针对当前粮食供应链中利益分配不均等现实问题，本文以粮食供应商、加工商及销售商构成的三级供应链体系为研究对象，通过构建Stackelberg博弈模型，系统对比了独立经营、两两合作和完全合作三种模式下的利益分配优劣。鉴于传统Shapley值法的局限性，从资源投入、风险承担、努力水平以及贡献程度四个维度出发，引入云重心法对原有方法进行改进，从而科学地确定各分配因子的校正值。算例分析表明，云重心改进模型能有效提升粮食供应链利益分配的公平性与合理性。这种更为科学的分配机制，不仅有助于保障供应链联盟的长期稳定与可持续发展，更能通过激发各参与主体的积极性，显著提升整体协同效率。

零售商自有品牌的快速扩张与事业部独立的组织架构变革,使得自有品牌代工厂商选择成为一个重要的战略决策.基于一个制造商与一个零售商构成的供应链系统,本文通过构建两阶段博弈模型,系统对比事业部独立前后,选择品牌制造商与选择专门代工厂商的均衡策略,研究组织架构变革对自有品牌代工厂商选择的影响.研究发现:当自有品牌与品牌制造商产品间替代性较低时,零售商无论是否成立自有品牌事业部,其最优策略为选择由品牌制造商代工自有品牌;在两种组织架构下,第三方公司代工模式均存在实现更高社会福利的可能性;事业部独立将显著降低零售商选择专门代工厂商模式的概率,同时也增强了代工成本对该模式的约束力;在一定条件下,事业部独立会提高两种代工模式下的消费者剩余和社会福利.

环境保护与污染治理是一项系统工程,需要多方协同参与.本研究基于协同视角,构建四方演化模型,分析中央政府、地方政府、企业及公众在污染治理中策略选择的动态过程及系统稳定性.各方参与主体之间存在显著的相互影响与制约关系.实现最优治理需多方协同:企业严格排污、地方政府加强治理、中央政府有效监督、公众积极参与.建议完善政府监管协调机制、建立企业激励约束体系、提升公众参与有效性,构建高效协同治理格局.

针对短视频舆情传播中多模态要素耦合机理与演化规律分析不足的问题,本文提出一种融合封面视觉、音频特征与文本语义的三层超网络模型,设计基于超边相似度的跨模态主题发现算法,结合生命周期理论构建“主题发现-主题演化-情感迁移”三维态势感知框架.以“东方甄选小作文”事件为例进行实证分析,研究结果表明:多模态协同产生信息增益,构成舆情核心扩散路径;超网络模型在结构可解释性与舆情刻画能力上优于传统方法;舆情演化呈现四阶段动态平衡.本研究为短视频舆情分析提供了新范式,为舆情治理与引导提供了理论支持与方法参考.

针对配送延迟问题,构建包含超时赔付的准时配送服务策略模型,探究电商平台在时效承诺与服务优化的管理问题.研究表明:1)消费者支付意愿呈现非线性阈值效应:当等待时间处于适中区间且延迟概率较高时,服务费用被部分消费者感知为风险规避与经济补偿的``双重保障'',此时电商平台实施消费者导向策略可使收益提升.2)当等待时间与延迟概率均超过特定阈值时,电商平台通过与商家合作的管理策略,重构供应链协同模式,以实现帕累托均衡.3)特别地,即使在时间成本较低的情境下,仍有部分消费者表现出对超时赔付服务的支付意愿.

本文研究了非对称分布下中位数排序集抽样(MRSS)样本均值的均方误差及其估计的性质. 已有研究指出, 在一些非对称分布下, MRSS样本均值作为总体均值的估计比简单随机抽样样本均值作为总体均值的估计的效率可能会随着集合大小的增大而下降. 由此可见, 集合大小对抽样效率具有显著影响, 而集合大小的选取通常介于2-7之间. 因此, 本文又在集合大小为2-7时, 研究了给定样本容量时, 寻找非对称分布中MRSS样本均值中最优集合大小选择的一般步骤, 接着找到了一些非对称分布下MRSS样本均值中最优集合的大小. 研究结果发现, 最优集合大小确实提高了抽样效率. 实际数据分析进一步验证了本文的研究结果.

