当今时代,数据资源日益呈现出多源化的特点,即数据由不同的主体或来源方所持有.对多源数据进行融合开发是激活数据要素潜能、释放数据资源价值的前提和基础.然而,大部分多源数据仍然以“数据孤岛”的形式存在,数据间的互联互通仍然十分困难.与此同时,数据安全问题备受关注,如何在保护数据隐私的前提下实现多源数据的安全开发变得尤为重要.为了解决上述问题,本文提出了一种基于隐私保护的多源数据分析范式.该方法依托纵向联邦学习框架,允许各数据持有方在不暴露各自原始数据的前提下协作完成数据分析任务.与此同时,为了进一步防止攻击者对数据的恶意攻击,本文在纵向联邦学习框架中引入差分隐私,通过在传输信息时加入噪声以保护个体隐私.最后,本文以工商管理中的企业违规风险预测为例展示了上述方法的实际应用效果,通过结合工商部门、市场监督管理部门、法院等多个部门的数据,提升了企业违规风险预测的准确性.

在供应链中，零售商作为小微企业经常会面临资金约束和信息不对称的情况，而制造商作为核心企业通常通过实施融资援助和传递需求信息来提升整体绩效。受到多种不利因素的影响，制造商会出现担保能力缺乏的情况。在这种情况下，他们可以选择单独提供贸易信贷融资或与担保公司一起提供信用共保回购融资作为信号机制。然而，这些策略在传递信息方面的有效性尚不明确。为了解决该研究问题，本文采用信号博弈的方法建立了分析模型，以研究这些融资策略的信号作用，并对它们的信息传递效率和利润提升进行比较分析。研究结果表明，制造商能够通过两种融资契约可信地传递需求状态；就提升信息传递效率而言，制造商倾向于选择信用共保回购融资契约作为传递需求信息的信号，而零售商倾向于选择贸易信贷融资契约。低担保费率时采用信用共保融资契约可以实现帕累托改进，而高担保费率时则可实施贸易信贷契约来实现。上述结论阐明了两种融资策略的优势，为管理者选择适当的融资策略提供了重要的参考依据。

针对带有非匹配扰动和未建模动态的桥式吊车系统抗摆控制问题, 提出一种基于未知系统动态估计器的滑模控制方法. 通过引入一阶低通滤波器, 设计未知系统动态估计器, 补偿包括非匹配扰动在内的系统未知动态, 提高系统抗干扰能力. 构造基于两相幂次趋近律的滑模控制器, 能较准确获得滑模变量的收敛时间, 保证滑模变量具有较快的收敛速度. 实验结果表明, 所提控制方法能有效确保桥式吊车具有良好的抗摆性能和定位精度.

针对城市部分区域限行、物流系统中燃油车和电动车并存的实际情况,综合考虑客户需求量、服务时间、电动车容量、耗电量、燃油车容量、油耗量与碳排放量等因素,以总配送成本最小为目标构建混合车辆的开放式路径规划模型.根据电动车配送过程设计电动车剩余容量前置策略、中置策略和后置策略.在此基础上,根据模型特性设计一种混合遗传算法求解,并运用多类型算例开展实验.计算结果表明:本文算法综合使用电动车剩余容量前置策略、中置策略和后置策略合理规划车辆路径,充分利用电动车行驶路径配送沿途的非限行区域客户,拓展电动车服务范围,充分利用电动车容量,减少燃油车使用数量,缩短车辆行驶距离,降低配送过程的碳排放量和油耗量,在极短的时间内给出符合决策者目标的混合车辆路径规划方案,具有可行性和合理性.

在不完全信息的分散决策场景下, 针对订单具有拖期惩罚的并行机加工调度问题, 以优化分散系统全局收益为目标, 设计一种多重投标拍卖机制. 该机制采用基于客户私有价值的多重定价规则, 允许客户提交多重投标, 使客户有机会更详细地表达自身偏好, 并增加客户中标几率. 该机制中的定标优化问题属于NP-hard类的组合优化难题, 本文提出基于动态规划框架的精确算法求解该问题. 鉴于该精确算法只能在合理时间内求解小规模问题实例, 本文进一步提出基于拉格朗日松弛技术的启发式算法, 以在合理时间内求得该问题的近优解. 数值实验结果显示, 与单一投标相比, 多重投标拍卖在处理大规模问题时, 能够显著改善分散决策的无秩序代价, 其系统总收益平均能接近全局总收益的88.86%.

