据的建模问题,提出了一类自激励滞后广义二项自回归模型.首先,证明了该模型的严平稳性和遍历性,并研究了该模型的条件期望、条件方差和转移概率等概率统计性质.其次,在门限参数与状态指标初始值已知和未知两种情况下,研究了模型参数的条件最小二乘估计与条件极大似然估计方法,并给出了估计量的渐近性质.其中,在门限参数与状态指标初始值未知时,构建了一种能够估计两个门限参数的算法.此外,研究了模型非线性结构的检验方法.随后,通过数值模拟验证了参数估计方法和模型非线性检验方法的有效性.最后,将该模型应用于德国Berleburg站和美国Honolulu地区每两周中降水天数的分析之中.实例分析的结果表明,该模型在拟合和预测方面均具有良好的表现.

纵向数据下具有多元正态误差的联合均值-协方差建模方法已得到很好的研究.然而,当纵向数据包含离群值或呈现重尾状态时,稳健的联合建模方法尚未得到足够的研究.本文建立了基于多元拉普拉斯分布的联合均值-尺度协方差模型的一般形式,概述了一般的极大似然估计方法,并发展了一般的拟牛顿算法.更具体地,本文以三种最流行的分解方法为特例,分别建立了相应的联合模型和估计方法.然后证明了极大似然估计的强相合性和渐近正态性.此外,本文实施了大量的模拟研究以说明这些特定联合模型的建模能力,并使用模拟研究中表现最好的特定分解方法分析了实际数据.

航空货运在全球供应链中具有重要的战略地位,其需求受多种复杂因素影响,预测难度较大.本研究基于TEI@I方法论构建航空货运需求预测模型,利用互补集合经验模态分解方法对货运量时间序列进行分解,分析各子序列的复杂性和平稳性等特征,并选择合适的季节性差分自回归滑动平均模型或长短期记忆模型进行预测,同时引入专家系统处理不规则重要事件,最终将各部分结果集成得到预测结果.通过基于北京首都国际机场数据的实证研究结果表明,该模型的预测效果优于其他基准模型,能够为航空货运企业的资源配置和运营决策提供有力支持.

模块化自动驾驶公交系统(MATS)凭借其在空间与时间维度上的高度灵活运力配置能力,已成为未来城市公交智能化与自动化发展的重要方向.现有模块化公交调度研究大多局限于相邻顺序车次之间的解耦与再耦合问题，其本质是在既定时刻表框架内进行运力再分配,模块公交突破固定班次、按需动态响应的核心优势远未得到充分挖掘;与此同时,已有研究对道路旅行时间波动及其对公交运营影响的考量尚显不足,致使调度策略难以有效适应路网交通状态的动态变化.针对上述不足,本文提出一种允许模块车辆通过解耦与灵活跳站、超越前序车次的新型在途快线服务模式,并在旅行时间不确定条件下系统设计该服务模式的调度策略.为此,本研究构建混合整数非线性规划模型(MINLP),精确刻画模块车辆越行与乘客跨模块换乘的动态过程,以系统总运营成本最小化为优化目标,对各模块化车辆的解耦方案、停站方案及时刻表进行综合协同决策.为获得对旅行时间不确定性具有稳健性的调度方案,本文引入样本均值近似方法,并设计定制化模拟退火算法对上述非线性规划问题进行高效求解.实验结果表明:与遗传算法和自适应大邻域搜索算法相比,所提模拟退火算法在求解效率与解质量两方面均具有显著优势;与传统全站停靠服务、固定跳站服务及不可越行的在途快线策略相比,所提在途快线服务策略可将系统总成本降低2.7%至13.2%,显著提升系统运输效率;此外,考虑旅行时间不确定性的调度方案可将乘客平均等待时间进一步压缩0.7%至1.6%，有效增强调度策略的实际稳健性.本研究成果为构建更加灵活、高效、稳健的城市智能公共交通系统提供了坚实的理论支撑与有益的实践参考.

