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.

本文基于2011年至2021年78家城市商业银行和农村商业银行平衡面板数据，采用固定效应模型检验数字普惠金融对区域商业银行经营绩效的影响。结果表明：两者间存在显著负向关系，这一结论经过内生性处理和稳健性检验后仍然成立,说明当前竞争挤出效应仍然影响较大。进一步通过调节效应和门槛效应分析表明，数字普惠金融技术溢出效应驱动区域商业银行业务创新和提升风险承担能力，减弱了两者负效应，且风险承担调节效果更加显著；门槛值参数估计结果显示，业务创新对农村商业银行负向收敛调节效果更加显著，风险承担对城市商业银行负向收敛调节效果更加显著。本文研究结论对区域商业银行数字化转型及区域经济的可持续健康发展具有重要的实践启示。

为了解决具有可变输入时滞的大规模二阶多智能体集群编队控制问题, 本文提出了一种基于状态观测器的局部分段控制策略. 首先, 基于链式拓扑结构特征以及期望位置信息, 反向运用差分策略, 将离散多智能体连续化, 推导出含阻尼的二阶波方程模型等效替代传统且繁琐的常微分方程组(Ordinary Differential Equations, ODEs); 其次, 围绕可变输入时滞的固有约束, 考虑领导者与跟随者的交互机制, 构建具有时滞补偿特征的误差状态观测器; 再次, 基于估计的领导者动力学特性, 提出分段局部控制策略, 并在线性矩阵不等式(Linear Matrix Inequality, LMI)的框架下, 融合Lyapunov-Krasovskii函数, Writinger不等式的变式, Jensen不等式以及Halanay不等式, 推导出能够保证误差系统稳定的充分条件; 最后, 分别在二维与三维空间进行对比仿真, 成功验证所提出编队控制方法的有效性.

针对机械臂控制通常忽略执行器动态特性的问题,提出了将机械臂本体和永磁同步电机作为整体进行控制.为了提高机械臂系统运行时的动态性能与稳态性能,设计了递归动态面滑模控制方法与动态扩张误差端口哈密顿方法的协同控制策略.通过研究对比了柯西函数,高斯函数,双曲正切函数和Sigmoid函数.研究结果表明双曲正切函数性能最优,并将双曲正切函数将应用于协同控制策略中,该函数同时考虑了位置误差和速度误差的影响.针对系统中存在的外部扰动以及摩擦项,将两者视为集总扰动,设计了扩张状态观测器(ESO)进行观测并补偿到控制器中.最后通过仿真验证了协同控制策略和控制器可以使机械臂系统同时具有快速的动态性能和准确的稳态性能,并提高了系统的抗干扰特性和鲁棒控制性能.

针对电力现货价格时序的高波动性和复杂性，研究提出了基于小波变换与轻量级梯度提升决策树(Light Gradient Boosting Machine,LGBM)的组合预测模型。通过引入滚动时间窗口与小波变换实现电力现货价格序列的动态多尺度分解，提取各频率特征以降低其模态复杂性的同时还可以有效规避数据泄露问题。研究利用LGBM算法的复杂非线性特征提取能力进行预测建模。为了验证模型的有效性，研究采用山西省电力现货市场数据对提出的组合预测模型进行实证分析。结果表明：本文提出的动态分解组合预测模型在均方根误差、平均绝对误差和决定系数等多个关键性能指标上均优于长短期记忆模型、支持向量机、弹性网络回归模型以及极致梯度提升模型等主流预测方法，其中决定系数R²达到0.9792，表现出较高的预测精度。同时，本文所提模型在不同市场条件下均表现出稳健性和适应性，为电力市场参与者提供了可靠的预测工具，有助于优化交易策略、降低市场风险。

自动生产线融入故障智能诊断报警技术能避免因故障带来的生产中断和经济损失. 传统的故障诊断方法通过机器视觉等技术采集反映机械疲劳故障的物理特征数据进行预测, 但复杂工况中存在的大量噪声导致基于该方法的高精度故障诊断需要大量成本. 因此, 本文提出一种基于产线数据挖掘故障潜在发生规律并实现预测预警的方法. 首先, 基于生产线直接产量数据构造五类泛化性较高的衍生特征变量对故障进行表征; 其次, 基于近邻欠采样平衡故障数据稀缺现象, 并构建CNN-LSTM-Attention模型进行故障诊断与预警; 最后, 利用10条生产线共计7500万条数据进行数值实验, 并于传统机器学习、CNN和LSTM模型进行对比验证. 实验结果表明, 该模型预测精度为99.97%, 证明在不依赖机理特征的情况下, 能够有效实现数据挖掘与特征工程层面的生产线故障诊断与预警.