混料试验设计在食品生产, 工业制造, 混合药物研发, 投资组合优化等领域有广泛的应用. 为了确保设计方案对模型的变化具有稳健性, 许多学者在不同准则下提出了混料均匀设计. 然而, 当混料成分个数较多且受到的约束条件较复杂时, 基于接受拒绝算法或逆变换法的混料设计构造方法变得低效且复杂. 在本文中, 我们基于代表点法提出了线性约束区域上的混料均匀设计的高效构造方法, 其主要思想是先基于吉布斯采样算法生成混料试验区域上均匀训练样本, 然后通过优化算法将其压缩成能量距离准则下的最优代表点集. 通过数值例子分析, 新构造方法产生的设计有良好的均匀性和模型稳健性.

本文首次在非完美Z排序集抽样(IZRSS)下研究了Logistic分布中总体均值的估计. 从理论上证明了IZRSS样本均值是总体均值的无偏估计, 并且当${\textstyle{1 \over m}} \le p \le 1$时, IZRSS样本均值作为总体均值的估计比简单随机抽样(SRS)样本均值作为总体均值的估计和非完美排序集抽样(IRSS)样本均值作为总体均值的估计有效. 小样本情形下的数值结果和实际数据进一步验证了这个理论结果.

在工程实际中, 通常难以获得单个部件的精确失效时间, 相反, 仅仅知道部件失效的次数和系统运行的总时长, 即, 聚合寿命数据. 基于此种数据对寿命分布进行推断是十分具有挑战性的. 本文提出了基于矩的点估计方法, 并采用偏差校正Bootstrap方法来构建感兴趣量的置信区间. 极大似然方法需要写出聚合寿命数据的似然函数, 这仅对少数几个具有卷积运算封闭性质的分布才适用. 与之相比, 所提方法规避了似然函数, 因此能适用于更多的分布类型. 最后, 本文通过模拟研究和实证分析对所提方法进行了验证和说明.

政府隐性担保是国有非金融企业杠杆高企、扭曲资源配置效率的重要原因, 当前打破刚性兑付等退出政府隐性担保的行为将引起隐性担保预期的转变, 而这将引起国有非金融企业的杠杆调整. 本文选取2010-2022 年沪深A 股国有非金融上市公司作为样本, 以动态资本结构调整模型为基础构建了双重机器学习模型, 分析隐性担保预期转变对国有非金融企业杠杆调整的影响及作用机制. 研究发现, 隐性担保预期转变促使国有非金融企业的实际杠杆水平向目标杠杆方向调整, 且能提高杠杆调整速度. 机制分析表明, 隐性担保预期下降显著影响国有非金融企业外部资金约束进而促进其降低杠杆棘轮效应, 同时通过减少信息不对称和代理成本改善其内部治理机制. 异质性分析表明, 隐性担保预期下降对低政策性负担和地方的国有非金融企业杠杆调整影响最大, 且能影响各类功能定位的国有非金融企业的杠杆调整. 本文为隐性担保预期转变对国有非金融企业降低杠杆的重要作用提供了经验证据.

基于指数罚函数,将非线性极大极小问题转化成无约束优化问题.通过引入谱参数和重启条件,设计了新型的杂交共轭参数和重启方向,提出了无约束极大极小问题带重启步的谱共轭梯度法,该算法所产生的搜索方向不依赖线搜索满足充分下降性.在局部Lipschitz连续的假设条件下,分析了算法的全局收敛性.最后,对算法进行了初步的数值实验,与同类算法进行比对,其结果表明该算法是有效的.