随着电商平台智能化转型加速,企业在智能客服部署与人机合作实践中面临服务质量下滑、销售模式适配等多重挑战.本文以电商供应链为研究对象,分别在转销与代销模式下,构建了智能在线客服/人机合作策略的4种电商供应链决策模型,分析了消费者服务质量水平敏感程度、人工客服应用成本等因素对电商供应链销售模式选择的影响,探讨了人机合作策略解决智能客服服务质量问题的有效性和应用边界.研究发现: (1)人机合作策略促使制造商有更多可能性选择转销模式,仅在消费者转接人工客服的概率较低时,制造商才可能转向代销模式,电商平台则在人工客服应用成本不太低时,于高(低)佣金率下更倾向转(代)销模式; (2)当消费者对人类能力的可靠性关注成本较低时,在转销与代销两种模式下,只要人工客服应用成本较低,人机合作策略均能提升智能客服服务质量;而一旦该关注成本较高,其提升效果将显著受限; (3)转销模式下,制造商推进人工客服应用的积极性更强,而在代销模式下,仅当满足特定条件时,双方企业才能从人工客服应用中共同获益.

在新媒体时代, 网络舆情事件在网络空间中往往间接或连续地“涌现”, 会因主体相同、议题相似、情绪共鸣而产生共振现象. 在复杂性的视角下, 系统性研究网络舆情共振的内在机理、作用路径和影响因素, 为政府有效引导和治理网络舆情生态系统提供理论依据. 首先, 在复杂性视角下分析了网络舆情共振理论框架；其次, 系统性探析了网络舆情共振各个系统的影响因素并构建因果回路图；最后, 基于舆情共振的影响因素和作用路径, 构建动力学模型并进行模拟仿真. 通过模拟仿真, 得出优化网络空间结构、聚焦舆情内在属性、提升主流媒体素养、赋能政府权威报道以及强化多因素协同治理能够构建良好网民互动链、明晰舆情事件信息链、完善信息传播渠道链、统筹贯通协调全链条以及优化舆情共振管理链, 进而可以有效引导和预防网络舆情共振引发的社会影响.

地铁作为城市居民通勤的主要交通工具, 其具备运行平稳、准时高效以及强运载力等特性. 在早高峰期间, 地铁乘客利用乘车时间进行诸如放松休憩、撰写文档和处理邮件等活动. 然而, 车厢内的拥挤状况将直接影响乘客活动效用, 造成其通勤体验的差异. 基于此, 本研究综合考量地铁车厢内活动效用及其异质性, 构建早高峰期间同质和异质地铁通勤者的出发时间选择模型, 探究通勤者的出发时间决策行为、活动效用与拥挤程度之间的动态关联, 以及车厢内活动效用对出行决策的影响. 通过数值算例对理论模型进行验证, 并剖析两类异质通勤者人数比例和活动干扰系数对出发率的影响. 研究结果显示, 若忽视车厢内活动效用的作用, 通勤者会对地铁早高峰特征做出错误判断, 具体表现为低估高峰持续时长且高估车厢内的拥挤程度.

因放宽了Black-Scholes模型波动率为常数的假设,随机波动率模型成为金融衍生品定价的研究热点.Heston模型作为经典的随机波动率模型之一,因存在欧式期权定价的闭式解而被广泛应用,但该模型包含五个待估参数使其参数估计问题具有较高难度.加之高频交易对参数估计的实时性提出了更高要求,如何在限定时间内获得理想的参数估计结果,成为亟待解决的关键问题.现有随机波动率模型参数估计算法难以兼顾定价精度与实时性.针对高频交易场景下Heston模型的参数估计需求,本文设计了一种两阶段启发式算法,其核心思想如下:离线阶段,采用遗传算法对历史实例进行参数估计以构建训练集,并利用卷积神经网络泛化期权交易数据与模型参数之间的映射关系;在线阶段,针对新的待估计实例,借助训练完成的卷积神经网络引导生成高质量的初始种群,在此基础上利用粒子群算法完成参数估计.计算实验中,本文从收敛速度与定价精度两个方面,将所提算法与粒子群算法和遗传算法进行了对比分析.数值结果表明,本文提出的两阶段启发式算法在高频交易场景下的Heston模型参数估计中具有良好的有效性与可行性.

稀疏性是高维建模过程中一个重要的假设, 即在处理高维回归分析中, 往往只有少部分变量对响应变量具有显著影响, 这便是稀疏性的体现. 本文在变系数模型的基础上, 结合变量选择, 针对纵向数据提出具有混合效应的变稀疏系数分位回归(VSCMEQ)模型, 其中待估系数函数使用B样条估计, 通过对随机效应和固定效应施加惩罚来研究相关重要因素(变化效应、常数效应)的影响. 最后通过应用原发性胆汁性肝硬化(PBC)数据进行建模分析, 得出在不同分位数下对患者疾病进展(生物指标)的重要因素影响.