随着智能出行和共享经济的发展, 出行即服务(Mobility-as-a-Service, MaaS)平台逐渐发展成为现代交通系统的一部分. MaaS平台的成功依赖于平台运营商与运输服务提供商之间的数据共享, 但如何平衡共享的程度与质量、协调各方利益, 仍是一个重要挑战. 本文旨在分析MaaS模式下的数据共享问题, 重点探讨数据共享程度和数据共享质量对系统效益的影响. 为此, 本文构建了由一个MaaS平台运营商和一个运输服务提供商组成的交通系统, 并基于微分博弈理论, 分析了三种不同博弈情境下各参与者的最优策略和收益. 结果表明, 当收益分配系数满足一定条件时, 从Nash非合作博弈到Stackelberg主从博弈, 再到协同合作博弈, 对各参与者和交通运输系统整体来说是一种帕累托改进. 此外, 补贴激励和协同合作机制均能有效提高MaaS平台运营商和运输服务提供商的数据共享效率, 进而提高双方及系统整体的收益.

针对属性评价信息为概率语言术语集的群体决策问题, 本文提出一种社会网络下基于Jensen-Shannon 距离的多属性决策新方法. 该方法首先构建信任-共识-犹豫度驱动的社会网络, 基于此, 结合PageRank 算法和首因效应设计动态决策者影响力模型, 并建立个体意见演化模型以促进群体共识达成. 其次, 定义概率语言Jensen-Shannon 距离量化评价信息的差异. 随后, 引入公平原则和离差最大化思想, 构建非线性优化模型确定属性权重. 进而, 计算并集结与平均解的加权Jensen-Shannon 距离, 据此提出一种多属性方案排序方法. 最后, 通过算例分析验证所提方法的合理性和有效性.

股权融资可为企业带来资金、技术以及渠道等方面的优势,是企业赢得市场竞争、实现快速成长的重要战略手段.本文构建了两个成长型零售商均采取股权融资进行市场开拓的Bertrand竞争模型,分析零售商股权融资对市场竞争的影响机制,以及供应商博弈下零售商股权融资和市场竞争策略的变化.研究发现:两个零售商同时采取股权融资进行市场开拓减缓了市场竞争,并存在一定的市场开拓“溢出效应”,竞争对手可通过加强竞争力获取高成长性零售商市场开拓的部分收益.供应商的博弈行为抑制了其链条中零售商的股权融资和市场开拓,但对零售商竞争对手的影响取决于链条中零售商的成长性.此外,零售商的市场开拓还存在“市场竞争传递效应”,具有市场开拓优势的零售商的小幅变动,会通过市场竞争传递到竞争对手供应链,导致其发生较大波动.

考虑中美汽车产业积分政策差异,在企业平均燃料消耗量规制、企业平均燃料消耗量与新能源汽车积分单独管理规制及双积分政策三种情境下,构建汽车制造商双寡头古诺博弈模型,求解并对比了不同情境下的最优决策,得到如下结论:积分单独管理规制在推动新能源汽车产量提升、抑制燃油汽车生产以及提升总产值方面的作用效果稳定,不受政策参数的影响,而双积分政策的作用效果只有当积分交易价格高于某个阈值时才能释放.双积分政策能够通过积分价格信号的调整,达到比积分单独管理规制更好的政策效果,因此,双积分政策展现出更高的灵活性和适应性.两种积分政策都有助于降低新能源汽车的价格,从需求侧引导消费者的绿色购买行为.政策对不同市场参与者的影响具有异质性.积分单独管理规制有利于新能源汽车制造商,而当积分价格足够高时,双积分政策对传统制造商的激励更强.给予新能源汽车一定的核算优惠,双积分政策更易于跨越最低积分交易价格的“死亡之谷”.研究有助于深入剖析汽车产业积分政策的微观与宏观作用机理,为双积分政策的优化和完善提供参考借鉴.

计算机试验在科学研究和工程设计领域应用广泛.其前期阶段通常涉及大量因子,此时设计的低维空间填充性质是识别活跃因子的重要保证.基于效应稀疏和效应等级原则,研究者提出投影分层型以衡量设计的1维至全维度的投影分层性质,并有效地筛选出具有低维空间填充性的设计.但当试验规模较大时,其所需的计算量将指数级增长.本文提出了计算复杂度更低的投影分层性度量,即极大投影分层枚举器.该枚举器可表示为投影分层型的线性组合形式,且可发展出极大投影分层型的一种快速求解方法.此外,本文还给出了极大投影分层枚举器取值下界相关的理论结果,以及极大投影分层设计的数值构造方法.