为插值指定的Frenet标架以及曲率和挠率,提出空间五次$F^3$插值曲线的构造及形状优化方法.空间曲线的$F^3$连续是一种特殊的$k$阶Frenet标架连续,可确保满足$G^2$连续和挠率插值.首先,构造一条插值$F^3$数据的五次Bézier曲线,其控制顶点包含两个表示曲线在端点处切矢长度的参数.然后,通过最小化曲线的二次能量函数确定参数的最优值.最后,定义目标函数为曲率和挠率加权平方和的积分,提出另一种更优的形状优化方法.相比之前的$G^2$插值方法,新方法虽使用更严格的端点连续约束,但总能生成曲率和挠率分布更满意的曲线形状.

考虑由一个供应商和一个强势零售商组成的两阶段零售商主导供应链，基于期权合同和包含期权的组合合同，构建了多周期情形下的供应链动态博弈模型，运用随机动态规划方法，研究了两种合同下供应商的多周期最优生产策略和零售商的多周期最优订货策略，提供近似算法来估计相应的最优策略参数。在此基础上，进一步探讨了不同期权合同形式对供应商和零售商的影响，发现期权合同对供应商更有利，而包含期权的组合合同对零售商更有利。最后，通过算例分析对上述结论进行了验证

近年来,不确定性量化问题备受关注.基于混沌多项式展开的替代模型在处理不确定性量化问题中应用广泛,而在实际应用中,我们往往面临着随机数据的分布函数未知的挑战.本文根据数据构造出基于混沌多项式展开的替代模型,并依据替代模型来做数据统计量的估计,如矩估计、概率密度函数估计、分布密度函数估计.先利用合成数据测试了替代模型的有效性和可行性,再将基于数据的混沌多项式展开法应用于一些实际数据的处理.数据结果显示,本方法在一类随机数据上表现出较稳定和可靠的预测效果.

Duadic码是一类重要的循环码,构造最小距离具有平方根下界的duadic码是一个有趣的研究问题.文章提出了两种构造最小距离具有平方根下界的odd-like duadic码的构造方法,得到两类最小距离具有平方根下界的odd-like duadic码.

绿色消费信贷是一种通过利率优惠刺激绿色消费的金融工具.本文研究了金融机构的两种绿色消费信贷模式(G模式-无绿色标准的信贷优惠模式,TG模式-基于绿色标准的信贷优惠模式)对绿色消费和供应链绿色制造决策的影响.研究结果表明：(1)绿色消费信贷优惠系数的增加会激励制造商加大绿色研发投入,从而为消费者争取更优惠的信贷利率.此外,金融机构可以通过调整绿色标准来改善违约风险增加导致的不利影响.(2)两种绿色消费信贷模式均有助于推广绿色产品,并提高制造商和零售商的利润.特别是在金融机构的环保意识高于一定值时,采用TG模式可以实现所有参与者的帕累托最优.(3)相比于制造商单独研发情形,制造商和零售商的绿色研发合作能够扩大两种绿色消费信贷模式的激励范围和渠道成员的帕累托最优区间.

定制公交作为城市公共交通的重要组成部分, 其票价体系和线路网络设计对促进公交系统良性运营和提高服务质量起着至关重要的作用. 为定制公交科学定价和线网规划, 本文研究了一类新的考虑价格弹性需求的早晚高峰通勤定制公交定价决策与网络规划问题, 以运营利润最大化为目标, 同时优化车辆路线、乘客分配、票价和行车时间. 首先, 本文将该问题构建为一个混合整数非线性规划模型, 并将其转化为等价的线性模型. 为有效求解该模型, 提出了一种基于问题特征的改进自适应大邻域搜索算法, 设计了最小利润和最少乘客破坏算子以提高算法的寻优能力. 大量数值实验结果验证模型和算法的合理性和有效性, 实验结果表明: 针对小规模算例, 改进自适应大邻域搜索算法可以在5秒内得到最优解或较商业求解器CPLEX 更高质量解; 针对福州市典型大规模实例, 所提出的算法能获得相较于传统大邻域搜索算法和自适应大邻域搜索算法分别高0.617%和0.344%的高质量可行方案; 与不考虑定价决策和惩罚成本的问题相比, 考虑定价决策和惩罚成本后获得的决策方案, 平均可以提升14.98%的运营利润和35.51%的服务人数.