针对偏正态非平衡两向分类随机效应模型, 本文探讨固定效应和方差分量函数的假设检验和区间估计问题. 首先, 基于偏F分布, 构建固定效应的精确检验. 其次, 基于Bootstrap方法和广义方法, 分别构造单个方差分量、方差分量之和、方差分量之比的检验统计量和置信区间. 本文所建立的统计推断理论是对现有正态、平衡、单向分类情形下结果的直接推广. 再次, Monte Carlo结果表明,在给定参数和样本量下, 本文所给方法在犯第一类错误的概率和功效函数意义下均表现出统计优良性. 最后, 将本文所给方法应用于2016-2023年我国28个省（自治区、直辖市）工业生产者出厂价格分类指数分析.

复杂场景下快速调度救援资源，以应对不同阶段和地区物资需求的不确定性，成为人道主义救援管理中的重大挑战。本研究面向灾后需求信息不完整、道路环境动态变化等复杂情境，构建了一个结合人工智能（AI）技术与移动救援中心（MF）的两阶段鲁棒优化框架，以支持灾害响应阶段的资源预部署与多期物资运输决策。第一阶段通过预部署移动救援中心与志愿者并采用AI辅助路径规划实现基础响应能力布局；第二阶段在需求信息更新后进行多期物资分配与运输优化。模型基于不确定集合刻画需求波动，并在L1范数下证明了其与确定性模型的等价性及最优资源分配策略的存在性。数值实验表明，在无 AI 情况下，鲁棒模型相较于确定性与随机模型在不同规模下均表现出较好的成本控制能力与更高的稳定性；在引入 AI 技术后，各类模型成本均显著下降，其中鲁棒模型受益最为明显，展现出 AI 与鲁棒策略的协同优势。此外，敏感性分析结果显示，路径结构复杂度与移动救援中心能力对系统表现影响显著，提升移动救援中心能力可进一步增强智能调度与鲁棒优化的综合效益。本研究提出双模协同路径规划机制与两阶段鲁棒优化决策框架，为需求不确定条件下的资源预置、运输调度与动态决策提供了可靠支持。该方法不仅适用于自然灾害场景，也可拓展至公共卫生事件或供应链中断等突发状况。未来可结合分布式鲁棒优化与高效求解算法，以进一步提升大规模复杂情境下的求解性能与应急响应能力。

针对受输入约束与外部扰动影响的非线性系统最优控制问题, 提出一种基于事件触发的控制方法. 现有事件触发方法可有效缓解系统计算与通信负担, 但缺乏触发阈值对系统实时运行状态的灵活调整. 在零和微分博弈框架下, 首先推导最优控制-扰动对, 并设计面向双参与者的动态事件触发条件以降低通信负担. 进一步, 引入非线性动态调节参数, 使触发阈值能够动态匹配系统当前运行状态, 从而将计算与通信资源优先分配至系统快速响应阶段, 并在系统平稳运行时段主动抑制触发频率, 实现控制性能与通信资源消耗之间的合理权衡. 其次, 设计融合经验回放的权重更新律, 有效克服对持续激励条件及初始容许控制的依赖. 理论分析表明, 闭环系统状态及所有神经网络权值估计误差均具有一致最终有界性(Uniformly Ultimately Bounded, UUB), 且不存在芝诺(Zeno)行为. 最后, 以弹簧-质量-阻尼器系统和单连杆机械臂系统为仿真对象, 从触发次数、触发率、与平均状态范数等多方面评估算法性能, 结果验证了所提方法的有效性与优越性.

本文讨论交通分配驱动的一类非线性互补问题的数值方法. 基于文(Appl. Numer. Math. 192: 41-56, 2023) 中求解无约束优化的谱三项Hestenes-Stiefel共轭梯度法, 本文将其拓展应用于解决非线性互补问题. 首先使用自适应机制给出一个新的谱三项Hestenes-Stiefel型搜索方向, 独立于任意线搜索, 具有充分下降性和信赖域性质. 结合惯性加速技术和自适应线搜索, 得到一个惯性谱三项共轭梯度投影法. 常规假设下, 建立所提方法的全局收敛性. 与若干同类方法进行比较的初步试验结果显示, 该方法在求解非线性互补问题时具有一定优势. 最后, 将所提方法应用于交通分配问题, 进一步展示其应用潜力.