针对总体分位数的非参数区间估计问题,文章采用分位数排序集抽样方法,提出了总体分位数的非参数估计量,证明了新估计量的强相合性和渐近正态性,并构造出总体分位数的置信区间.根据置信区间的长度,计算了推荐抽样下和标准排序集抽样下置信区间分别与简单随机抽样下置信区间的相对精度.针对置信区间的表达式中含有未知概率密度函数值的问题,采用核密度估计方法,构造了总体分位数的近似置信区间,模拟计算了区间的覆盖率和精度.研究结果表明:分位数排序集抽样下区间的覆盖率和精度都高于标准排序集抽样下和简单随机抽样下相应区间,并且推荐抽样方法弥补了标准排序集抽样方法在极端分位数上的不足.最后,针叶树数据的实际分析结果验证了理论研究结果的正确性.

在动态网络链路预测研究中,全面准确地提取节点信息,深入理解网络的时间演化规律尤为关键.针对这一问题,本文考虑了复杂高阶网络中超图神经网络的时序链路预测,旨在利用超图结构捕捉节点之间的高阶关系和时序变化.在网络的演化过程方面,将网络划分为多个时间戳进行研究;对于每个快照,首先,构建超图并生成其邻接张量,对其进行高阶奇异值分解,并将特征张量映射到低维潜在空间中;其次,将超图神经网络扩展到张量学习,聚合得到节点间的潜在特征交互信息;最后,通过融合序列超图和子图的特征信息,计算连边概率,实现动态链路预测.本方法在保持高阶邻近性和网络一致性的同时,还融合了全局信息,实现了对不同潜在子空间的联合学习,有效提升了动态链路预测精度.为了验证所提出方法的有效性和实用性,基于三个数据集对算法进行了实验,结果表明,与主流的静态和动态链路预测算法相比,本方法不仅表现更为出色,还能够识别热门话题和趋势,有利于及时调整和优化信息传播策略,从而提升用户的粘性和活跃度.

本文针对一阶线性不确定系统,研究了以饱和函数和以ReLU函数为激活函数的循环神经网络控制器的稳定性和鲁棒性.给出了闭环系统收敛到非零目标值的必要条件以及指数稳定的充分条件,定量刻画了状态初值、目标值以及对象未知参数鲁棒性范围与控制器参数之间的关系,分析结果表明以ReLU函数为激活函数的RNN控制器的鲁棒性更强.

私有化改革被视为减少公立医疗体系等待时间的有效策略.本文着重探讨两种私有化改革模式:一是竞争模式,即允许私立医院进入市场与公立医院竞争;二是合作模式,即公立医院与私立医院为实现共同目标而协作.本文采用排队模型刻画患者的问诊过程,分析不同私有化改革下公立医院与私立医院的服务速率与诊疗价格调控,并研究不同改革模式对医联服务覆盖的患者数量、患者等待时间、患者效用及社会整体福利的影响.研究发现,竞争模式能够显著缩短患者等待时间,进而扩大医疗服务覆盖的患者数量,提升患者效用和社会福利;而合作模式虽然也能减少患者的等待时间,但在提升患者数量、患者效用以及社会福利方面则表现出不确定性,只有在公私合作医院的服务容量较大或私有化程度较高时,才能有效促进医疗服务覆盖的患者数量、患者效用以及社会福利的提升.最后,私立医院在选择合作或竞争模式时,主要取决于政府给予公立医院的补贴率以及公私合作医院追求自身利益的私有化水平.具体而言,当补贴率或私有化水平较高时,私立医院更倾向于选择合作模式;反之,则更倾向于选择竞争模式.

信用风险评估可以被视为一种不平衡的二分类问题.本研究进一步拓展了数据包络分析(Data Envelopment analysis，简记为DEA)前沿面在信用分析这一分类问题中的应用.针对现有研究中DEA前沿面分类方法的不足,如对异常值敏感,过度拟合以及未考虑各类别之间的偏好等问题,提出了一种相对混合支持向量前沿方法,以改进上述不足并进一步提高分类表现,从而更好地识别违约类样本.通过在发放银行贷款的信用风险分析数据集以及台湾某银行信用卡客户违约数据集上的验证,结果表明:1)所提出的相对混合支持向量前沿分类方法在分类性能方面具有竞争力,至少不劣于DEA前沿面分类方法.2)相对混合支持向量前沿分类方法能在一定程度上解决DEA型前沿面的过度拟合问题.3)相对混合支持向量前沿分类方法受不平衡数据集影响较其他经典分类模型小且能更好地识别少数类.同时,本研究为机器学习与前沿分析交叉领域的发展提供一定的理论参考价值.