拼车匹配决策优化的过程实际就是拼车管理平台、司机及乘客三方进行协同博弈决策的过程.基于此,本文提出了一种个性化的拼车出价策略,并将之纳入整个拼车订单优化的的决策过程中,以期来提高拼车匹配成功率.首先提出了影响拼车服务质量的绕行距离及不准时时长两个因素,给出了基于拼车绕行距离及不准时时长的乘客距离价格函数及不准时惩罚价格函数;以此为基础,构建了以净利润最大为目标的订单优化的主导者模型和以实际出行效用最大为目标的拼车出价跟随者(乘客)模型;进一步构建了考虑服务质量的个性化拼车定价与订单规划的协同优化模型.提出了求解该博弈模型的分解匹配算法.利用该算法,通过56组不同算例,在20种不同参数组合下对该模型在提高拼车成功率的有效性上进行了验证.结果显示:与平均定价策略及不考虑服务质量的固定价格策略相比,本文所提出的个性化拼车定价策略不仅大大提高了拼车平台的利润和出行乘客的总效用,还显著提高了拼车成功匹配率.

运动神经系统是一个小型但复杂的综合系统，运动神经系统信息传导过程常常受到外界环境变化、细胞内部生化反应随机性、离子通道开关随机性等产生噪声的影响. 研究有色噪声对神经系统信息传导过程的影响，对于深入理解神经元的信息处理机制具有重要意义. 本文对有色噪声干扰下的随机FitzHugh-Nagumo神经系统信息传导模型，提出了全离散伽辽金谱方法，分析了该算法数值解的稳定性. 通过数值实验，模拟了随机FitzHugh-Nagumo神经系统在单个有色噪声样本干扰下的信息传导过程以及在多个有色噪声大样本平均意义下的信息传导过程，并与无噪声干扰的确定性神经信息传导过程作比较，分析了有色噪声对神经系统信息传导的影响，有助于解释复杂运动神经系统在噪声影响下信息传导的动力学行为.

本文研究含有不确定非线性动态的多无人车编队控制问题. 首先, 基于领航-跟随法建立多无人车编队运动模型, 描述无人车个体间的领航跟随关系.然后, 利用神经网络在线学习无人车系统的不确定非线性动态, 通过引入滑动模态, 设计基于目标跟踪机制的自适应神经网络方向控制器;同时, 结合反步递推控制技术, 设计基于目标跟踪机制的自适应神经网络推进控制器, 实现多无人车横纵向综合编队行驶.利用Lyapunov稳定性理论分析证明了闭环多无人车编队控制系统的稳定性, 并且编队跟踪误差能够收敛到原点的邻域内.最后, 仿真结果验证了本文提出的控制算法能够实现不同队形下的编队控制和队形保持.

针对网络货运平台同质化定价引发的恶性竞争等问题,本文在双边市场理论基础上,综合考虑平台技术因素与用户质量因素的交互影响,构建差异化定价博弈决策模型,给出了不同用户归属下的最优定价策略,并分析了技术水平和用户质量水平因素对最优定价的影响.研究发现:双边单归属时,平台采取两部制收费策略更优,此时平台利润与其技术水平和用户质量水平成正比.双边异归属时,平台最优定价策略存在均衡条件.当其他因素不变时,用户质量水平越高则两部制定价策略越优,技术水平越高,则仅收取注册费策略更优.双边部分多归属时,仅收取注册费的定价策略更优,此时技术水平与用户质量水平都对货运平台利润产生正向影响,但技术水平提高带来的效益提升幅度更大.

供应链中小企业普遍存在融资难的问题,阻碍了企业高质量发展.区块链技术驱动下的第三方金融服务平台为破解该问题提供了新思路.文章通过构建“政府-第三方金融服务平台-中小企业”三方演化博弈模型,探究了政府监管行为策略、第三方金融服务平台引入区块链共享信息行为策略和中小企业的融资守信行为策略,进行了三方演化博弈均衡点稳定性分析,并通过参数敏感性分析探讨了区块链技术成本、政府监管成本、政府奖惩力度与企业收益对三方演化博弈均衡的影响.结果表明:1)第三方金融服务平台是否选择区块链共享信息不仅取决于区块链技术成本,也与政府对平台和中小企业的奖惩措施及企业的违约风险收益大小有关.2)传统观念认为区块链驱动下的数字供应链金融势必优于传统供应链金融,但本研究发现只有当政府在特定情况下通过动态奖惩措施对平台进行激励以提升供应链金融信息透明度、对企业进行约束以降低融资违约率时,区块链供应链金融的融资效率才会优于传统供应链金融融资效率.