推动能源企业低碳技术创新是稳妥推进能源绿色低碳转型的必由之路.基于自愿碳交易机制重启这一契机,以电力行业为例,构建随机演化博弈模型分析强制碳交易机制和自愿碳交易机制,即双机制并行对控排企业与清洁能源企业低碳技术创新的影响.研究表明:1)双机制并行展现出良好的制度协同效应,能够激励两类企业低碳技术创新,但对更具市场势力的清洁能源企业的低碳技术创新激励较弱,这意味着市场势力会削弱双机制并行的低碳技术创新激励效应.2)在初始碳配额免费分配情形下,CCER抵销比例变动对两类企业低碳技术创新的总体影响不显著,可以认为5%的CCER抵销比例设定在当前碳交易市场成熟度下(初始碳配额免费分配、碳配额价格为62.29元/吨)是合理水平.3)提高碳配额价格和初始碳配额有偿分配比例对清洁能源企业低碳技术创新不产生实质影响,然而前者有利于促进控排企业低碳技术创新,后者则产生显著的负向影响.4)碳配额价格或初始碳配额有偿分配比例越高,激励控排企业低碳技术创新的最优CCER抵销比例也越高.文章的研究是基于制度协同视角对“波特假说”的再检验,为提高强制碳交易机制和自愿碳交易机制的有效协同提供政策启示.

棋盘格角点的亚像素精确定位是提升双目相机标定与高精度视觉测量效果的关键。然而，已知的基于传统方法或深度学习的棋盘格精度检测方法容易受到环境与图像质量的影响，这些方法多数还需借助复杂的后续处理才能达到亚像素精度，不仅步骤繁琐，在复杂场景下也难以满足测量要求。针对这一问题，本文提出一种新型端到端亚像素棋盘格角点检测方法。该方法通过引入改进的连续热图匹配损失，有效提升了模型对棋盘格角点的亚像素识别精度；同时引入得分损失，在保证棋盘格角点输出稀疏性的同时抑制其输出的假阳性。此外，我们设计了并行细节补偿路径，弥补轻量化主干网络因多次下采样所损失的浅层空间信息，从而显著提高棋盘格角点定位的精度与鲁棒性。实验表明，本方法在合成数据集上表现出较好的亚像素定位精度，在真实双目相机标定与测距任务中也取得了显著效果，验证了本文方法在视觉测量应用中的有效性。

本文研究了在事件触发控制(ETC)策略下具有时滞的变分数阶神经网络(VOFNN)的有限时间同步(FTS) 问题. 首先, 根据变分数阶导数(VOFD)的定义,给出了VOFD不等式的一个新引理. 其次, 通过设计一个合适的ETC, 基于李雅普诺夫函数方法, 得到了驱动响应系统FTS的一些准则. 此外, 准确估计同步时间且证明了所设计的ETC未表现出Zeno行为. 最后, 利用MATLAB对上述理论结果进行仿真实验.

软件研发项目调度中人力资源的工作技能选择会导致活动工期和薪资水平不同, 造成人力资源使用成本的变化. 虽然当前不乏软件研发项目调度和工作技能选择的研究, 但均忽视了工作技能对活动工期和薪资水平的交互影响, 考虑其影响会导致问题求解空间的增大和参数设置的复杂. 本文以最小人力资源使用成本为目标, 构建兼顾工作技能选择和项目调度排序的数学模型. 同时, 应用量子行为粒子群算法进行人力资源工作技能选择, 采用余弦函数拟合算法的收缩-扩张因子来强化搜索能力, 融合12种优先规则和串行调度生成机制求解人力资源使用成本. 通过两组实验检验算法有效性并探索关键参数取值. 结果发现: 相较于随机方法、传统量子行为粒子群算法和线性量子行为粒子群算法, 本文算法可在对项目工期影响不大的基础上减小人力资源使用成本; 人力资源使用成本随项目截止日期的增加先减小后稳定, 随人力资源供给量的增加先减小后增大, 故将两个参数分别设置在最早稳定点和极小值点还可以进一步优化目标.

少重量线性码被广泛应用于强正则图、密钥分享方案、关联方案和认证码等多个领域. 少重线性码的构造及其重量分布的确定一直是纠错码研究的一个重要课题. 本文通过选取一些特殊的定义集, 构造了奇特征有限域上具有较好参数的 2-重、3-重和 4-重线性码, 并利用一些特殊指数和确定了这些线性码的重量分布. 文章结果推广了 Zhu 和 Xu (2017), Jian 等 (2019) 及 Zheng 等 (2021) 的相应结果.

数控加工是现代制造业的主要方式, 而自由曲面的高效数控加工是提升生产效率的关键. 本文根据曲面的几何信息, 从两方面对这一问题进行研究. 首先对于路径规划, 提出了残高密度的概念, 由此建立了残高度量. 在重参数化后, 以待加工曲面的等参数线作为路径能够生成均匀残高路径, 且路径的参数距离能够估计出路径间残高误差. 对于参数曲线的速度规划, 以往的算法并没有注意到相邻路径的几何相似性将使得路径可以在运动上具有相似性. 本文提出了进给参数曲面方法, 对部分路径进行速度规划就能生成全部路径的进给速度曲线. 相比于对逐条路径进行速度规划, 这个方法能显著提升计算效率, 使得基于优化的速度规划方法有望进行实时计算. 此外, 两方面内容的结合使得曲面加工中的不同工序（如精加工和半精加工的规划）能够合并在一次规划中完成. 实验验证了本文理论和算法的有效性.

