随着自动驾驶技术研究的兴起，对自动驾驶车辆建立一个科学完善的测试评价体系也逐渐受到重视.自动驾驶车辆的测试评价体系主要包括测试方法，以及评价方案与指标的选取.各个国家也为自动驾驶车辆的技术发展和应用制定了标准和法规，对于评价体系的建立有所帮助.因此，文章针对于自动驾驶车辆的测评研究进行了相关的调研工作，从现状背景、测试方法、评价方案、不同国家政策标准等方面进行了梳理和介绍.现状背景方面介绍自动驾驶车辆测评的意义和应用.测试方法方面具体介绍了蒙特卡洛方法、博弈论方法、测试矩阵评价方法和最坏场景评估方法四种，并详细阐述了对自动驾驶加速测试方法.评价方案方面，文章选取了中国自动驾驶仿真技术研究报告、德国PEGASUS项目、中国智能车未来挑战赛和欧洲AdaptIVe项目四个项目，针对其中的评价方案进行了具体说明，另外，也介绍了其他学术文献中提到的评价方案.最后，文章对中国、美国、欧洲等国家和地区近年来为自动驾驶制定的各类标准和政策进行了整理，并介绍了各国的研究现状、参与研究的公司和现有的仿真软件.

讨论带线性约束的非凸两分块优化问题, 旨在分析带超松弛 步长参数的邻近乘子交替方向法(PADMM)的收敛性. 已有乘子交替方向法均要求对偶变量迭代步长参数$\theta\in(0,\frac{1+\sqrt{5}}{2}]$. 文章在$\theta\in(0,2)$的情形下分析PADMM的收敛性. 首先, 在适当的假设条件下, 证明了该算法的全局收敛性. 其次, 当效益函数满足Kurdyka-{\L}ojasiewicz性质时, 证明了该算法的强收敛性. 最后, 通过初步的数值实验验证了算法的有效性.

大数据具有体量大、种类丰富、增长速度快等特点,同时也 存在价值密度低、代表性差等问题,为抽样调查带来了机遇与挑战.大数 据背景下的抽样如何适应新的变化、具有怎样的发展和应用? 文章从三个 角度进行了讨论.一是在数据流环境下产生了一些适应性强的新型抽样方 法,能够高效、准确地获得有代表性样本,并兼顾存储空间、处理的时 间与能力.二是借助网络开展调查或进行社交网络数据的收集,发展出 一些无抽样框的非概率抽样方法,能够以低廉的成本在短时间内获得大量分析 样本.三是综合大数据与抽样调查的优势,进行线上、线下调查数据的融合,文章 针对线上样本是非概率样本、线下样本是概率样本的情况,提出了融合的 基本思路:一方面,通过概率样本对非概率样本进行``概率性检验'',另一 方面,通过提取概率样本的信息,基于模型或基于伪随机化对总体进行推断.

控制工程(系统)的经典力学原理在于能够精确构建和估计被控系统的输出位置,速度和加速度三个状态变量,应用牛顿定律对这三个状态变量作出闭环负反馈控制,使得系统输出跟踪期望的输出轨迹. 在文献(开平安和申忠利, 2022)中,在匀加速运动方程基础上, 应用卡尔曼滤波器设计了OUAM观测器(Observerbased on Uniform Acceleration Movement),基于牛顿定律设计了无模型控制MFCNLM系统(Model-Free Control based onNewton's Laws of Motion),控制系统的所有参数设计不需要被控对象的模型,仅需控制工程师给出闭环控制系统输出期望的过渡过程时间T.文章在文献(开平安和申忠利, 2022)的基础上,着重分析了牛顿定律在OUAM观测器和MFCNLM系统中的理论和应用,论证了OUAM观测器的无偏性和MFCNLM系统的有效性,分析和论证了MFCNLM系统,PID和PIDCC系统在控制系统设计上的经典力学统一性,分析和设计了在具有纯延时环节时变系统中的一种简单而有效的方法.仿真结果论证了MFCNLM系统和具有补偿器的PIDCC系统在应用这种方法后提高了纯延时环节时变系统的控制品质和鲁棒性能.