本文主要对区间约束线性模型中回归系数和误差方差的同时线性贝叶斯估计进行研究.首先,在参数向量的区间约束最小二乘估计的基础上构建线性贝叶斯估计;其次,在均方误差矩阵准则下分析线性贝叶斯估计的优良性质;最后,采用数值模拟和实例分析论证理论结果.结果表明：线性贝叶斯估计在均方误差矩阵准则下优于区间约束最小二乘估计,并逼近于贝叶斯估计.

本文针对电力系统状态空间维度高、枚举求解不可行及离散状态建模困难等问题,提出了一种融合分支搜索算法与Wasserstein GAN with Gradient Penalty (WGAN-GP)的两阶段可靠性评估方法.在第一阶段,将全系统划分为发电机与线路两个子系统,通过前缀扩展、上下界判据及逻辑剪枝实现对潜在临界状态的高效识别,避免了传统枚举法对全部状态的求解.针对电网传输约束,设计了基于最大流模型的线路子系统评估算法,可在不依赖潮流方程的情况下快速判断系统供电能力,从而显著提升状态分析效率.在第二阶段,本文利用分支搜索算法在状态空间中获得的高价值样本训练WGAN-GP生成模型,结合Wasserstein距离与梯度惩罚实现稳定的连续松弛训练,从而在临界域内进行样本扩充与多样性生成.实验结果表明,该方法在RBTS系统上仅需535次评估分析、6.75s即可达到98.5%覆盖率,在RTS-79系统中则于15.82s内识别出2070564个临界状态.同时,与传统蒙特卡洛仿真(MCS)相比,所提出方法在可靠性指标LOLP和EDNS与MCS结果高度一致.其中LOLP相对误差仅约1.1016%、EDNS相对误差约1.4064%,充分验证了模型在精度保持下的高效性能与稳定性.

本文研究一维热方程的时间最优控制问题.目标是使系统状态尽早进入给定目标集.本文提出一种基于深度学习的直接方法,并通过差分进化算法优化网络参数求解最优时间和时间最优控制.为了验证结果的合理性,本文采用Pontryagin最大值原理作为一致性检验.数值结果表明,得到的控制具有明显的Bang-Bang结构,与Pontryagin最大值原理得到的必要条件高度一致.在不同扰动初值下的最优时间和控制结构都保持稳定,显示出良好的鲁棒性.本文的结果说明深度学习方法可以为分布参数系统的最优控制提供一种有效的实现途径.

在分类任务中,分类准确率是评估模型预测性能的核心指标.然而,单一预测模型往往存在模型不确定性,且直接最大化分类准确率会导致NP难优化问题.为克服上述挑战,本文提出了一种以最大化预测准确率为目标的模型平均预测方法(Accuracy-maximizing Model Averaging prediction method,AccMA).该方法基于具有分类校准性的替代损失函数,通过最小化样本替代损失的$K$折交叉验证准则为各候选模型分配权重,且权重选取过程完全由数据驱动.理论分析表明,所提方法在最小化分类错误风险(等价于最大化预测准确率)的意义下具有渐近最优性.数值模拟实验验证了AccMA方法的有效性.在机器预测性维护数据、声纳探测数据和艾滋病临床试验组第175号研究三个真实数据集上的应用显示,相较于同类对比方法,该方法在提升分类预测准确率方面具有明显优势.

孪生支持向量分位数回归模型(TSVQR)不仅具有良好的泛化性能而且能捕获数据中的异质特征.在处理非线性问题时,该模型先将样本点映射到高维特征空间,然后在高维特征空间中拟合线性分位数模型.由于高维特征空间中可能存在大量冗余特征,因而,TSVQR模型易受冗余特征的影响而得到有偏估计,进而影响模型的预测性能.本文提出了混合孪生支持向量分位数回归模型(HTSVQR),该模型同时将$L_1$正则项和$L_2$正则项纳入模型的目标函数中,使得HTSVQR模型不仅具备$L_2$正则项的平滑性,而且还具有$L_1$正则项的稀疏性,从而达到稀疏估计,增强模型泛化性能和稳健目的.最后,本文通过数值模拟和江西省空气质量数据分析验证了所提模型和方法的有效性.分析结果表明,HTSVQR相较于其他模型对噪声的不同分布均表现出更好的稳健性和泛化性能.

