本文基于“绿水青山就是金山银山”发展理念,以2017年我国五省(区)绿色金融改革创新试验区设立为准自然实验,基于$2011-2022$年$286$个地级市面板数据,采用双重差分法(DID)实证考察绿色金融创新对绿色全要素生产率的影响效应.研究发现:(1)绿色金融改革创新试验区的设立显著提升了绿色全要素生产率水平,实现了经济发展与生态保护的双赢,这一结论通过了一系列稳健性检验;(2)机制分析表明,产业结构升级和政府创新偏好是绿色金融创新发挥作用的重要渠道;(3)异质性分析发现,试验区政策效果因地理位置、资源禀赋和经济发展水平不同而存在显著差异.本研究不仅为绿色金融改革的经济环境双重红利提供了经验证据,也为后续试验区扩容及差异化政策设计提供了重要参考.

我国劳动力调查目前采用加权汇总方式给出目标变量估计,与校准组合估计方法在估计精度上存在一定差距.校准组合估计方法是轮换样本调查的主流估计方法.如何在我国劳动力调查中引入校准组合估计方法,充分挖掘轮换样本辅助信息提高估计精度,构造适用于中国劳动力调查的校准组合估计量是本文的研究目标.基于此,本文研究工作如下:(1)结合我国月度劳动力调查的2-10-2轮换模式,提出一步校准组合估计量,对新估计量的近似无偏性、方差和方差估计进行讨论.(2)采用蒙特卡洛模拟,对比校准组合估计量和加权估计量,检验一步校准组合估计量的优良性.(3)通过应用研究,演示一步校准组合估计方法的具体过程,为统计实务工作者厘清该估计方法的技术细节.本文研究内容有望应用于我国劳动力调查,推动政府统计调查制度方法改革.

本研究旨在探究大数据处理过程中所面临的挑战,在大数据背景下,将泊松子抽样算法成功融入并拓展到生存分析领域经典的Cox比例风险模型中.该算法无需预先计算所有样本点的抽样概率,相较于传统的放回抽样,显著提升了计算效率,有效解决了计算资源受限时大规模右删失数据的统计分析难题.严格证明了基于泊松子抽样的参数估计具备相合性和渐近正态性,确保了方法的理论可靠性.为便于实际应用,提出了一种两步算法.模拟和实证研究表明,泊松子抽样算法在Cox比例风险模型中的应用不仅理论可行,且实践效果显著,为生存分析领域提供了一种新的高效统计工具.

在云计算环境中,用户驱动的资源选择行为日益普遍,用户倾向于根据自身需求(如延迟、成本)自主选择服务器以执行多处理器任务.然而,这种自私选择可能导致系统资源利用不均衡,进而延长所有任务完成的最大时间(Makespan).为应对此挑战,本文针对任务占用连续多服务器的调度博弈模型,设计了WF (Widest First)协调机制.该机制通过一个简单的本地策略来引导用户的决策——让每台服务器优先处理占用服务器数量(宽度)更多的任务.理论分析表明,WF机制可将无秩序代价(Price of Anarchy,PoA)的理论上界控制为常数$4-3/m$,并给出下界3.793(当服务器数量$m$足够大时),这相较于无协调机制时的无界状况是巨大的提升.数值实验进一步验证了该机制在平均情形下的优异性能:在采用改进的平局规则后,其均衡结果的效率损失可控制在5%左右(PoA$\approx$1.05),远优于理论最坏情况.本研究为云计算平台管理者提供了一种平衡用户自主性与系统效率的实用策略,具有重要的理论与实践意义.

基于害鼠繁殖规律,建立一类具有年龄等级结构和相遇机制的混合系统模型来描述害鼠种群的演化进程，并探讨其最优不育控制问题.状态系统模型由一个带全局反馈边界条件的一阶偏微分方程和两个常微分方程组成.首先利用不动点理论确立系统非负有界解的存在唯一性,并给出一些连续性结果;其次通过构造共轭系统并应用切$-$法锥技巧导出精确刻画最优策略的\,Euler-Lagrange\,方程;同时运用\,Ekeland\,变分原理证明最优策略的存在唯一性.最后完成数值模拟,验证理论结果的有效性.