超像素级的高光谱图像分类是一类有代表性的谱-空分类方法.与像素级分类方法相比，超像素级的分类方法在分类精度和分类效率方面都有明显的优势.然而，超像素级分类算法的主要缺点是分类结果严重依赖于超像素的分割尺度.已有的工作表明，最优超像素分割尺度的获得往往是一个实验结果，很难预先确定.为了削弱这种依赖性，文章提出了一种基于超像素合并的超像素级高光谱分类算法.该方法首先采用局部模块度函数对所构造的稀疏加权超像素图进行合并；然后通过新定义的映射将每一个超像素块表示为一个样本点，使用流行的KNN方法对合并后的超像素图像进行超像素级分类.超像素的合并增强了空间信息在分类中的作用，有效地削弱了分类结果对超像素分割尺度的依赖性，并提高了分类精度.为了评价该方法的有效性，在4个公开的实际高光谱数据集上，将所提出的方法与一些竞争性的高光谱图像分类方法进行了实验和对比.实验结果和比较结果表明，该方法不仅有效削弱了超像素分割尺度对分类结果的影响，且在分类精度和计算效率方面都有十分明显的优势.

障碍期权是一种在中国市场中备受欢迎的场外衍生品, 由于其收益的不连续性, 金融机构在动态对冲的过程中主要面临delta值震荡的问题, 从而导致对冲风险较大. 文章基于柳树法的思想, 在跳扩散模型下, 提出一个稳定且适用于多种随机模型的障碍期权定价和希腊值计算方法, 用于障碍期权动态对冲. 相比于现有方法, 柳树法计算delta值更稳定, 对冲成本更低. 进一步, 对2010年1月1日至2021年9月30日标的资产是上证50指数的障碍期权对冲效果进行研究, 并基于市场数据对模型参数进行实时校准. 对冲结果表明柳树法的确能够降低对冲成本和对冲风险, 进而可以为国内金融机构对冲障碍期权及相关的结构化产品提供一种新的方法.

针对机械臂在工作空间中运动轨迹规划难的问题，文章提出了一种基于示教学习的轨迹学习与避障方法，该方法融合了高斯混合模型（GMM）、动态运动基元（DMP）和快速扩展随机树（RRT）方法.通过GMM表征预处理后的轨迹数据集，提取运动特征，优化轨迹点分布并回归生成示教轨迹.利用DMP模型对优化轨迹进行编码，学习生成复现轨迹，并具有一定的轨迹泛化能力.同时，在工作空间中存在障碍物的情况下，采用RRT算法在DMP生成轨迹的基础上进行修正，快速得到避障路径.最后在Franka-Panda七自由度机械臂平台上进行物块搬运实验，实现了机械臂抓取-放置作业的快速部署与精准操作，结果验证了文章所设计方法的有效性.

通过三角模糊器将技术分析指标模糊化并利用Apriori算法和神经网 络生成非主观类交易规则, 设计带有非主观类模糊交易规则库、Mamdani含义的 乘积推理机、中心平均解模糊器的模糊决策系统. 利用带有遗忘因子递推最小二 乘法对系统的结构性参数进行估计, 并提出两种非主观类的交易决策(Apriori策略、神 经网络策略). 实证结果显示, 在扣除交易成本后, 非主观类交易规则策略比被动 的买入持有策略以及主观类的投资策略平均而言具有更高的年化收益率和夏普比率. 研究结果表明, 基金经理或股票投资者在进行交易决策时, 非主观类的模糊决策系统能 给予有效的投资指导, 并建议去尝试克服自身心理以及市场基准.

针对高维多项式微分系统的Zero-Hopf分岔进行分析.首先，我们将分岔分析问题约化为代数问题，并基于半代数系统求解的符号算法给出微分系统存在~Zero-Hopf~分岔点的判定方法.然后，基于二阶平均方法推导出微分系统Zero-Hopf分岔分析的算法框架，并利用符号计算方法通过具体算例开展了极限环分岔研究，得到了一些新结果.最后提出几个相关的研究问题.

流行病的广泛传播对经济发展以及日常生活造成了巨大的冲击.因此，收集流行病相关数据并分析其发病率或感染强度的时空规律对制定相应的控制策略，经济恢复政策等方面至关重要.文章讨论了基于分层贝叶斯时空Poisson模型的流行病建模方法，具体包括数据模型，过程模型以及参数模型的不同设定，参数先验分布的讨论，模型选择等.基于这种思路对流行病的传播和发展进行分析，可以研究不同地区的空间差异性及其他协变量对流行病趋势的影响，同时也可以研究病毒传播的时空依赖性和空间效应的异方差结构.所讨论的建模方法可为相关问题研究提供理论参考.对于参数估计，可利用已有的软件WinBUGS和OpenBUGS中默认的马尔可夫链蒙特卡罗算法（MCMC）下的Gibbs抽样算法.