提高区域物流竞争力水平是优化省内区域物流资源配置、保障区域物流产业持续发展的重要途径.为科学精准地评价区域物流竞争力,提出一种基于多参照点前景理论的区域物流竞争力犹豫模糊评价方法.首先,利用犹豫模糊元(HFE)描述多时段采集评价数据不一致特点,以确保评价有效数据的完整性.其次,考虑竞争力评价中蕴含的非线性特征及评价需求,运用前景理论对评价数据进行转化,构造综合前景矩阵.在此基础上,为解决评价过程中参照点设置的单一性,借鉴PROBID多级参照思想,将所有被评对象指标数据设为优劣势度参照点,实现多级参照.而后,结合区域物流竞争力评价需兼顾被评对象的整体性及其各属性下的强弱势度,采用PWR将被评对象性能以强弱比值形式表达.最后,将该方法应用于西南城市群中五个省份的区域物流竞争力评价,通过实例验证该方法实际应用上的可行性和有效性.

多中心限量弧路由问题(Multi-depot Capacitated Arc Routing Problem,MDCARP)是基本CARP (Capacitated Arc Routing Problem)的重要扩展模型,任务可归属于任一中心点,较CARP更为复杂.大规模MDCARP (Large Scale Multi-depot Capacitated Arc Routing Problem,LSMDCARP)在问题结构以及解空间等方面均极具挑战性.虽然RoCaSH2在较大规模的MDCARP测试集上,取得了较其他算法好的结果,当问题规模上升至一定程度后,子CARP亦呈规模较大状态,其性能会受到其子CARP求解过程的影响.鉴于此,本文在该算法的基础上,设计了一种基于多分治策略的LSMDCARP求解方法MDCSbA (Multiple Divide-and-Conquer Strategies based Approach),其中分治策略分布于MDCARP的分解、子问题间的协同以及子问题的分解,寻求在多个环节上降低问题的复杂性.为了验证MDCSbA对于LSMDCARP的有效性,在规模至3584的测试集上进行了验算,结果表明本文算法在相同的计算时间内,效果明显优于包括RoCaSH2在内的其他算法.

现有的成本补偿机制大多基于传统交叉效率方法提出,其效率范围均在0和1之间,导致成本补偿机制无法实现双向激励,不利于企业的绩效改进.自评效率由于被评DMU能够自由地选择权重从而会出现高估自身效率的问题.在交叉效率集结的过程中,决策单元虽然同时考虑了自评和他评之间的最优权重,但最终效率集结时自评效率比重占比过低,导致自评价值不能充分体现.针对该问题本文首先提出改进交叉效率模型,将他评看作一个整体即综合他评,并用CRITIC权重法修正自评和综合他评的占比,解决自评效率比重占比过低的问题.其次引入合作博弈,考虑DMU之间的竞争与合作关系,利用Shapley值进行交叉效率的集结,提出一种改进合作博弈交叉效率的方法.最后以中国135家专精特新上市企业为例,将本文模型与传统模型进行对比,结果显示本文模型具有更大范围的正向激励效应,综合考虑了自评和综合他评的效率,解决了自评效率比重占比过低的问题,使成本补偿激励机制具有一定的公平性和实用性.

子系统码是量子纠错理论的重要研究问题之一.通过将主动错误隔离到两个子系统中,从而有效地保护量子信息.这是一种相对较新的量子纠错码.本文利用有限非链环R_s上常循环码的定义集和分圆陪集理论,构造出三类极大距离可分(MDS)的量子子系统码,并且通过与已知的MDS量子子系统码比对可知,本文构造的这些MDS量子子系统码具有新的参数.

本文通过将自适应bridge应用于ADF单位根检验式,把单位根检验问题转化为模型的变量选择问题,提出了一种区分单位根和平稳序列的新方法.理论分析证明,自适应bridge正确判断出单位根的概率随着样本量的增加而趋近于1;而对于平稳序列,自适应bridge所得的估计量具有渐近正态性.同时,通过自适应bridge对回归式中一阶差分滞后项进行变量选择,也同步实现了滞后项阶数的确定.进一步地,为了提高自适应bridge的有效性,使用一种修正的BIC准则来进行参数的选择.模拟实验表明,与ADF单位根检验、Caner和Knight (2013)的方法相比较,这种方法能更准确地区分单位根和平稳序列,因而可以成为单位根检验的另一个良好选择.