精准识别债券违约机理, 对推动我国债券市场从规模扩张向质量提升具有关键作用. 本文基于2015-2023年的信用债违约数据, 使用 Categorical Boosting(CatBoost)、Extreme Gradient Boosting(XGBoost)等模型进行实证分析, 选出在预测债券违约方面表现最优的模型. 结果显示, CatBoost模型在预测公司债券违约方面表现出色, Shapley Additive Explanations(SHAP)值的可视化工具有效地解决了机器学习预测模型中的“黑箱”难题, 并能够以可视化的方式突出显示异常值的影响. 企业供应链集中度和客户集中度与信用债违约之间存在关联效应. 财务指标在评估信用债违约风险中保持着不可替代的重要性, 是衡量信用债违约概率的关键因素.

路网状况是影响救灾物资向灾区及时配送的关键因素。灾害环境下道路修复时间具有显著不确定性，直接影响应急物资配送的时效性与可靠性。本文考虑道路修复时间不确定，研究了三级应急物流网络设计中的配送中心选址、配送中心与需求点之间的配送-路径规划问题，引入预算不确定集来描述修复时间的不确定性，以物资分配总时间最短为目标，构建了鲁棒优化模型，并将其转化为可求解的混合整数规划模型。通过对比不同鲁棒控制系数下的求解结果，得出：鲁棒优化模型相比于名义值模型可以有效消除不确定因素带来的影响，提高应急物流网络整体的鲁棒性，为应急物流网络设计决策提供理论依据。此外，配送网络可接受的道路最低通行可靠度的降低，即救援车辆对恶劣道路的适应能力的提高也能对救援效果产生积极影响。

扬声器阵列优化旨在从多个候选扬声器位置中选择最佳布置方式, 包括确定合理的扬声器数量和位置, 对提升声场控制效果至关重要. 本文针对面向车内声场分区控制的扬声器阵列优化, 以最大化明暗区声能量对比度和空间一致性, 最小化声场恢复误差和扬声器数量作为目标, 建立多目标优化模型以优化扬声器的布局与数量. 此外, 考虑到实际应用中的性能需求, 采用目标规划方法从帕雷托最优集中选取满足实际要求的扬声器阵列排布方案. 本文对所提出的多目标优化模型在频率点0Hz至1000Hz处进行了仿真测试. 结果表明, 通过多目标优化模型得到的扬声器阵列排布方案可以改善声场分区控制性能指标.

本文提出一类梯度正则化非精确牛顿法来求解复合凸优化问题. 该算法在迭代过程中采用满足某种非精确条件的近似矩阵(如L-BFGS更新公式)来替代精确Hessian矩阵. 针对一般复合凸优化问题, 分析得到该算法的全局收敛率为$O(T^{-1})$, 其中$T$为迭代次数. 当复合目标函数中的光滑部分为强凸函数时, 证明得到该算法具有全局线性收敛性. 基于Nesterov加速技术, 本文进一步提出一类加速的梯度正则化非精确牛顿法. 在一般复合凸优化问题情形下, 分析得到该加速算法的全局收敛率为$O(T^{-2})$. 最后, 通过数值仿真验证本文所提出的两类算法在求解不同logistic回归问题时, 整体性能优于一些现有的相关算法.

全球经济波动与国内结构转型背景下,提升企业投资效率对推动中国经济高质量发展至关重要. 2024年4月,中共中央政治局会议首次提出“壮大耐心资本”.作为一种具有长期导向、高风险容忍度及战略与关系特征的资本形式,耐心资本与企业长期稳健高质量发展的需求高度契合. 本文基于2008-2023年中国沪深A股上市公司数据,实证检验了耐心资本对企业非效率投资的影响. 研究发现,耐心资本能够有效缓解企业非效率投资,对投资不足和投资过度均有抑制作用. 机制分析进一步表明,耐心资本通过资源效应与治理效应提升企业投资效率. 异质性分析表明,耐心资本对企业非效率投资的抑制作用,因企业技术水平、市场竞争程度及所受财政支持力度的不同而存在差异. 本文创新性从企业资源配置非效率投资视角探讨耐心资本的作用,揭示了其在提高企业投资效率方面的重要影响,为中国经济高质量发展下优化资本市场结构、提升资本配置效率提供了实证证据和政策启示.