在全球制造业服务化转型与我国“十四五”规划的战略驱动下,服务型制造作为制造加服务深度融合的新形态,对提升产业链韧性及实现双碳目标具有核心价值.其效能提升依赖微观企业、中观产业、宏观政策的多尺度协同,但现有研究面临多源异构数据融合困难、技术-组织-制度动态耦合机制建模不足、效能综合评价体系缺失等问题.为此,提出融合超网络建模、因果推理与多尺度优化的协同测度框架,构建“服务-产业-政策”三模超网络模型,结合微分方程组量化跨尺度传导机制,提出协同熵表征微观交互稳定性,动态黏性诊断中观资源适配效率的测度指标;设计非对称演化博弈策略解析中小企业（SME）与龙头企业（LE）的协同失衡,基于联邦张量分解算法实现多源数据跨模态对齐;实证分析验证了模型有效性,政策乘数效应以及服务基块组装模式可行性.模型为服务型制造的数字化转型提供坚实的理论与方法论支撑.

纵向数据广泛应用于医学、基因组学等领域,其复杂性主要体现在个体内观测间的相关性和潜在的异方差性.现有特征筛选方法多为横截面数据设计,难以直接适用于纵向数据结构.本文提出一种基于广义估计方程与期望分位数回归的超高维纵向数据特征筛选方法(GEEES).该方法通过引入工作相关矩阵刻画个体内相关性,并利用期望分位数回归捕捉响应变量的异方差特征,具有广泛的适用性.理论分析表明,在样本量趋于无穷时,即使工作相关结构被错误指定,GEEES仍能以趋近于1的概率筛选出所有重要变量.数值模拟在普通纵向数据和异方差纵向数据下均验证了GEEES的优越性.最后,将所提方法应用于一项眼科学纵向数据的分析,进一步展示了其在实际研究中的应用.

本文在局部凸空间上使用类范数基建立向量优化中的严格co-radiant分离定理,即锥和co-radiant集可以被某个Bishop-Phelps型类范数线性分离函数分离.同时利用增广$\varepsilon$-对偶co-radiant集的概念提出向量优化问题的$(C,\varepsilon)$-Benson真有效解的一个最优性充分条件,并应用严格co-radiant分离定理得到$(C,\varepsilon)$-Benson真有效解的非线性标量化刻画结果.最后,考虑不确定向量优化问题,分别建立$(C,\varepsilon)$-鲁棒Benson真有效解的线性标量化与非线性标量化结果.

大量异质信息耦合交织使舆情演化态势难以把控,探究舆情信息间耦合关联对舆情演化规律的影响,为舆情危机治理提供依据.通过系统剖析舆情信息耦合驱动演化机理,借鉴Lotka-Volterra建模思想,构建舆情信息耦合驱动演化模型,求解模型均衡点及稳定条件,进而结合数值仿真与实证分析揭示耦合作用下的舆情信息演化规律.研究结果表明,舆情信息间存在五种耦合驱动演化方式,其演化特征各异;在不同方式下,耦合驱动力与信息吸引力对信息支持者数量的演化规模、稳定时间的影响存在显著差异.