随着大数据时代的来临, 为了提高计算效率, Wang等(2018)提出 基于logistic 回归的最优子抽样算法, 在保证参数估计精度的前提下, 节省了大量的 运算时间. 为解决变量间的多重共线性, 文章提出基于岭回归模型的最优子抽样算法, 并 证明岭回归模型中参数估计的一致性与渐近正态性. 利用数值模拟与实证分析对最优子抽 样算法进行评估, 结果表明, 利用最优子抽样构建的模型与全样本构建的模型在参数估计 的精度相近, 并大幅减少了运算时间.

多维系统常用多项式矩阵来描述，系统理论中的多维系统等价问题也常被转化为多项式矩阵等价问题进行研究.文章主要研究两类多元多项式矩阵的等价问题，得到这些矩阵分别与其Smith型等价的判别条件.这些条件的检验是比较容易实现的，文章中也通过具体的等价实例进行说明.

文章关注一类具有符号有向图的异质非线性分数阶多智能体系统的预设时间二部一致性跟踪问题.通过引入一类具有广义性质的时变函数,设计了一类基于时变函数的预设时间分布式控制器,以一种完全分布式的方式分别实现了异质线性和异质非线性分数阶多智能体系统的精确预设时间二部一致性跟踪.该预设时间可以通过时变函数预先设定, 且不依赖于任何初始值和参数.最后, 用实例验证了理论结果的有效性.

X射线CT (computed tomography)成像技术中常遇到尺寸、形状或是材料特殊的检测对象, 此时只能在有限的角度内进行数据采集. 在不满足CT 精确重建条件时, 常规的重建算法表现出严重的滑坡伪影, 难以为实际应用提供有价值的信息参考. 为了更好地消减图像中的伪影, 文章提出了一种基于ResNet网络模型的有限角CT图像 重建方法, 其采用残差学习方法, 可用来对输入的图像进行特征提取, 获取足够的细 节信息, 并使用反卷积算法对学习的特征进行恢复. 有限角医学CT图像数据证明了所提出的重建方法有效性, 明显减少了滑坡伪影且有效地保留了原始图像的结构特征.

文章研究了具有Holling-II型功能性反应函数的 随机捕食者-食饵模型的平稳分布的存在唯一性. 相比于传统方法需要借助H\"{o}rmander定理、支撑定理和Khasminski\u{\i} 函数来证明随机模型存在唯一的平稳分布的复杂证明, 文章首先借助状态空间精确线性化理论给出了一个简洁可行的秩条件来证明随机捕食者-食饵模型的可积Markov半群满足``Foguel alternative'', 然后结合Khasminski\u{\i} 函数的存在性证明了模型存在唯一的平稳分布. 最后, 用数值模拟验证理论结果的正确性.

随着科学技术的发展, 虽然人们提高了收集和处理数据 的能力, 但仍存在一些大数据集超出了现有计算机的计算能力. 目前, 抽取一 部分样本来替代全样本进行建模计算是减轻计算负担的一种方法. 大数据背景 下线性模型的子抽样方法已经得到了相对成熟的研究, 在减轻计算量方面获得 了很大的优势. 文章将线性模型下的子抽样方法推广到非参数回归模型, 并推 导出了基于子样本的加权最小二乘参数估计对全样本加权最小二乘参数估计的收敛速度, 以及子样本参数估计的条件渐近正态性. 通过最小化渐近方差的准则, 提出了非参数局部多项式回归模型下的OPT和PL两种抽样方案, 最后在均方误差、计算成本和拟合效果等方面进行数值模拟, 比较了OPT子抽样和PL子抽样相对于均匀子抽样和杠杆子抽样的差别, 其结果表明于OPT准则和PL准则的子抽样方法在提高估计精确性和减少计算负担方面具有很大优势.