加密数字货币“挖矿”活动耗能巨大,这将触发加密数字货币市场与能源市场潜在的交互影响机制.当前,各类突发事件频发,给全球金融市场带来了巨大的冲击,金融市场之间的风险传递也随之加剧.文章首先运用TVP-VAR扩展联合关联性方法度量加密数字货币市场和能源市场间的总溢出水平.接着,运用时变因果分析方法和分位数对分位数回归方法,研究突发事件对加密数字货币市场与能源市场之间的风险溢出水平的影响机制,剖析新闻媒体报道(疫情媒体报道率和俄乌冲突新闻情绪)和不确定性因素(地缘政治风险和经济政策不确定性)对两个市场之间总溢出水平的影响程度和影响方向.最后,通过实证分析发现:第一,在中美贸易摩擦、新冠疫情和俄乌冲突期间,两个市场之间的总溢出水平明显增强,其中在新冠疫情期间达到了顶峰.第二,不同突发事件对总溢出的影响机制是不同的.具体包括如下三种情形:在中美贸易摩擦期间,地缘政治风险对两个市场之间的总溢出水平有显著的因果影响,且在高分位数上是正向影响;在新冠疫情期间,疫情媒体报道率和经济政策不确定性指数都对两者之间的总溢出水平产生了显著的因果影响,且是在高分位数上是正向的影响;而在俄乌冲突期间,俄乌冲突新闻情绪指数并没有对两个市场之间的总溢出水平产生显著的时变因果影响,但分位数回归却发现了其在高分位数上的负向影响.从影响的程度上看,疫情媒体报道率对加密数字货币市场与能源市场之间的总溢出水平的影响最强.

针对大规模、不规则的多色服装裁剪分床计划(Multi-color Cut Order Planning,MCOP)问题,提出了基于深度强化学习和多目标粒子群的复合优化算法.首先,以生产误差和生产成本为优化目标,结合设备数量、铺布层数等约束条件,建立了MCOP多目标优化模型.其次,设计了基于双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient,TD3)的裁剪分床全局优化求解策略,构建了TD3算法的马尔可夫决策过程,并设计了基于误差和成本的奖励函数求解得到全局解.再者,提出了基于线性解耦的多目标粒子群裁剪分床局部优化算法,设计线性规划解耦策略实现尺码组合矩阵与铺布层数矩阵的快速解耦计算,有效提高求解精度和速度;同时,通过精英档案策略得到MCOP问题的Pareto最优解.最后,通过实际案例和算法对比实验验证了所提方法的可行性和优越性,可为服装企业提供良好的参考价值.

本文研究了一种具有动态归并功能的非线性多智能体系统一致性.首先为系统创建了满足动态归并功能的动力学模型.其次引入节点相似性度量,设计了一种可解释性强的启发式网络拓扑生成策略,为动态归并过程中的智能体提供通信方案.再次结合脉冲机制与饱和效应,为系统设计了一种满足控制器功率受限约束的饱和脉冲控制协议,并采用李雅普洛夫稳定性和矩阵测度理论分析方法,得到了系统实现约束一致性的充分条件.最后通过一系列仿真实验和与相关文献的对比分析,验证了所提理论的有效性、实用性和优越性.

针对现有群组DEMATEL (Decision-making trial and evaluation laboratory,决策试行与评价实验室)在决策过程中未考虑专家意见可靠性、专家信息交互机制设计不尽合理等理论缺陷,提出一种交互型群组DEMATEL决策方法.首先,引入可靠性共识概念并以此作为交互驱动因素,解决了单一共识阈值作为驱动因素导致的群体思维、意见操纵和群体智慧发掘不足等问题;其次,构建了基于RCGA (Reliability consensus gap analysis,可靠性共识系数差距分析)的专家意见交互机制,该机制可以有效识别意见尚未充分交互的专家个体并在尊重其修正意愿的基础上为不同专家提供对应交互策略;然后,通过专家个体在交互过程中对决策信息可靠程度和共识水平提升的贡献程度设计重更新模型并计算专家群组决策信息矩阵;接着,给出交互型群组DEMATEL决策方法的实现步骤.最后,通过对云南省某医院智慧健康医疗服务可及性问题进行分析,验证了该方法的科学性与有效性.