自创区作为引领创新发展的重要引擎, 以体制机制改革和政策先行先试为出发点, 辐射带动周边区域创新协调发展. 高铁网络的逐步完善为“双循环”打开新格局, 扩大了自创区创新溢出作用的范围. 本文基于2008-2019年中国高铁城市对数据, 采用多期双重差分法, 系统研究开通连接到自创区城市的高铁后对普通城市创新水平的提升效果和作用机制. 研究发现, 开通连接到自创区城市的高铁后能显著提高普通城市创新水平, 自创区城市的创新溢出作用对东部地区城市、创新环境较好的城市和大规模城市的效果更明显. 机制检验表明, 自创区城市的创新溢出效应通过利用创新禀赋、政府引导创新和示范带动效应三个方面实现. 本文为高铁网络化背景下自创区城市发挥示范带动作用, 进一步优化创新资源空间配置和加快发展新质生产力, 实现经济高质量发展提供了经验证据和政策启示.

探究应急物流网络里各节点与边的异质性特性,对于优化整个应急体系中选址和分配优化方案有重要影响.首先,面向备灾阶段,基于复杂网络理论选择以节点脆弱性指征来刻画各应急储备库异质性,且将各应急储备库之间以及储备库与各受灾需求点之间运输连接边的脆弱性指标纳入应急选址-分配决策过程来考量,构建一个综合权衡应急脆弱性、分配效率性和成本经济性的多目标选址-分配模型.接着,以江苏省覆盖13个地级市的应急物资储备网络为实证背景,设计NSGA-II算法对所构模型实施案例仿真求解和关键参数分析,并将求解结果与不考虑异质脆弱性的选址-分配方案进行对比讨论.仿真分析表明:脆弱性视角下异质应急储备库选址-分配优化方案不仅在成本控制和分配效率上表现良好,更能显著提升整个应急物流网络的稳定性与韧性.研究结果为应急决策者做好备灾规划提供有益参考.

本文运用OP法和事件研究法，探讨区块链技术应用对企业全要素生产率和股票价格影响，分析企业区块链技术应用是否切实促进了企业全要素生产率的提高，或只是为公司股价制造了更多的“泡沫”？本文主要的结论有：区块链技术应用主要通过降低融资约束促进全要素生产率的提高，且对于大型企业和国有企业全要素生产率的提升更大；此外，企业公告区块链技术应用后，公司股票价格水平显著升高，即公司能够从基于区块链技术的公告中获取更高的股票溢价。

针对黏菌算法 (SMA) 在解决风电场布局优化 (WFLO) 问题时存在的寻优能力差, 求解精度不足及 SMA 收敛速度慢, 容易陷入局部极值等缺陷, 提出了一种基于自适应收缩和遗传学习策略的改进型黏菌算法 (A-GLSMA). 首先, 根据实际环境建立了风电场布局模型. 然后, 针对 SMA 易陷入局部极值等问题, 提出了基于遗传学习策略的改进黏菌算法 (GLSMA), 以提升SMA的收敛速度和全局搜索能力. 最后, 针对风电场布局优化问题, 采用最大值规则编码解向量, 并设计了一种自适应收缩策略, 利用风机的发电量来更新黏菌的位置, 从而提高求解精度. 仿真实验表明: 在 19 个测试函数上, GLSMA 相比于 SMA, 灰狼优化算法 (GWO), 樽海鞘群优化算法 (SSA), 鲸鱼优化算法 (WOA) 和遗传学习粒子群优化算法 (GLPSO) 等五种算法, 具有更快的收敛速度和更高的寻优精度, 并且 A-GLSMA 相比于遗传算法 (GA), 在求解两种风向分布下的 WFLO 问题时具有一定的性能优势.