在互联网和数字时代，推荐算法是使用户从海量信息中提取有用信息的重要技术。传统推荐算法通常以用户评分为主，忽略了在线评论中蕴藏的情感信息以及用户偏好可能发生改变的现象，导致推荐精度与个性化水平较低。为分析影评中隐藏的情感信息与用户兴趣变化规律，本文提出考虑情感词典构建与用户兴趣漂移的动态电影推荐算法。首先，考虑到通用情感词典对影评情感的感知偏差，构建区分电影题材的影评领域专用情感词典。接着，基于专用情感词典对影评进行情感分析进而修正用户评分，同时基于艾宾浩斯遗忘曲线刻画用户兴趣变化规律，提出考虑用户兴趣漂移的动态电影推荐算法。最后，利用豆瓣电影数据集从召回率、精确率和F1值三个指标层面验证了算法的有效性。实验结果表明，本文构建的影评领域专用情感词典具有显著的领域适配性与情感识别优势，提出的动态电影推荐算法相较传统方法更能精准捕捉用户评论中隐藏的情感信息和用户兴趣变化，推荐结果更加符合用户当下需求。

基于穿梭车的共轨双提升机存取系统具有紧凑、高效等特点，而双指令因有效降低设备空载率的优势被广泛应用于仓储系统调度，但是同时考虑双指令和提升机间的冲突使仓储系统的调度决策变得十分复杂。针对考虑双指令的共轨双提升机调度问题，以最小化总完工时间为目标，综合考虑双指令和共轨双提升机约束限制，建立混合整数规划模型。鉴于问题的NP-hard特性，提出基于自适应大邻域搜索和动态规划的两阶段算法，并结合现实场景，设计小、中、大三种规模的算例，将两阶段算法与Gurobi求解器、顺序匹配算法、粒子群算法对比，评估两阶段算法的性能。研究发现：（1）提升机速度对系统效率有显著影响，但其边际效益呈递减趋势；（2）在给定I/O点的情况下，上下两提升机之间存在一个最优速度比；（3）双指令相较单指令效率优化可达42.72%，双提升机系统相较单提升机系统效率优化可达47.09%。研究可为管理者设计调度策略提供科学依据和算法基础，为优化基于穿梭车的共轨双提升机存取系统配置提供理论支持。

在房地产行业转型的关键时期，厘清多方主体下房地产企业业务布局最优策略，对于落实"房住不炒"、构筑房地产发展长效机制和化解经济结构深层次矛盾具有重要启示。本文基于"政策监管——信贷约束"框架，依据风险收益、信贷约束和社会福利理论体系，构建房地产企业、银行与政府三方演化博弈模型，并进行仿真模拟，旨在探究三方参与主体的演化博弈均衡状态和不同参数取值对稳定均衡点的具体影响。研究发现：（1）实体产业与虚拟经济投资收益剪刀差是决定房地产企业策略均衡的关键因素。（2）银行部门放宽准入门槛能够缓解房地产企业面临的融资约束。（3）监管成本和社会福利是影响政府部门均衡策略的关键因素。本文的研究为健全房地产市场和防范经济脱实向虚提供有益参考。

本文研究了一类具有未知参数和非匹配干扰的链式非完整系统的有限时间抗干扰控制问题.通过设计有限时间扰动观测器,我们借助加幂积分器技术提出了一种新的自适应有限时间抗干扰控制方案.本文应用切换控制策略及预设性能控制思想克服了非完整系统不能够通过连续时不变反馈实现镇定控制的困难,并放宽了现有文献中关于非匹配干扰的假设.所提出的控制方案能够有效补偿未知参数及非匹配的外部扰动,保证了闭环系统的实际有限时间稳定性.最后,数值算例论证了所设计方法的有效性.

视觉语言大模型通过自然语言交互能够解决端到端自动驾驶系统因黑盒特性带来的可解释性不足的问题,从而提升自动驾驶系统决策的透明度和可信度.一般的视觉语言大模型通过轻量级的“粘合”层对齐视觉和文本特征,但由于其结构简单且初始状态随机,往往难以捕捉两者之间的复杂关系.在处理视频问答任务时,一般的视觉语言大模型较少兼顾视频特征的细粒度提取和不同帧之间的时序建模.此外,现存方法参数规模普遍较大,难以实际部署.针对以上问题,文章提出了基于细粒度特征跳跃连接与时空注意力融合的轻量驾驶视频问答模型FSS-VLM,它能够有效对齐视频和文本特征,充分挖掘并利用细粒度的视频特征.时空注意力门控模块结合时空注意力和门控机制动态捕捉视频帧内细粒度信息,建模帧间时序依赖关系,并自适应融合多帧特征,增强视频的特征表示.对齐适配器和对齐损失模块通过对齐损失函数引导适配器学习跨模态特征间的映射关系,实现视觉与文本特征在语义空间中的对齐.细节信息跳跃连接模块引入残差连接变体和门控为大模型编码器特征注入细节信息,帮助大模型在解码过程中更好利用细节特征,以此防止网络过深导致的细节信息损失问题.实验结果表明视觉问答模型FSS-VLM有效,并在关键指标上表现较好.