在“双碳”目标背景下，天然气作为清洁高效能源，在我国能源结构转型中发挥着重要作用。随着管道规模不断扩大，降低输气成本和压气站能耗成为天然气管网运行优化的关键问题。本文针对稳态运行的天然气管道系统，建立了混合整数非线性优化模型，综合考虑了管道流量、流向、站场压力及压气站启停等决策变量。针对模型中复杂的非线性水力约束，提出基于序列线性规划的定制化算法，通过线性化近似与水力参数迭代更新实现高效求解。数值实验基于我国东北和西部两大管网系统的实际运行数据，结果表明所提模型和算法能够有效降低管输费用和能耗成本，验证了方法的可行性与应用价值。

环境治理作为全球可持续发展的关键要素，其成本预测在政策制定、资源配置以及实现人与自然和谐发展方面发挥着至关重要的作用。然而，现有研究还较少涉及不同类型环境规制对环境治理成本的影响，且忽视了指标选择的客观性和环境治理数据中固有的信息不确定性。为此，本文提出一种新的环境治理成本预测方法，主要创新包括：（1）基于扩展置信规则库（EBRB）构建数据驱动的成本预测模型；（2）在 EBRB 模型的建模中融入熵权法确保指标选择的客观性；（3）将三种类型的环境规制纳入到基于EBRB的成本预测模型中；（4）提出 EBRB的区间优化模型以有效解决环境治理成本预测中的信息不确定性问题。基于我国30个省份的环境治理数据进行实证分析，结果表明，所提方法能够揭示不同类型环境规制下成本预测的差异及其区间变化特征，进而为环境治理决策提供更科学的参考依据。

碳交易价格预测对市场决策及风险管理至关重要，但现有方法面临双重挑战：跨市场重复建模导致计算资源浪费、新兴市场因数据有限引发预测精度不足。针对传统迁移学习中特征对齐与预测精度失衡、固定权重机制引发迁移方向偏差等问题，本文提出一种动态迁移优化的TimesNet碳交易价格预测模型。首先，基于源域数据预训练TimesNet网络捕捉时序通用特征，利用目标域数据微调模型以适配特定特征，解决传统模型跨尺度交互建模不足的缺陷；然后，设计动态迁移损失函数，引入时变权重机制平衡跨领域差异分布损失与回归预测损失，解决静态策略的迁移方向偏差。最后，通过反向传播优化模型参数，得到TimesNet迁移预测模型。实验表明，相较于目标域的直接预测，迁移学习在误差指标上表现更为优异，尤其在数据稀缺环境下展现出更优的稳健性（当仅使用目标域30%的数据对模型进行微调时，迁移学习的性能优势尤为突出，RMSE、MAE和MAPE分别降低了0.012、 0.011、与0.25%）；与静态迁移策略相比，动态机制有效避免过早特征对齐对预测任务的干扰（在仅使用目标域10%的数据进行模型微调时，该机制在RMSE、MAE和MAPE三项指标上仍一致优于两种静态迁移策略，降幅分别达到0.024/0.024、0.024/0.021、10.27%/10.17%）。为进一步评估模型性能，通过DM检验了模型结果的可靠性、SHAP分析了模型结果的解释性，结果表明模型预测符合市场行为的实际逻辑。本文为碳交易价格预测提供了一种具有可解释性的迁移学习框架，也为迁移学习在小样本金融时序场景中的应用拓展了理论方法与应用路径。

在全球经济震荡与国内经济增长动能转换的双重背景下, 科学评估与防控银行网络系统性风险已成为宏观审慎管理的核心议题. 目前, 银行清算机制对系统性风险的量化研究尚未建立完整的理论框架, 尤其缺乏基于债务网络结构的优化分析. 本文创新性地构建了一般清算机制下银行间债务网络的最大熵模型, 基于 2015-2024 年 A 股上市银行同业业务数据, 设计比例分配、优先级分配、约束等奖励分配及约束等损失分配等四种典型清算规则下的压力测试场景, 重点对银行债务网络熵值与银行存活率进行差异性分析. 实证结果表明: 1) 约束等奖励分配在各类冲击场景中展现出最优的鲁棒性和网络多样性维持能力, 其风险抵御优势源于对过度债务集中的动态调节; 2) 优先级分配虽能提升个体存活率, 但其抗风险能力较弱, 在冲击场景下会加剧核心节点债务累积, 形成系统性风险“温床”; 3) 比例分配尽管具备一定的鲁棒性, 但其风险缓释能力相对有限; 4) 约束等损失分配在极端压力下暴露出网络分割风险, 导致系统稳定性阈值显著下降.