针对企业和低碳服务提供商在建立供应链联盟中合作行为的演化过程，借助演化博弈理论与突变论将传统博弈的复制动态方程转化为尖点突变模型、建立包含高斯白噪声的随机动力学系统，同时引入弹性测度指标定量描述系统对扰动的吸收程度。最后，通过仿真实验进一步分析了相关参数变化对联盟非线性演化及弹性的影响。结果表明：当博弈参数组合在突变集内部时，存在双模态现象及扰动性突变；当博弈参数组合越过突变集边界时，联盟状态发生结构性突变；超额收益与惩罚力度在超过一定阈值时，对系统弹性具有正向影响作用；联盟成员协同度在某一阈值内对系统弹性具有负向影响作用，当其增加到某一阈值时，系统弹性减小，可使联盟成员由“不参与”向“参与”策略演化，最终稳定于“参与”策略。

现实中存在家电故障需上门取件运回网点维修的情况, 而家电售后平台存在服务响应时间长和物流成本高等问题, 考虑售后平台订单和车辆信息的实时性和动态性, 设计即时循环调度系统, 构建考虑异质车辆的家电售后即时取件路径优化模型. 设计即时循环调度遗传算法(Instant cyclic scheduling genetic algorithm, ICSGA), 提出最小等待时间初始化, 采用轮盘赌选择结合精英策略, 最小成本交叉和倒位变异等遗传操作. 基于Solomon和Kilby基准案例, 验证了所提算法求解提前预约和即时服务订单的性能. 最后基于结合实际情况改编的Solomon案例, 进行异质车型分析, 动态度和平台截止时间的灵敏度分析, 为家电企业资源的合理分配及路径规划提供管理建议.

模体是网络高阶结构的一种表现形式, 本文以三节点模体为研究对象, 基于网络中边的连接类型, 引入表征网络无连边结构的缺边矩阵, 运用矩阵的乘积、Hadamard积、基于矩阵元素的特殊运算研究网络中模体邻接矩阵的表示问题. 对有向无权网络, 给出了开模体的模体邻接矩阵的矩阵表达式. 对有向加权网络, 依据处理双向边权值的新方法, 分别基于构成模体的各边边权的算术平均值、几何平均值, 得到了两种对模体整体赋权方式下相应的模体邻接矩阵的矩阵表达式. 文中给出了一个检验实例, 并分析讨论了四种网络类型下的模体邻接矩阵表达式之间的关系.

本文运用格兰杰因果关系检验方法、时变参数向量自回归(TVP-VAR)模型以及时变参数向量自回归溢出指数(TVP-VAR-DY)模型研究了气候政策不确定性、全球能源价格和股票价格之间的动态关系. 研究结果表明，气候政策不确定性是全球能源价格和股票价格的格兰杰原因, 尤其在重大气候政策事件发生时更为明显, 而全球能源价格和股票价格之间存在双向格兰杰因果关系. TVP-VAR模型的结果进一步表明, 气候政策不确定性对全球能源价格的短期影响显著为正, 而中期和长期影响以2008 年为拐点由负向转为正向. 同时, 气候政策不确定性对股票价格的影响在2015年之前基本为负, 随后该影响表现为正. 最后, 基于TVP-VAR-DY模型发现气候政策不确定性、全球能源价格和股票价格之间的总溢出效应具有明显的时变特征, 气候政策不确定性为溢出输出者, 而全球股票价格为溢出接收者, 全球能源价格在2008年之后从溢出接收者转变为溢出输出者.

本文将台风登陆事件作为外生性气候风险冲击, 台风登陆时点作为干预时点, 使用双重差分方法研究了台风灾害对我国上市公司股票收益率的影响, 分析了台风风险带来的金融风险经由供应链关系的传导问题. 为了更深入地理解上述影响, 本文从数字化转型的视角进行了机制分析. 研究发现, 台风灾害会对灾区公司的股票收益率产生显著的消极影响, 而这种影响会进一步通过供应链关系传导至供应商和客户, 且对供应商与客户的溢出效应还存在不对称性. 特别的, 本文发现数字化转型对于缓解台风风险带来的金融风险具有重要作用, 可以减轻股票收益率受到的负面影响. 本文最后通过一系列稳健性检验, 发现本文的结果是稳健的.