现实世界分类任务中的噪声、异常值及类别失衡问题会削弱机器学习模型的鲁棒性.为此,本文提出了PSO-FTSVM,一种与粒子群算法(PSO)相结合的模糊隶属度驱动的双子支持向量机(TWSVM)混合框架.该模型将基于类中心距离和核密度估计的方法相结合,引入了混合模糊隶属度函数,能够依据样本的全局分布与局部密度动态分配隶属度,从而增强了关键样本的代表性;同时利用PSO对模型关键参数进行自适应优化,以提升其泛化能力.在10个数据集上的实验表明,PSO-FTSVM平均准确率达到92.011%±1.863,较基准TWSVM和FTSVM分别提升14.080%和10.587%.该模型在处理高度不平衡数据集时表现优异且在噪声环境中仍保持稳定性能,显示出卓越的鲁棒性.

精准的天然气消费预测有助于天然气资源的高效利用,从而为天然气销售企业的经营决策提供参考依据.现有研究证明组合预测相较于单一预测模型展现出更优的预测精度,其中,以Mallows等准则为典型代表的模型平均法在组合预测中表现尤为突出,可以显著提升预测准确性.然而传统的Mallows准则在确定权重过程中,并未考虑时间因素对数据的影响,忽略了数据的近期趋势演变,与现实情况不符,可能会导致预测精度下降.本文利用指数平滑的思想,提出一种考虑数据时效性权重的改进Mallows准则,通过赋予近期残差更高权重,精准拟合当前数据分布,实现天然气消费量的精准预测.为了验证所提方法的有效性,本文使用杭州市的天然气月度消费量的数据集进行分析,结果表明,本文所提方法的RMSE、MAE以及MAPE的值为0.2332、0.2179、7.36%,相较于单模型预测和其他经典准则下的组合预测,预测精度有了明显的提升.

疫苗安全始终是全球公共健康关注的焦点,传统疫苗供应链中存在信息不透明、数据可篡改等问题,影响疫苗效力与公众信任.区块链技术凭借其去中心化、不可篡改、透明可追溯等特性,为提升疫苗供应链安全性提供了新思路.本文构建了由一个疫苗生产商和两个对称接种单位组成的两级疫苗供应链模型,基于Stackelberg博弈框架,探讨区块链在降低接种问题疫苗风险中的作用,并分析不同参与情境下的定价策略与上链行为.研究发现,接种单位上链可促使生产商降低对其的批发价,但同时提高对竞争对手的批发价.此外,上链行为还会普遍推高接种单位的销售价格,且上链单位越多,价格越高.进一步结果表明,只有当合格疫苗占比较高时,接种单位上链才有利于提升生产商利润；而接种单位自身尽管提升了透明度,却可能因额外成本导致利润受损,反而使竞争对手受益.本文为区块链技术在疫苗供应链中的落地应用提供了理论支撑,并为供应链成员的技术采纳与定价决策提供有益参考.

本文从不动点的视角研究非光滑多目标优化问题(弱)有效解的刻画.首先,借助Mordukhovich次微分映射的上半连续性和Mordukhovich次微分下的中值定理,证明了非光滑多目标优化问题的(弱)有效解对应于某一集值映射的Kakutani不动点.进而,建立了Fritz John最优性必要条件,并在满足一定约束品性条件下获得了Karush-Kuhn-Tucker最优性必要条件.最后,在广义凸性假设下,给出了上述集值映射的Kakutani不动点是非光滑多目标优化问题(弱)有效解的充分性结果.

灾前规划和灾后抢修是提高城市道路交通系统韧性的关键策略.本文考虑道路受损异质性以及受损道路位置、恢复时间和受损类型的多维不确定性,以综合韧性指标最大为目标,构建城市道路交通系统设施选址与抢修调度两阶段随机规划模型.根据所构建模型的结构特征,设计基于浓度集的样本平均逼近(SAA)算法.实验结果表明,本文提出的韧性最优恢复策略优于传统随机、策略,且基于浓度集的SAA算法可以快速求解该问题.研究成果可为制定面向韧性提升的城市道路交通系统设施选址和应急抢修调度方案提供决策依据和算法支撑.