针对重大工程土石方开挖量大、强不确定性和动态性等特点,提出土石方综合利用方式和消纳场动态选址策略,进一步考虑土石方平衡、开挖顺序和施工机械效率,并以工程期望总利润最大化为目标,构建面向综合利用的重大工程土石方消纳场动态选址-调配两阶段随机规划模型.根据所构建模型的结构特征,设计基于样本均值近似方法的改进Benders分解算法,并引入两种改进策略以加快算法的收敛速度.最后利用不同规模的数值算例进行测试,实验结果表明所提出的综合利用方式及消纳场动态选址策略可以提高土石方利用价值并减少成本,两阶段随机规划模型可以有效刻画挖方量的不确定性,且所设计的精确算法可以快速求解该问题.研究成果可为制定面向综合利用的重大工程土石方消纳场动态选址方案和精细化调配计划提供决策依据和算法支撑.

在我国“双碳”战略目标下,积极践行ESG (环境、社会和公司治理)理念成为实现企业和其利益相关者可持续发展的关键.在制造商实施绿色设计背景下,基于生产补贴和成本补贴两种不同补贴模式,构建了制造商未考虑/考虑ESG的四种低碳供应链博弈模型,分析了政府补贴及制造商ESG行为对低碳供应链运作、环境及社会福利等的影响.研究表明,消费者绿色设计敏感系数及绿色设计的成本降低系数的增大均有利于激发制造商的ESG实践动机,刺激政府加大补贴力度.政府补贴的增加有利于提高低碳产品绿色设计水平,且制造商的ESG行为在一定程度上会强化补贴的正向影响作用.制造商的ESG行为始终有利于改善零售商及低碳供应链系统整体的绩效、提高社会总福利,但未必有利于降低环境影响.ESG视角下,政府实施成本补贴的效果更佳.

基于图的半监督降维是一类利用数据结构图来处理半监督降维问题的方法.然而目前大多数此类算法使用的结构图仅关注数据信息而忽略类标签信息;且在训练过程中并未考虑样本之间的差异性,这降低了算法在噪声或异常值情况下的稳健性.对此,本文结合稀疏表示与自步学习,提出一种利用稀疏判别图求得线性降维映射函数的自步学习器.首先,该方法在数据的稀疏表示的基础上,融入了类别标签的传播,以此构建稀疏判别图;然后考虑低维数据与其类锚点之间的距离,以及低维数据保持原高维数据的判别性稀疏结构的能力,并在此基础上构造了相应的自步学习降维问题.一方面,所提方法构建了稀疏判别图,能更有效提取数据中蕴含的判别信息;另一方面,所提方法基于自步学习机制,可以自动计算训练数据的重要度值,抑制不可靠数据或标签的负面影响,提高模型对噪声或异常值的鲁棒性.5个实验数据集的结果验证了所提算法的有效性.

针对考虑依赖跑道的多目标航班排序问题,提出了一种改进多目标重启变邻域搜索算法.该算法提出了一种基于滚动与交换的启发式初始化方法,在构造初始解时考虑了多个航班对方案的影响,增加了初始解跳出局部最优的概率.设计了基于邻近延误反馈的变邻域搜索策略,根据航班附近的延误情况选择被调整的航班以及调整策略,提高了算法的搜索速度与局部搜索深度,并增加了重启算子,避免算法过早收敛.最后,通过不同规模下的30个公开算例,将本文算法与探索性扰动搜索算法,迭代模拟退火算法,启发式非支配排序遗传算法,基于滚动时域控制的大邻域搜索模拟退火算法等现有求解航班排序问题的算法进行对比,得到解集的反世代距离,超体积比率均有更好的表现,验证了所提算法在多目标航班排序问题上的优越性和稳定性.

本文结合一致性协议下的分布式能控性能,对有向图、无向图和符号图进行了较为系统的比较分析,探究了边的方向和权重对性能实现的影响规律,为理解复杂网络结构与动态行为之间的关系提供了新的视角.在节点个数相同的情况下,阐述了有向图的拓扑结构个数较无向图呈指数递增,这是由有向边有三种可能的指向以及在此基础上叠加的领导者的个数和位置的多样性导致的.有向图在拓扑结构的复杂性上与无向图的这种差别,使得对有向图性能的判定迥异于无向图.提出的一个新的等价划分方法$\pi^\ast$,实现了四节点有向图性能的完全刻画,解决了四节点无向图性能判定的局限性,进而,对多于四个节点的任意个数节点构成的有向图,构造了一大类由任意个数节点构成的不能控有向图.证明了在一定条件下通过$PBH$判据才能建立有向图性能的判定条件,并发现一种新的可以影响系统能控性的方法.将对有向路图的研究衍生到以此为基础的更一般图中,并将划分$\pi^\ast$进一步应用于该一般图以建立其与零迫集的联系,挖掘了一大批量能控且可镇定的一般图并通过数值模拟验证了结果准确性.