随着信息技术与制造业的深度融合，共享经济衍生出生态链模式，相对于传统的代加工模式，该模式下龙头企业会对初创企业进行一定的孵化，进而影响生态链利润.为揭示关键要素的作用机制，构建由龙头企业、初创企业和零售商组成的供应链，分别从代加工生产模式和生态链视角下探究了产品品牌优势、孵化能力、竞争强度等对供应链利润及竞合策略的影响.在代加工模式下，部分人的合作在一定程度上会损害其他人的利益；在一定程度下，生态链模式能够有效促进供应链成员间的深度合作，且不会损害其他参与主体的利益；适当的竞争强度能提升产品知名度、扩大受众群体，当初创企业自有品牌受消费者青睐时，消费者对龙头品牌产品的购买意愿也会变强，此时龙头企业将更倾向于生态链模式.本文研究为生态链的推广以及供应链模式优化与协同策略制定提供了理论支撑与实践参考.

为有效处理右删失数据并构建兼具可解释性与预测精度的生存分析模型, 本文提出了深度部分线性扩展风险 (Deep Partially Linear Extended Hazard, DPLEH) 模型. 该模型的特点在于其部分线性结构设计, 允许将特定协变量作为参数部分直接纳入模型, 从而增强了模型结果的可解释性. 同时, 该模型通过深度学习框架自动学习非线性关系, 能够有效刻画复杂数据结构中的非线性效应, 并提高对生存函数的预测精度. 此外, 在模型中引入协变量与生存时间的交互, 以放宽比例风险假设的限制. 本文进一步分析了多种随机梯度下降算法在该模型中的表现并证明了该模型下生存函数估计的相合性, 为该模型的应用提供理论基础. 模拟研究结果表明, 所提出的 DPLEH 模型表现良好且优于现有方法. 最后，将该模型应用于一组原发性乳腺癌数据集, 以验证其实际应用价值.

针对具有预设性能约束的四旋翼无人机, 本文提出了预定时间轨迹跟踪最优控制策略. 首先, 借助于误差变换和预设性能函数, 将系统跟踪误差约束在指定范围内; 其次, 采用``执行-评价''结构的自适应动态规划技术同时优化前馈与反馈控制信号; 进而, 利用李雅普诺夫稳定性理论证明了所设计的控制器能够保证闭环系统实际预定时间稳定, 且跟踪误差被约束到指定的区域并在预定时间内收敛到原点附近的邻域. 最后, 通过数值仿真验证了本文所提出的预定时间最优控制算法的有效性和优越性.

突发事件中，恐慌情绪易诱发非理性行为，进而放大社会系统性风险。针对现有模型中情绪–行为链条相对割裂与干预机制理想化的问题，本文构建了融合情绪传播、行为响应与政府干预的双层网络协同随机控制模型。在情绪传播层与行为扩散层之间引入非线性耦合结构，用以刻画个体在情绪驱动下的行为演化过程，并通过协同随机控制策略模拟政府干预在多条治理路径上的作用及其不确定性。理论上推导了恐慌行为收敛与趋于稳定的控制条件；仿真中基于真实案例检验了模型的拟合精度与调控效果。结果表明，情绪引导与政府干预的协同机制结合弹性随机控制，可有效抑制恐慌行为扩散并改善系统恢复进程，为群体性突发事件中的行为治理提供了新的建模工具与理论支撑。

在信任机制下,专用P2P网络中的终端向云端P2P网络发起资源传输请求,云端节点需接受安全凭证列表对其身份进行验证后方可进入专用系统.该机制依据节点在系统中的资源传输历史,将云端中携带资源的节点划分为两类:一类节点与二类节点.具有传输历史的二类节点在此分类中会获得抢占优先权.两类节点响应资源传输需求进入系统并在终端完成资源传输的过程,可类比为离散时间下顾客进入多服务器排队系统并接受服务的过程.基于此,本文构建了一个Geom/Geom/$c$排队模型,采用矩阵几何解法对其进行求解,从而获得量化系统运行机制的指标以实现对这类P2P网络系统的深入分析.最后,针对二类节点具有抢占优先权的特性,对模型进行Stackelberg博弈均衡分析,得到了两类节点在收益最大化条件下分别对应的唯一到达率.

AI辅助检测在医疗领域的应用日渐广泛,有效提升了医疗机构的诊断效率与准确性.产能配置可以有效管理服务速率和患者队列,进而提升医疗服务质量.本研究构建了采用AI辅助检测的医疗系统两阶段产能配置模型,并分析不同性质医疗机构中的产能配置、利润和社会福利.研究发现:医疗机构需参考AI辅助检测的赋能水平,合理配置检测和治疗阶段的基础和安全产能,以满足患者基础需求并提供应对需求波动的弹性;AI辅助检测能够提升检测阶段的服务速率,但若医疗机构未能相应增加治疗阶段的产能,则可能引发系统瓶颈;AI辅助检测并不总是提升医疗机构的利润和社会福利.本研究为AI技术与医疗领域的融合提供了理论支持,为医疗机构产能配置决策提供了指导方向.