Armijo线搜索是多目标优化中一种经典的非精确线搜索方法,它能充分保证所有目标函数值的减小.然而,大量实验结果表明Armijo线搜索通常会在最速下降方向上生成较小的步长,这严重增加了算法收敛所需的时间.本文提出了一种基于弱Armijo线搜索策略的多目标Barzilai-Borwein算法.在弱Armijo线搜索中,减小步长需要同时满足所有的不等式,这使得在一些迭代中只会减小一个目标函数值.因此,它其实是一个非单调线搜索方法.本文证明了多目标Barzilai-Borwein算法在弱Armijo线搜索策略下的收敛性,并通过数值实验佐证了该算法在弱Armijo线搜索策略下明显优于现有的Armijo线搜索和其它非单调线搜索策略.

针对毕达哥拉斯模糊多指标群评价问题，提出了一种融合新毕达哥拉斯模糊熵度量和距离测度的评价方法。首先，构建了新的毕达哥拉斯模糊熵度量，以克服现有熵测度在特定情境中的局限性，从而更准确地计算准则权重。其次，提出了一种满足三角不等式性质的新毕达哥拉斯模糊距离测度，以弥补现有方法在理论严谨性方面的不足。在此基础上，将该熵度量和距离测度与灰色关联分析(GRA)及TOPSIS方法相结合，构建了结构完整的毕达哥拉斯模糊多准则评价框架。最后，以“无废城市”发展水平评估为例，验证了所提方法的可行性和有效性。

集成时变参数向量自回归（TVP-VAR）和DY溢出指数模型,研究了气候政策不确定性（CPU）、全球股票市场、债券市场和大宗商品市场之间的动态关系,测度了市场间风险溢出效应的强度,分析了市场间风险联动和溢出的时变特征,尤其在重大事件影响下的动态波动特征;进一步,构建了最小方差、最小相关性和最小连通性等不同目标下的最优投资组合权重,并结合对冲有效性和夏普比率,分析了最优投资组合策略.研究结果表明,CPU下金融市场间的溢出具有明显的时变性和动态性,且受重大事件和政策不确定性的影响较大.不同资产的动态净连通性存在异质性,标普500和斯托克50在全球金融市场中表现为关键的系统性风险传导节点;美国国债表现为净溢出效应,德国和中国国债表现为净溢入效应;大宗商品市场中,铜和原油的净连通性波动幅度较大.不同类型投资组合收益的动态变化趋势具有一致性,但同时存在结构性差异,需要动态调整配置以优化组合表现.CPU在投资组合优化策略中发挥重要作用,在跨市场投资组合中加入CPU,能够有效提升投资组合的平均收益和夏普比率.

短期市场交易是金融决策制定的核心要素,但金融市场的复杂性和动态性给短期交易量预测带来了巨大挑战.针对这一问题,本文提出了一种异质注意力图神经网络(GHAT)模型,模型结合短期交易量的高噪声特性、独特的U型结构以及周期性特征,构建特定的图神经网络,并引入异质注意力机制.研究结果表明,在中国股票交易市场的复杂环境下,GHAT模型预测性能显著优于ARMA、CMEM、GAMMA、SVR、LSTM和图卷积神经网络(GCN)等基准模型;消融实验进一步发现注意力机制及滞后期数为1的相邻节点的引入能够有效提升当前时段股票交易量预测性能;异质性分析发现\GHAT模型在预测高市值、高流动性及市场趋势显著的个股短期交易量时表现优异.GHAT模型有效解决了短期交易量预测中多元性、非线性和非平稳性等复杂问题,为金融交易、交通流量、人群动态预测等研究提供了新的方法框架.

黄河流域积极稳妥推进碳达峰碳中和已成为国内持续关注的重大问题.在推进过程中,政府与企业的参与尤为重要,依据新质生产力促进黄河流域碳达峰碳中和的内涵逻辑,分析在新质生产力背景下政府推进企业实现黄河流域碳达峰碳中和的作用机理,构建新质生产力背景下政府与企业的演化博弈模型进行理论分析和仿真分析.研究结果表明:政企演化路径呈现双稳态特征.即系统存在(0,0)(政府补贴-企业积极发展新质生产力)和(1,1)(无补贴-企业消极应对)两个稳定均衡点,验证了政策激励与企业响应的共生关系.动态补贴存在显著的杠杆效应.当政府补贴C随企业积极性(1-y)动态调整时,系统近乎100%收敛于共荣局面,说明精准施策可破解“补贴依赖”困境.企业成本敏感性主导策略选择,而多维异质性要求黄河流域差异化治理.基于此,本文建议政府通过创造差异化政策环境、保持政企间信息对称共享、建立监督管理体系等方式敦促企业积极发展新质生产力,以期早日实现黄河流域碳达峰碳中和.