趋势滤波是一种广泛应用于从时间序列数据中提取长期趋势和去除短期噪声的方法.为了准确捕捉潜在趋势的全局变化规律和局部波动,本文基于刻画稀疏性的本原函数提出带复合$\ell_0$约束的广义趋势滤波(L0CTF)模型并分析其最优性理论.复合$\ell_0$函数的组合属性和不可分性导致求解L0CTF模型是一项极具挑战的任务.为此,基于复合$\ell_0$约束的特点,我们将L0CTF模型转化为含第一类特殊有序集的混合整数规划问题并分析其与L0CTF模型在全局最优解意义下的等价性.最后,在模拟数据集和真实数据集上的实验结果表明所提方法在提取潜在趋势方面优于主流的趋势滤波方法.

在充电服务市场机制作用下，各充电站制定了歧视性服务价格方案，理性的物流电动车司机很有可能舍近求远前往价格较低的充电站进行充电，这将影响配送效率和顾客满意度.在此背景下，本文基于同城物流场景，研究了考虑充电价格差异和顾客满意度的多中心多目标电动车辆路径问题.首先，考虑车辆载重、行驶速度和车辆特征参数等因素对电动车能耗的影响，建立了电动车能量消耗模型；其次，以固定使用成本、配送时间成本和充电成本构成的配送总成本最小化，以及顾客平均满意度最大化作为优化目标，构建多中心电动车路径规划模型；然后，基于配送时间是影响顾客满意度的主要因素，因此将顾客平均满意度目标转化为送达时间窗约束，使多目标优化问题转化为单目标问题；为求解该模型，设计了一种基于3D K-means时空聚类的遗传-自适应大邻域搜索算法.该混合算法实现了顾客资源在时间与空间组成的三维空间内的重新分配，有利于增强解空间搜索过程的广度与深度.本文通过多组算例验证了构建模型和提出算法的有效性，可为交通、物流企业优化决策配送方案提供理论依据.

针对一类具有不确定噪声方差和一步随机观测时滞的不确定多传感器系统,应用增广方法,且通过扩展噪声技术,将系统转换为仅带不确定噪声方差的多模型多传感器系统.根据极大极小鲁棒估计方法,提出了稳态局部鲁棒Kalman预报器.基于稳态局部鲁棒Kalman预报器,提出了稳态局部鲁棒白噪声反卷积估值器.采用按矩阵加权融合算法,提出了鲁棒矩阵加权融合稳态白噪声反卷积滤波器和平滑器.应用Lyapunov方程方法、矩阵分解方法,并引入若干置换矩阵,证明了所提出的局部和融合白噪声估值器的鲁棒性.分析了稳态局部和融合鲁棒白噪声估值器之间的精度关系.所提方法的有效性和正确性通过应用于多传感器IS-136信号系统的一个仿真例子得以验证.

传统基于最远目标的数据包络分析方法通过最大化松弛变量来改进非有效单元,具有较高的改进难度和成本,但是现有的基于最近目标的数据包络分析方法得到的权重无法很好地反映决策者的主观偏好和实际决策需求的问题.因此,文章对已有模型中的偏好设置方式做出改进,使其能够更好适用于最近目标的模型中.基于此,提出考虑偏好的RAM-DEA模型和基于最近目标的RAM-DEA偏好模型,构建基于最近目标的偏好DEA效率评价方法,使其在考虑改进方案经济性的前提下,能够更好应用于各种偏好情况下的效率评价当中,特别是对于一些中小企业具有一定降本增效的实践意义.最后通过专精特新中小企业的案例数据进行应用分析,验证了模型改进的有效性.

本文研究带有能同时刻画长记忆性和异方差性的长记忆随机波动率误差的线性回归模型结构变点的检验问题,基于最小二乘估计残差构造了一种不需要估计尺度参数的自正则CUSUM统计量.在原假设下推导出了检验统计量的极限分布,发现其不受长记忆参数的影响,在备择假设下证明了统计量的一致性.数值模拟结果表明,本文所提方法不仅能够很好地控制经验水平,且能达到较好的检验功效.最后通过对一组西宁市空气中的PM2.5浓度与SO$_2$浓度数据建模和检验其中的结构变点说明了所提方法的有效性.