研究了在Black-Scholes模型和损失相依保费原则下保险人的稳健最优投资问题. 假设索赔过程遵循一个带漂移的布朗运动, 投资对象包含无风险资产, 股票以及一个欧式看涨期权. 股票的价格服从几何布朗运动, 此外保险人还可以向再保险人购买比例再保险来分散投资风险. 通过求解相应的HJB方程, 得到了CARA效用下的鲁棒最优再保险与投资策略的解析表达式, 给出了保险人在套期保值条件下的再保险与投资策略. 最后, 通过数值模拟分析了模型参数对最优策略的影响.

中国户籍登记系统存在漏登人口问题, 但政府部门尚未开展户籍漏登估计工作. 联合国统计司建议各国采用的单重漏登估计量未覆盖全部漏登人口, 低估漏登率. 本文提出用合成漏登估计量替代单重漏登估计量, 并通过案例研究, 比较了合成漏登估计量与单重漏登估计量. 实证研究结果表明: 四种合成漏登估计量估计的漏登率均高于单重漏登估计量; 除其中一种合成漏登估计量估计的漏登率的抽样标准差略高于单重漏登估计量外, 其他三种合成漏登估计量估计结果的抽样标准差均小于单重漏登估计量. 研究结果为统计局和公安部未来制定户籍登记系统漏登估计方案提供重要参考, 提高方案的科学性和可操作性.

基于大规模的专利数据与特征指标开展自动化的前瞻性预测已逐渐成为潜在高价值专利判别的研究重点. 本文针对潜在高价值专利判别中运用普适性机器学习方法因不均衡分布与错分代价差异造成的分类偏差, 综合算法与评估两个层面优化分类策略, 提出多情景式的潜在高价值专利判别优化框架, 并以预测芯片领域专利是否为潜在高价值专利的二分类场景为例开展实证研究. 具体改进之处在于: 算法层面遵循不均衡问题的解决思路, 构建改进的动态集成选择算法与多目标蜣螂优化算法的组合模型; 评估层面引入错分代价机制, 考察多应用情景下代价矩阵对分类预测效果的影响. 研究表明, 本文方法在降低总体误分类代价的同时能够更为精准地控制不同分类错误的分布, 提高模型的识别精度, 能够较好地实现从海量专利中快速、准确地判别潜在高价值专利. 本文从算法与评估两个方面提出优化改进策略, 为解决不均衡数据的分类问题提出了新思路, 为完善潜在高价值专利的判别方法拓展了新尝试, 为相关创新主体快速锁定潜在高价值专利进而开展针对性的培育工作提供了新参考.

本文针对抽样调查中响应变量不满足传统小域估计模型响应变量服从正态分布要求的情形, 研究了基于响应变量变换后的Fay-Herriot模型(FH模型)的目标参数小域估计方法, 提出了目标参数经验最优预测量(EBP)及其均方误差(MSE)估计量. 在对变换后的EBP进行逆变换时通过添加条件期望偏差校准项, 修正了逆变换引入的偏差. 在计算EBP的均方误差时, 提出一种不受模型参数估计方法限制的二阶近似MSE估计量. 通过数值模拟, 将本文的MSE估计方法与已有方法进行比较, 发现本文的方法提高了小域估计模型对具有偏态分布响应变量数据的适应能力和目标参数估计精度, 且具有估计量形式简单的优点. 最后采用本文的研究方法测度了我国部分省份和区县的城乡居民人均金融资产, 通过测度结果验证了方法的有效性.

本文针对异构多智能体系统, 研究了基于自适应分布式事件触发机制的容错一致性问题, 重点考虑执行器故障和外部有界能量干扰等因素. 本文相较于现有研究, 通过引入分布式中间变量, 对异构多智能体系统的闭环误差进行建模. 同时, 设计了故障观测器, 用于实时估计执行器故障状态, 并通过在线调节控制增益来补偿执行器故障. 另外, 设计了自适应分布式事件触发机制, 通过智能体之间的动态交互和信息共享, 既节约了通信资源, 又成功避免了Zeno现象的发生. 此外, 设计了基于分布式自适应事件触发的容错控制器, 确保系统在出现执行器故障或外部扰动的情况下, 智能体之间仍能保持一致的行为. 最后, 通过Matlab仿真实验验证了所提出方法的可行性和有效性, 为实际应用提供了切实可行的解决方案.