基于图的半监督降维是当前最有效的半监督降维技术之一,但仍存在若干问题尚未得到很好解决.例如,如何利用未标记样本提升低维特征空间中的类别判别能力,以及如何有效处理具有不同噪声水平甚至异常值的数据.针对上述问题,本文提出了一种基于稀疏结构图的自步半监督降维方法.该方法首先在稀疏结构图上进行标签传播,以获得未标记数据的伪标签.随后采用自步学习策略,在训练过程中逐步纳入由简单到复杂的数据,来学习特征映射;其中每个未标记样本的易学性/重要性由以下两项指标衡量:1)特征映射在该样本处的平滑度损失;2)该样本的低维表示与相应的类锚点之间的类内距离.通过这种机制,所提方法能以鲁棒的自步方式逐步获得更成熟的模型.所提方法能有效评估样本的重要性,从而区分不同样本对特征映射学习的影响,并抑制不可靠伪标签的负面效应.同时,所提方法对含噪声或异常值的数据具有鲁棒性.此外,该方法联合利用标记与未标记数据,来增强低维特征空间的类间判别性.最后,所提方法具有非线性和归纳式特性.实验结果验证了所提方法的有效性.

本文研究了量化时滞耦合复杂网络的有限时间控制及二部同步问题.基于符号图和耦合描述复杂的网络连接,引入系数描述网络结点状态演化的快慢不一致,并考虑激活函数不连续和比例时滞耦合.结合1-范数设计非时滞依赖的控制器,该控制不含符号函数,能有效克服控制信号抖振.鉴于经典的有限时间稳定性定理对时滞系统失效,本文发展了1-范数分析方法实现了有限时间同步,并直接凭借设计的1-范数形式Lyapunov函数克服了比例时滞影响.此外,基于简化的网络模型,得到了几个有效的有限时间同步结论.最后,利用数值仿真验证了理论结果的有效性.

多因素混合水平试验常常出现在工程等领域.这类试验的设计没有通用方法,往往需要采用迭代搜索算法进行构造.本文提出了一种增强的随机进化算法(Enhanced Stochastic Evolutionary Algorithm,ESE)来构造多因素混合水平试验设计.该算法结合了随机进化算法和模拟退火算法的优点,构建了双循环优化框架.内循环通过设计矩阵的定向元素置换实现局部精细搜索,外循环采用自适应阈值调控全局探索强度.因此能较好地平衡全局搜索和局部优化效率.该算法具有很强的灵活性,不仅适用于不同的优化准则,包括最大最小距离准则,偏差准则等,也能方便地调整使其产生满足特定约束的设计.数值实验表明ESE算法在优化效率和计算速度上均显著优于传统算法.

家庭债务风险是系统性金融风险的重要诱因，影响金融系统安全和社会稳定，因此准确预测家庭债务风险具有重要政策意义。本文基于2012—2022年中国家庭追踪调查数据库(CFPS)，构建了包含62个变量、23578个观测值的宏观经济-微观家庭混合数据库，基于传统计量模型、深度学习模型和集成学习模型中的7种机器学习算法，进行了模型风险预测应用效果的对比、评估和融合实验。研究结果表明，第一，与传统模型相比，深度学习模型和集成学习模型预测能力较优，而集成学习模型最优，其预测准确率、精准率、AUC值都达到0.92以上。第二，模型融合集成的结果表明，融合后的集成模型具有复杂数据适配性、强鲁棒性和泛化能力，以及增强决策可解释性的显著优势，克服了传统计量模型在复杂数据场景下的局限性，能够进一步提升家庭债务风险的预测效果。第三，利用SHAP值解释方法对Stacking融合模型的可解释性分析表明，家庭资产类变量、收入和负债类变量和人口与社会结构类变量对家庭债务风险有显著的非线性影响。

随着人工智能技术的快速发展，虚假信息的传播速度持续加快，内容形态日益多样化与复杂化，对社会信息生态构成了严重威胁。其中，科技新闻作为重要的信息传播渠道，在记录虚假信息议题演进的同时，也在一定程度上塑造了公众对相关问题的认知。然而，关于科技新闻如何系统性报道虚假信息的研究仍然相对匮乏。为此，本文基于1999至2025年间ACM TechNews平台发布的虚假信息相关报道运用关键词提取、动态主题建模、命名实体识别与共现网络分析等方法，对科技领域虚假信息报道的特征与演化趋势进行了系统探讨。研究结果显示，自2016年以来，科技新闻对虚假信息的关注度显著上升，报道数量明显增加，关注重点亦由早期的网络安全逐步转向社交媒体、人工智能等议题，报道形式则由单一文本扩展至涵盖音视频的多模态内容。共现网络分析进一步揭示，美国政治人物、主要国家以及大型科技企业在相关报道中处于核心位置，凸显了其在全球虚假信息传播与治理格局中的关键地位。