本文研究了具有服务员休假的 M/M/1 流体型排队库存系统, 其中系统的库存为流体型产品, 系统采取连续盘点的 $(r,Q)$ 补货策略. 顾客到达服从 Poisson 过程, 顾客服务完成后, 需求随机数量的库存产品. 库存为空时服务员开始休假, 休假时间服从一般分布. 如果顾客到达时发现库存是空的或者服务员在休假, 则顾客不进入系统. 首先, 考虑了服务时间为零的修正系统模型, 利用补充变量方法求出了系统稳态概率分布. 其次, 利用修正系统模型的结果进一步得到了原系统模型的稳态概率分布的乘积解, 进而求出了系统的一些性能指标, 并考察了系统参数对系统性能指标的影响. 最后建立了系统的平均费用优化模型, 并对系统的最优库存策略和最优费用进行了数值分析.

社交媒体时代的信息传播呈现碎片化与随机化特征. 在此背景下, 通过网络水军进行的有组织舆论操纵已成为网络空间治理面临的重要挑战. 本文基于观点动力学理论, 构建了社交媒体环境下水军干预的观点动力学模型. 通过引入随机噪声机制刻画社交媒体环境中随机信息流对群体观点演化的影响, 并建立具有局部传播特性的异步交互动态模型. 研究将水军建模为具有固定观点的特殊个体, 通过量化分析水军与普通个体的交互动力学, 揭示了水军干预舆论的内在机制. 本文研究表明, 在适当强度的随机信息流影响下, 舆论会在平均意义下同步到水军预设观点. 本文研究成果不仅深化了对水军作用机制的认识,为探索其在舆情引导中的潜在价值提供了数学支持, 并为网络空间治理提供了新视角.

政府补贴对汽车制造商的战略决策具有深远影响. 本文基于补贴力度与市场竞争格局的动态演化特征, 将产业发展划分为补贴驱动期和补贴退坡期, 并构建两阶段动态博弈模型, 以分析传统燃油车企与新能源汽车新兴企业、以及新能源汽车领先企业与新兴企业之间的竞争互动机制, 从而揭示补贴政策调整下不同类型企业的最优决策响应. 研究表明: 1) 补贴率对汽车制造商决策的影响受市场份额显著调节. 当新兴企业市场份额较低时, 过高的补贴率反而削弱其技术创新, 迫使新兴企业采取低产量、低价策略. 而传统燃油车企凭借既有市场优势维持较高的产量与定价. 2) 当新兴企业市场份额较高时, 补贴率提高将强化其产量扩张、研发投入与定价能力; 而领先企业在竞争加剧的情形下，则采取减少产量、削减研发投入及降价等成本控制策略. 3) 数值分析进一步表明, 补贴退坡对不同类型汽车制造商的影响存在显著差异: 短期内新兴企业因资金约束导致利润下降, 但长期可通过技术创新实现利润增长; 传统燃油车企利润因竞争加剧而缩减, 而领先企业利润则保持相对稳定. 本研究为推动新能源汽车产业从“政策驱动”向“市场驱动”转型提供了重要政策启示.

推动“无废城市”建设是落实“双碳”目标、促进经济社会可持续发展、建设美丽中国的重要实践.本文以2019年“无废城市”建设试点为准自然实验,探究“无废城市”建设对企业ESG表现的影响.研究发现,“无废城市”建设显著提升了试点区域企业ESG表现,且该现象在非国有、制造业企业以及地区环境保护支出高的企业中更突出.进一步结果显示,“无废城市”建设提升了政府工作报告的环境词频、增加了城市的环境处罚次数和绿色工厂数量,同时在企业层面缓解了管理层短视和融资约束、降低了权益资本成本并增加了信贷获取,且“无废城市”建设对ESG表现的提升作用在未获环保投资、未获环保荣誉或所在行业竞争激烈的企业中更为突出.这些结果表明,“无废城市”建设主要通过提高政府环境注意力、增强利益相关者认可等渠道提升企业ESG表现.分析其后续经济影响发现,“无废城市”建设能降低企业短债长用水平,带动企业共同富裕发展.本文拓展了“无废城市”建设相关研究,对引导企业积极参与社会治理、协同推进减污降碳扩绿增长,加快经济社会发展全面绿色转型提供了有益参考.