简单无向图的拉普拉斯矩阵的次小特征值被称为图的代数连通度.对于通信拓扑为无向图的一阶多智能体系统,代数连通度越大,系统的一致性收敛速率越快.本文将一种边重连(即删边再加边)的图运算方法,用于优化多智能体系统的通信拓扑结构,使其对应图的代数连通度增加幅度最大,并提出了增加通信拓扑图的代数连通度,降低系统通信量的算法.对一个含有六个多智能体组成的系统进行仿真实验可知,该算法可提高多智能体系统误差趋于零的速度,加快系统的一致性收敛速率,并且通过减少系统达到一致时的通信次数,降低系统的通信量.

研究一类基于平均驻留时间切换机制的切换型基因调控网络的耗散性分析与控制问题,并考虑时变时滞参数.通过构造多李雅普诺夫函数以及耗散性能指标函数,结合线性矩阵不等式方法,可以得到系统严格$\left\langle Q,S,R \right\rangle -\gamma$耗散的充分条件.通过舒尔补引理,证明满足$\left\langle Q,S,R \right\rangle -\gamma$耗散的基因调控网络系统是指数稳定的.进一步设计状态反馈控制器,通过求解线性矩阵不等式得到控制器参数,并证明所设计的控制器能够确保系统是$\left\langle Q,S,R \right\rangle -\gamma$耗散的.最后,通过数值实例验证了所提方法的正确性和有效性.

本文研究了存在拒绝服务(Denial-of-Service, DoS)攻击的异构多智能体系统输出一致性控制问题. 首先, 针对网络攻击行为多变且其攻击统计特性无法精确获取的问题, 提出了一种基于双隐Markov模型的拒绝服务攻击行为建模方法, 将攻击行为导致的通信中断转化为多智能体网络的拓扑切换. 其次, 设计了一种分布式异步动态观测器, 以解决通信拓扑模态(Communication Topology Mode, CTM) 和转移概率模态(Transition Probability Mode, TPM)发生不匹配时的异步问题. 第三, 基于随机Lyapunov理论和线性矩阵不等式, 得到了系统输出一致性问题可解的充分条件. 最后, 通过一个仿真实例验证了所得到结果的可行性和有效性.

本文建立了一个基于泊松稀疏算子的$p$阶自回归整数值时间序列模型. 它的参数是时变的, 并可能服从一定的随机分布. 在此基础上, 本文推导了关于这个模型的遍历性; 以及点估计, 区间估计和参数检验统计量的理论性质; 并且给出了对于这个模型进行变量选择的方法及其理论性质. 本文通过数值模拟对这些性质进行了验证; 最终展示了这个模型在真实数据集中的应用.

协方差矩阵估计是高维数据分析中的一项重要内容, 而高维数据又很容易产生维度较高而样本量小的超高维度现象. 小样本张量数据常常呈现重尾情况, 传统的协方差矩阵估计方法(如样本协方差矩阵)对于其估计有时并不准确. 在重尾高维数据以张量形式(多维数组)显示时, 利用张量固有结构对其进行降维是非常好的选择. 为此, 本文提出了用于估计小样本重尾张量值数据协方差的新型结构正则化方法. 首先将重尾张量数据进行截断化处理, 而后计算截断后的样本协方差矩阵, 再利用典型多项式分解(Canonical Polyadic decomposition, CP分解)来寻找截断样本协方差矩阵的多个矩阵克罗内克积(Kronecker Product, KP)形式的逼近, 最后对每个分解得到的小矩阵施加带状或者锥形结构. 模拟结果显示, 针对不同重尾程度以及不同样本量情况, 本文所提出的估计量有着优异的表现. 同时, 对于一组呈现重尾分布的异常温度数据集, 使用本文提出的估计方法进行了分析.