投资者关注度分配在微观市场研究中扮演了重要角色.本文构建了一个包含巨鲸交易者、趋势交易者和噪声交易者的人工比特币市场,并在此基础上研究关注度分配对量价关系的影响.研究发现,人工比特币市场上的量价关系支持信息序列到达假说,但不符合混合分布假说.此外,关注度外生冲击事件会增强量价数据的同期相关性,同时弱化其领先-滞后关系,从而加快市场价格对新信息的反映速度.进一步研究表明,上述结论在改变巨鲸交易者占比、外生冲击事件占比、外生冲击事件代理变量以及噪声交易者占比后仍然保持稳健.本文不仅拓展了投资者关注度分配的跨市场研究,也为理解市场量价关系提供了新的视角.

场桥是集装箱码头堆场内的主要装卸设备, 其调度效率是影响码头整体运作效率的核心要素.本文研究多场桥分区域下, 基于指令优先级和场桥繁忙度的场桥调度.首先, 本文定义了场桥作业指令的执行优先级, 并使用场桥繁忙度来刻画场桥作业均衡度.值得说明的是, 已有文献大多仅仅基于作业指令数量来刻画场桥的均衡度, 而场桥繁忙度不仅依赖于场桥作业指令数量还依赖于场桥作业指令的难度.其次, 本文考虑场桥具有不同作业指令类型的场景, 基于作业指令优先级和场桥繁忙度, 构建了以最小化场桥非作业时间与场桥繁忙度方差之和为目标函数的场桥调度混合整数规划模型.最后, 利用遗传算法对所建模型进行求解, 并通过一个例子说明了本文所提方法的有效性.相比已有研究, 本文提出的基于指令优先级和场桥繁忙度的场桥调度方法能适用于更一般的作业场景, 同时能提高场桥作业的并行度和作业效率.

为更好地探讨实际研发中响应同时受混料分量及其添加次序影响的情形, 本文基于设计的优良性准则, 分别在基本约束与附加约束构成的混料利益区域内, 系统探讨了混料分量与加序变量间无交互作用、存在一阶交互作用以及存在二阶交互作用三种情形下的饱和设计问题.研究推导了上述情形下的加序$q$分量二阶Scheffé中心多项式模型的$D$-最优与$A$-最优准则函数、饱和最优设计及其对应的$D$-效率与$A$-效率的显式解析解.从效率的角度分析表明, $A$-最优设计在综合准则下展现出优于$D$-最优设计的稳健性.最后通过实例分析验证了理论结果的有效性.

针对多状态保护系统服役过程中存在的误动与拒动双重异常动作行为,提出了一种基于系统状态和异常动作的视情维修策略.首先,在系统竞争失效建模基础上,构建系统状态与异常动作的关联模型,进而分析系统的更新情景;其次,基于系统失效准则和异常动作概率函数,量化分析了不同更新情景的发生概率;然后,给出了异常动作下的经济损失和系统寿命表达式,构建了以长期运行期望成本率最小化为目标的维修模型,以决策最优检测周期;最后,设计离散仿真算法验证所建模型的正确性,并通过数值算例证明所建模型的有效性和适用性,分析结果表明:缺陷系统误动和拒动概率显著影响系统最佳检测策略,考虑误动与拒动双重异常动作行为的多状态保护系统视情维修建模研究,能够为工程实际中相关系统的维护工作提供理论依据与决策支撑.

针对第四方物流集成商(4PLI)通过拍卖方式选择第三方物流供应商(3PLS)的问题,提出不完备异质信息下考虑风险偏好的多属性逆向拍卖胜者确定方法.该方法首先利用实数、区间数和概率语言术语集描述3PLS的价格和非价格属性;其次,基于社会信任网络和信息相似度,构建不完备评标信息补全模型;进而,将双曲绝对风险规避函数引入后悔理论,以刻画4PLI的差异化风险偏好行为;随后,结合改进的概率语言距离测度、Spearman相关系数和平均解距离法(EDAS),给出异质决策信息下的方案优选步骤;最后,通过算例分析验证了所提方法的合理性和优越性.本文不仅在理论上扩展了多属性逆向拍卖胜者确定方法的研究,同时为4PLI选择合作伙伴提供了方法和技术支持.