在能源转型持续推进的背景下,单一维度的风险分析已经无法全面刻画国际能源市场面临的复杂挑战.本文首先构建了一个整合经济政策、气候政策与地缘政治风险的多元不确定性综合指标,为理解复合风险的协同冲击提供了量化工具.基于该指标,通过分位数回归模型揭示了多元不确定性在不同市场状态下对能源市场的非对称影响.其次,本研究采用TVP-VAR-DY模型,系统解析了复合风险向能源市场传导的时变路径与动态溢出效应.研究发现:多元不确定性通过风险共振显著冲击国际能源市场,其影响具有时变性和非对称性特征,在金融危机、《巴黎协定》签署和新冠疫情等重大事件期间尤为突出.历史关键事件冲击显著放大了多元不确定性对能源市场的传导效应,揭示了极端风险情境下国际能源市场的结构脆弱性.本研究不仅为新兴经济体应对不确定性风险提供了动态分析工具,也为政策制定者优化气候治理框架、提升能源韧性提供了理论依据与决策支持.

当前多属性群体共识决策研究多聚焦于专家理性偏好,对社交媒体环境下公众和专家情感的量化融入以及情感在共识演化中的动态作用机制关注不足.为此,本文提出一种融合多元主体情感计算的多属性群体共识决策模型.首先,基于BERTopic模型与SnowNLP情感分析,从公众意见中提取属性并量化其情感倾向,构建融合意见与情感的属性权重确定方法;其次,设计社会影响力与情感极性协同驱动的专家动态权重分配机制,利用PageRank算法衡量影响力,结合情感传播迭代,实现专家权重的自适应更新;随后,建立融合情感极性与偏离度的动态反馈调整模型,促进群体共识高效达成;最后,通过养老服务方案选择的案例进行验证,并与多种方法对比,结果表明该模型在提升决策科学性与结果稳健性方面具有显著优势.

如何有效降低估计误差影响一直是运用均值方差模型构建高维投资组合的重要问题.本文从既注重估计风险缓解又关注次优解风险控制的视角探究正则化高维投资组合构建问题,创建了可融入投资者个性化仓位偏好的广义仓位约束,并藉此建立高维投资组合正则化模型框架以在缓解估计风险的同时降低次优解风险,从而可更好缓解估计误差的影响.此外,新模型的求解算法及调优参数选定建议也被给出以便使用.将新模型分别应用于仿真数据和境内外多个重要金融市场真实数据的仿真实验与实证分析表明:新模型不仅在降低高维投资组合风险和换手率,及提高夏普比率上都优于现有高维投资组合正则化模型,还能使所得投资组合拥有更灵活多样的稀疏性结构;同时一些可作为投资组合管理策略制定的实证新依据也被发现.

随着保险业务之间的关联性日益凸显,如何在有限资金下平衡投资于损失预防和购买再保险,成为保险公司风险管理的核心问题.当前关于相依风险下损失预防与再保险联合动态优化的研究不足.本文针对相依风险下的动态资金分配问题,构建了一个融合Thinning相依索赔模型与随机控制的决策框架,在最大化终端指数效用目标下,通过建立并求解HJB方程,得到了最优资金分配策略.研究发现:保险公司的风险厌恶程度是决定其策略选择的关键,风险厌恶较低时优先投资损失预防,较高时则增加再保险比例以转移风险;同时,准备金规模与索赔概率亦显著影响决策,资金充裕或索赔概率较高时,损失预防的边际效益提升,促使保险公司更倾向于通过预防措施主动管理风险.本研究为保险公司在业务相依场景下的动态风险资源配置提供了理论依据与决策参考.

基于不确定环境,同时考虑决策者风险规避与顾客时间偏好行为,研究全渠道库存与订单履行策略问题.为解决不确定参数概率分布信息的不确定性,以及顾客的服务水平要求,提出了带有联合机会约束的分布式鲁棒优化模型,通过对偶理论和CVaR近似将模型转化为易于处理的混合整数线性规划模型.通过数值算例验证所构建模型与求解方法的有效性.研究结果表明:与传统的随机优化模型相比,分布式鲁棒优化模型具有更好的样本外性能;相较于WMCVaR准则,WMQD准则在风险度量方面具有更好的绩效水平;产品流行期延长以及短期和长期因子增大,都会使目标函数值增加;同时采用SFS和BOPS策略不一定总是优于采用单一履单策略;预设服务水平能够对零售商的运营绩效产生重要影响.