本文提出了一种具有位置尺度不变性的稳定相关(location-scale invariant stable correlation,简称ISC)去度量两随机向量$\mathbf{v}\in\mathbb{R}^r$和$\mathbf{y}\in\mathbb{R}^q$的相关性,其中$r\geq 1,q\geq 1$.ISC满足$0\leq\mathrm{ISC}(\mathbf{v},\mathbf{y})\leq 1$且当且仅当$\mathbf{v}$和$\mathbf{y}$独立时,$\mathrm{ISC}(\mathbf{v},\mathbf{y})=0$.基于ISC,我们进一步发展出了一种新的特征筛选方法,简称为ISC-SIS.ISC-SIS不要求通常使用的模型假设与有限矩假设,且可以直接用于筛选分组协变量和多响应变量.理论上,我们建立了ISC-SIS的确定筛选性质以及秩相合性.数值模拟研究和实际数据分析均表明与现有的筛选程序相比,ISC-SIS具有非常强大的竞争力.

国家“双碳”目标对供应链各主体协同减排提出了新的要求。本文针对存在资金约束且具有公平关切行为的制造商与一个传统零售商组成的双渠道供应链，基于博弈理论构建了链外融资、链内融资以及“链外+链内”组合融资下供应链碳减排与融资决策模型，分析了制造商公平关切行为对供应链产品定价、碳减排策略的影响，并探讨不同条件下各主体对不同融资模式的选择偏好。研究指出，制造商公平关切行为的增强会降低其线上渠道产品定价以及碳减排努力水平，而批发价以及线下渠道零售价的增减还受制造商减排成本因子的影响。同时发现，制造商公平关切行为有效提升了自身以及供应链整体收益，但对零售商收益不利。资金约束对制造商收益始终产生消极影响，但不一定降低零售商收益，一定条件下零售商可能获得高于无资金约束下的收益。对比不同融资模式下各主体收益，发现当制造商提前付款批发价敏感性相对较低时，零售商偏爱选择预付款融资模式，否则，其偏爱选择银行借贷+ 预付款组合融资模式。而对制造商来说，当提前付款批发价敏感性相对较低时，其偏爱选择预付款融资模式，否则，银行借贷融资模式占优。

为了探讨零售商采用不同商业模式时绿色制造商的渠道入侵策略,构建了由单个制造商和单个零售商组成的绿色供应链模型,运用Stackelberg博弈分析了供应链企业最优运营策略.最后,将模型拓展到制造商也可以采用不同商业模式进行渠道入侵的情形.研究结果表明: 1)除非产品能耗较高或能源价格很高,否则制造商总可以通过渠道入侵改善自身利润,且入侵所采用的商业模式与产品能耗和能源价格有关; 2)渠道入侵行为会增加供应链成员决策受能源价格的影响程度,而偏好共享商业模式的零售商可以避免受此影响.此外,制造商的渠道入侵行为总是有助于提高供应链的整体利润; 3)面对制造商潜在的渠道入侵意图,当产品能耗或能源价格较高时,零售商更偏好传统商业模式.反之,零售商更偏好共享商业模式.而且偏好共享商业模式的零售商会提高制造商渠道入侵的门槛; 4)在一定条件下,能源价格的提高并非总会损害供应链成员的利润与绿色产品的节能水平.

为提高新能源汽车供应链网络中风险传播预防和控制的科学性，加强我国新能源汽车安全生产及运营管理，融合复杂网络理论和SEIR（Susceptible-Exposed-Infectious-Recovered）模型仿真模拟新能源汽车供应链网络风险传播过程，挖掘风险传播机理。首先，选取典型的新能源汽车企业特斯拉、小鹏为案例，以供应商为节点，供应商间合作关系为连边分别构建两企业汽车供应链拓扑网络；其次，选取平均度、聚类系数、平均路径长度等拓扑参数探究两企业供应链网络特性；最后，基于拓扑网络特性构建供应链网络的SEIR传染病模型，仿真模拟不同免疫策略对供应链风险传播的速率和范围造成的影响。结果表明：1）两家新能源汽车企业供应链网络均为无标度网络结构，且网络紧密性相差不大（特斯拉和小鹏供应链网络平均度分别为2.293和1.845）；2）对比两企业的风险防控策略模拟发现，两企业在风险防控策略模拟中表现结果基本相似，所提模型能有效探究新能源汽车供应链风险传播特性，具体来说：延长风险潜伏期能有效减缓风险传播速度可为企业提供近3个月的调整时间，其中特斯拉比小鹏风险传播的峰值时刻延迟时间少2周；缩短感染持续时间能显著降低约20%风险传播规模，其中特斯拉比小鹏风险波及范围下降多4%；此外，提升供应链网络的复杂度可能会导致风险传播的加速。研究成果可为新能源汽车企业制定有效的风险应对措施，保障供应链的稳定性和安全性提供参考依据。