本文研究协变量带有测量误差的空间自回归模型在约束条件下的统计推断.在测量误差方差已知或者能被估计的情况下,对模型参数提出一种纠偏约束两阶段最小二乘估计(RC2SLS)方法和检验方法,并在一定的正则条件下建立所提估计量和检验统计量的渐近性质.最后,通过数值模拟结果来验证本文所提出的估计方法和检验方法.

在金融投资领域，非随机的不确定性普遍存在，传统的以概率论为理论基础的投资组合模型无法反映这种不确定性。由于模糊集理论能够有效处理非随机的不确定信息，因此模糊投资组合理论应运而生。考虑到投资者预期的异质性，本文引入相干模糊数描述风险资产收益率，使用自适应指标k来刻画投资者不同收益期望，同时，为了提升投资组合的多样性，引入了新的比例熵函数，结合交易成本、流动性、买入阈值和基数约束等现实约束因素，构建了相干模糊均值-方差-比例熵模型。通过选取上海证券交易所10支股票2022年9月16日至2025年1月24日的历史数据，采用模糊夏普率（FSR）指标评估投资组合，利用改进的NSGA-II算法进行实证分析。结果表明，在不同自适应条件下可得出最佳投资组合方案。对比其他模型，相干模糊均值-方差-比例熵模型在收益、风险及投资组合分散程度等方面优势显著，可以为投资者的投资组合优化提供更有效的决策依据。

针对经典概率模型处理复杂决策时的局限性, 以及重叠社区对决策的干扰问题, 提出一种基于重叠社区划分的量子认知决策框架.以消费者的多重社会身份为切入点, 揭示个体在多重社区归属干扰下的偏好形成和群体偏好集成机理.首先用模糊C-均值聚类算法根据决策者偏好差异划分重叠社区, 得到个体在不同社区的隶属度并量子化, 以反映个体多重社区归属的叠加态;然后, 在类量子贝叶斯网络框架下用信念熵法量化社区间的干扰效应, 修正重叠社区划分下的决策者权重并聚合成群体偏好.最后, 利用本文方法分析在线评论数据, 验证社区间干扰效应对群决策结果的影响.研究表明, 量子化的重叠社区划分方法可有效地捕捉个体消费者在多个社区的复杂归属关系, 类量子贝叶斯网络在预测重叠社区干扰下的消费者偏好时具备更强的阐释力.

本文基于2007—2023年中国A股上市公司数据,探讨董事会多元化对企业高质量创新的影响及作用机制.研究发现,董事会多元化整体有利于企业高质量创新.机制分析显示,董事会多元化能够有效增强董事会的监督治理功能和引资引智作用.异质性检验结果表明,董事会多元化对企业高质量创新的促进效应在非国有、非高新技术企业中更加明显.分维度多元化检验显示,董事会成员受教育程度、社会背景和经验的多元化有助于促进高质量创新,而人口统计学特征的多元化不利于企业高质量创新.因此,公司应有的放矢、"扬长避短"推进董事会多元化以提升高质量创新水平,监管部门应出台更具针对性的指导意见引导公司董事会合理多元化.

针对一个无法自主生产电池的车企和一个自主生产电池的车企组成的系统, 在车企增建充电桩情形下, 构建Cournot竞争模型, 并通过Stackelberg博弈与Nash谈判博弈分别构建基于自主定价的竞合模型与基于谈判定价的竞合模型, 探究车企的最优策略选择及充电桩增建数量决策问题.研究发现:1)最优策略(即竞争或基于自主定价的竞合或基于谈判定价的竞合)选择受车企的议价能力、替代程度、充电桩网络效率以及电池成本差异的影响, 其中议价能力与电池成本差异的影响显著, 且是否以谈判的方式确定电池批发价格主要取决于议价能力.2)当自主生产电池的车企具备较高的议价能力时, 与谈判相比, 自主生产电池的车企总能够受益于Stackelberg博弈中的先动优势, 但Stackelberg博弈损害了竞合时两车企的总体利润.3)与竞争策略相比, 当竞合实现两车企利润的帕累托改进时, 两车企将制定更低的整车价格.4)当实施竞合策略时, 竞合导致无法自主生产电池的车企增建更多的充电桩, 自主生产电池的车企增建更少的充电桩, 且不同的竞合契约亦能够影响车企充电桩的增建数量决策.

针对传统车企新能源车生产研发中动力电池策略选择问题, 构建由制造商主导, 供应商和经销商参与的二、三级汽车供应链模型.运用微分博弈和最优控制理论, 分析油耗达标和不达标情形下, 不同动力电池选择策略对燃油车减排量最优轨迹、品牌商誉最优轨迹和长期收益的影响.研究表明:1）燃油车减排降耗水平和品牌商誉随时间递增, 长期来看自研动力电池策略在减排、商誉轨迹和收益稳定值方面优于外购;2）积分价格对不同策略存在阈值效应, 低价时自研策略碳减排优势显著, 高价时油耗达标下外购策略响应速度快;3）自研电池下, 积分交易价格提升能有效促使制造商增加新能源车续航能力成本投入.