绿色全要素生产率（GTFP）是衡量区域绿色转型的核心指标，创新链、产业链、资金链“三链”协同是其提升的关键。本文基于2011-2022年中国30个省份面板数据（西藏自治区因数据缺失未纳入），综合运用复合系统协同度模型、超效率SBM-DEA与fsQCA方法，探究三链协同驱动GTFP提升的组态路径与区域异质性，尝试破解三链协同度与GTFP区域排名倒挂的悖论——东部协同度最高但GTFP增长并非最快，而西部相反。研究发现：GTFP提升依赖三链协同的系统性组态效应，二者呈现组态层面的非线性关系，协同质量优于协同数量；识别出三链协同型、创新-资金双轮型、产业-资金双轮型、创新-产业双轮型四类等效路径；三链协同驱动GTFP呈现“规模驱动$\rightarrow$创新主导”的动态演化特征，且四大区域路径异质性显著。本文揭示了三链协同驱动GTFP的组态逻辑，为各区域优化三链协同模式提供了差异化政策启示。

利用大语言模型进行疾病诊断,能有效提高诊断准确率、降低技术门槛和诊断成本,其应用效果很大程度上取决于提示工程.由于疾病诊断任务具有临床诊断经验依赖、异病症状相似和诊断决策路径复杂的特征,现有主流提示方法难以满足精确诊断的医疗需求.本文针对疾病诊断的问题特征,提出一种面向疾病诊断的大语言模型多代理知识增强提示方法(Multiagent Knowledge-enhanced Prompt,MKP),该方法提出知识检索策略解决临床诊断经验依赖的问题,构建多视角推理策略解决异病症状相似的问题,设计决策融合策略解决诊断决策路径复杂的问题.通过三个真实的疾病诊断数据集进行测试,验证了MKP方法与现有主流提示方法相比在疾病诊断任务中具有显著优势,为智能医疗领域提供新的技术和方法.进一步对MKP方法的关键参数进行稳健性检验,得出最佳参数设置,为MKP方法的临床部署提供实践支持.

在绿色低碳转型背景下，针对区域低碳创新网络韧性动态特征的研究存在缺口，本文基于2016—2023年中国31个省域内企校机构的低碳专利数据构建网络，结合级联失效模型，从抵抗力、恢复力、创新力三个维度量化韧性；采用Kernel密度估计、标准差椭圆、基尼分解及$\sigma$和$\beta$收敛性检验进行时空演化分析，并构建随机森林模型揭示双失效情景下的影响机制。结果表明：（1）双情景下韧性均呈“调整—稳定—提升”三阶段演化，区域异质性形成“核心—边缘”四梯队；（2）空间上，两类失效均呈集聚特征，但地理格局分异显著；（3）影响因素呈“要素—结构”双轮差异化驱动，随机失效下内部结构变量主导，蓄意失效下外部环境变量为关键。据此，提出分情景施策、差异化空间治理及健全双维支撑体系的政策建议。

供应商合规是供应链风险管理的重要内容,不合规行为会引发供应链中断与声誉危机,审计是制造商识别合规供应商的有效手段.为此,本文针对单一制造商与单一供应商构成的供应链,研究制造商应选择内部审计(依靠自身资源)还是外部审计(委托第三方机构)对供应商合规问题进行监管,并考虑外部审计中第三方与供应商的合谋对审计策略选择的影响,探讨审计方式能否实现供应链成员双赢.研究表明:(1)无合谋情形时,制造商的审计策略选择由内部审计成本决定,且第三方审计保留利润超过阈值时制造商从外部审计转向内部审计;(2)有合谋情形时,高合谋惩罚下供应商选择不与第三方审计机构合谋,审计策略选择仍由内部审计成本决定;低或中等合谋惩罚下存在合谋行为,审计策略选择受内部审计成本与合谋惩罚力度共同影响,低惩罚时制造商优先选择内部审计遏制合谋,中等惩罚时则仍由内部审计成本主导审计策略选择.