本文研究了$n$家具有竞争性的保险公司的时间一致性非零和随机微分博弈策略.保险公司采用比例再保险, 风险过程遵循复合泊松风险模型;考虑风险资产之间的随机相关性, 引入多元4/2随机协方差模型刻画两种风险资产的价格过程.每家保险公司的目标是寻找最优的投资再保险策略, 最大化其终端时刻相对财富的期望值, 同时使终端相对财富的方差达到最小.本文引入了一个辅助确定性过程, 得到了修正后的均值-方差目标函数, 并构建了一个替代的时间一致性的均值-方差控制问题, 然后通过求解HJB方程得到了保险公司的时间一致性均衡投资再保险策略.最后, 给出数值算例分析了模型主要参数对均衡策略的影响.研究结果表明:保险行业的竞争加剧会促使保险公司采取更激进的投资再保险行为;同时, 金融市场中风险资产之间的相关性也会对保险公司的行为决策产生影响.

中小制造企业在国家经济发展中具有重要地位,是经济增长的重要推动力、技术创新的重要源泉以及社会稳定的重要基石.数字化转型是提升中小企业竞争力的重要途径,然而中小企业往往面临着"不敢转"和"不会转"的数字化转型困境.因此,识别数字化转型影响因子、挖掘数字化转型联动机制是加快中小制造企业数字化转型进程的关键.本文运用动态模糊集定性比较分析方法(即动态QCA方法),基于TOE (技术-组织-环境)理论框架研究2016-2022年中小制造业上市公司的面板数据,探索驱动中小制造企业数字化转型的组态路径.研究发现:首先,实现高数字化转型需要多因素协同发挥作用,单个因素无法单独发挥作用来实现高数字化转型;高数字技术应用在提升数字化转型方面具有重要作用,而数字技术缺乏、研发投入缺乏、管理者认知缺乏和数字设施建设缺乏是造成部分企业数字化转型不高的核心因素.其次,中小制造企业数字化转型存在多元路径和复杂机制,三类组态路径可实现高数字化转型,包括技术-环境双元驱动型、技术-组织双元驱动型、技术-组织-环境多元协同型.最后,中小制造企业的数字化转型没有表现出明显的时间效应,但各企业在实现高水平数字化转型中并不遵循一致的组态路径,呈现出个体差异性.

作为一种非参数贝叶斯回归方法, 贝叶斯累加回归树模型(BART)将基于似然的推断精度与机器学习算法的灵活性相结合, 在协变量与响应变量之间存在非线性关系或复杂交互作用时, 具有优越的预测性能.纵向数据广泛存在于医学、经济学、环境科学等领域, 具有重要的研究意义.为提升纵向数据分析的预测精度, 文章提出一种基于BART的纵向数据分析新方法.新方法运用BART估计半参数混合效应模型中的非参数部分.数值模拟比较了新方法与四种方法:混合效应梯度提升方法(MEGB)、随机混合效应回归树方法(SMERT)、随机混合效应最大期望回归树方法(SREEMtree)和随机混合效应随机森林方法(SMERF), 模拟结果表明, 提出的新方法优于四种比较的方法.为了展示新方法的实用性, 本研究将其应用于两份实际数据.

为应对数字医疗服务挑战、满足多型患者的个性化需求, 研究家庭医护人员排班与调度优化问题.区别于以往研究, 问题中医患双边均具个人偏好, 异质性患者可选择门诊、上门和线上三种服务模式、医护人员有疲劳感知, 医护人员排班与调度决策体现为线上线下多服务模式融合的混合排班与调度路径多目标优化决策.以最大化医护人员和患者满意度为目标, 考虑班次限制与医患匹配等约束, 建立描述问题的混合整数规划双目标优化模型.针对模型特征, 提出一种改进的强度帕累托进化算法-II (improved strength pareto evolutionary algorithm-II, ISPEA-II).以HV值、Spacing和GD作为算法评价指标, 通过数值实验证明, 提出的ISPEA-II优于传统强度帕累托进化算法-II、非支配排序遗传算法-II、非支配排序遗传算法-III、差分进化算法和免疫算法.最后, 对医护人员技能等级、班次时间长度和最大连续工作天数等关键参数进行敏感性分析, 得出系列管理启示, 为家庭医护排班与路径决策提供理论参考.