区块链技术的应用提升了新能源汽车动力电池的产品追溯水平并刺激了消费需求，但也加剧了消费者对于隐私泄露风险的担忧.本文构建了由动力电池供应商、新能源汽车整车制造商和消费者组成的供应链模型，分析比较消费者处于不同类型时，区块链应用主体的最优定价决策.研究表明：（1）当消费者处于风险中立型时，虽然电池供应商应用区块链技术能增加电池回收量，但不利于市场需求量的增加，并且需求量增益和回收量增益需同时满足相应阈值条件，才可以使应用区块链技术的企业利润增加；（2）当消费者处于风险规避型时，各主体应用区块链技术的优势不会受到消费者风险规避的影响，但其利润增长条件会受到市场中风险规避型消费者占比的影响；（3）无论消费者类型占比大小如何，风险规避造成的损失程度提高均会系统性地抑制所有模式下的市场需求量与电池回收量，并且企业的利润随着风险规避造成损失程度的加剧呈现先降低后增高的U型曲线变化.

本文研究了具有共同冲击相依的保险人和再保险人间的非零和再保险和投资博弈问题.假设保险人向再保险人购买比例再保险来分散风险,并且保险人和再保险人的索赔业务具有共同冲击相依性.此外,保险人和再保险人都允许投资于无风险资产和风险资产,其中风险资产的价格过程由平方根因子模型所描述.二者的目标为最大化自身终端时刻相对财富的期望指数效用.在非零和博弈的框架下，运用动态规划原理，建立了耦合的Hamilton-Jacobi-Bellman方程.进而,得到了再保险双方均衡再保险和投资策略的显式解.最后给出一些数值算例,说明了模型参数对最优策略的影响.结果发现:竞争系数对双方的再保险决策具有显著的影响.共同冲击强度参数对再保险人的承保意愿产生负面影响,但对保险人的再保险需求具有正向影响.

“公司+农户”订单模式的高违约率严重制约我国农业现代化的健康发展,其根本原因在于农产品供应链的协调不足.本文建立“公司+农户”型的两级农产品供应链stackelberg模型,并考虑公司的服务水平,分析公司利他偏好行为下的成本分摊契约对农产品供应链绩效和社会福利的影响.其次,通过理论分析和数值模拟,确定实现农产品供应链协调的具体条件,弥补单纯利他偏好或单纯成本分摊契约在协调中的缺陷,并论证二者结合的协同增效作用,得出以下结论:(1)公司利他偏好行为通过价格调整与服务优化实现了“供应链效率”与“社会福利”的双重改进;(2)利他偏好下的成本分摊契约可以提高公司的服务水平并刺激农产品市场需求;(3)具有利他偏好的成本分摊契约可以实现农产品供应链的有效协调.最后,基于研究结论提出分别针对公司、农户和政府的三点启示,为“公司+农户”型农产品供应链的协调发展提供新的理论视角与实践指导.

本文研究两个竞争的保险人与两个竞争的再保险人之间主从随机微分博弈下的再保险合同制定问题.两个保险人的索赔过程满足复合泊松过程,通过索赔过程中共同的泊松过程体现两个保险人保险业务之间的相依性.通过相对财富,本文分别量化两个保险人以及两个再保险人之间的竞争.基于均值-方差准则,我们分别建立两个保险人之间以及两个再保险人之间的两种非零和随机微分博弈,进而建立两个保险人与两个再保险人之间的主从随机微分博弈,两种非零和随机微分博弈嵌套在两种主从随机微分博弈.基于随机控制理论和博弈的思想,求得保险人的最优时间一致的索赔风险分担策略和再保险人的最优再保费定价策略,进而得到最优时间一致的再保险合同.最后,通过数值实验探究竞争程度、风险厌恶程度和两个保险人保险业务的相依性对理论结果的影响,得到一些新的启示.