局部修复码是一种能修复多个故障节点的纠删码，在分布式存储系统中被广泛使用，构造最优局部修复码是目前分布式存储编码理论研究的热点问题之一.文章利用有限域$\mathbb{F}_{q}$上循环码构造了以下两类具有局部修复性$（r，\delta）$的最优局部修复码：1）$[3（q+1），3（q+1）-3\delta+1，\delta+2]$，其中$q\equiv1（\bmod~6）$，$r+\delta-1=q+1$，$2\leq\delta\leq q-1$是偶数；2）$[3（q-1），3（q-1）-3\delta+2，\delta+1]$，其中$q\equiv7（\bmod~9）$，$r+\delta-1=q-1$，$2\leq\delta\leq\frac{2（q-1）}{3}$是偶数且$\delta\not\equiv0（\bmod~6）$.

作为一种流行的非凸惩罚,极小极大凹惩罚(MCP)在变量选择中被广泛使用.非对称最小二乘回归(ALS)区别于最小二乘回归,能够研究响应变量的整个条件分布.文章基于MCP惩罚,提出带有MCP惩罚的稀疏非对称最小二乘回归模型(MCP-ALS),并得到了相应估计量的性质.文章证明:首先,在一定的正则化条件下,当协变量维度固定时,诱导估计量具有Oracle性质.在高维模型中,当回归误差具有有限阶矩时,诱导估计量具有弱化Oracle性质.其次,通过采取不同的非对称权重值,文章提出的方法能够识别出引起异方差的协变量.数值模拟表明,文章提出的方法在变量选择上有优良的表现,并且能有效检测异方差.最后,将所提方法应用于糖尿病数据集中,实例分析表明,所提方法在实现变量选择的同时,能够挖掘解释变量与响应变量之间的潜在关系,以期对糖尿病人病情的预测和控制提供借鉴.

近年来,旅游景区因超负荷接待造成游客滞留的事件屡见不鲜,如何准确有效地预测景区客流量、合理调配资源成为眼下景区管理者十分关切的问题.由于节假日等外部因素的影响,景区客流量的时间序列曲线通常呈现非线性的特征,这增加了准确预测旅游客流量的难度.文章提出一种考虑节假日影响效应的景区客流量预测方法,即Prophet-NNAR混合预测方法:首先,基于考虑了节假日影响因素的Prophet模型预测原始景区客流量序列;其次,使用神经网络自回归模型(NNAR)对Prophet模型预测值的残差部分进行预测;最后,将二者相加作为Prophet-NNAR混合模型的最终预测结果.文章以2013年1月1日至2017年7月31日的九寨沟景区历史客流量数据为研究样本,使用R软件验证Prophet-NNAR混合预测方法的有效性,研究发现Prophet-NNAR混合预测方法的预测性能除了优于单一的模型方法(Prophet模型、不考虑节假日效应Prophet模型、NNAR模型)外,还强于季节自回归求和滑动平均(SARIMA)、指数平滑模型(ETS).此外,借助Diebold-Mariano检验进一步确定了Prophet-NNAR模型的优异性.

针对状态不完全可测的多智能体系统,研究持续异步拒绝服务(Denial of Service,DoS)攻击下基于观测器的安全一致性控制问题.基于切换理论,将受到攻击的多智能体系统建模为满足持续驻留时间的切换系统.攻击睡眠阶段被认为是$\tau$部分,其中通信网络中的领导者是全局可达的.攻击激活阶段看作$T$部分,持续有效的拒绝服务攻击能够破坏原始通讯网络的连通性.通过构造模型依赖Lyapunov函数并求解线性矩阵不等式,获得控制器和观测器增益以实现一致性跟踪.最后,仿真结果验证了所提方法的有效性.

新能源汽车的推广对中国保障能源安全与实现双碳目标具有积极意义.在内燃机车仍在中国汽车消费市场中占据主导地位的背景下,新能源汽车还需深入推广,其销量的影响因素有待进一步明确.文章使用网络爬虫技术获取有关新能源汽车的在线评论数据,以2021年在售的129款新能源汽车为研究样本,通过文本挖掘和实证分析来揭示在线评论中特定内容对新能源汽车推广的内在影响机理.研究的主要结论如下:1)评论特征中的评论数量、评论情感极性与评论点赞数将对车辆销量产生正面影响.2)新能源汽车在线评论中有关“噪音控制”、“加速性能”、“内燃机车”、“电池与充电基础设施”与“天气”的内容将对车辆销量产生显著影响.3)在线评论中“环保”、“电池与充电基础设施”、“科技感”、“加速性能”等内容对车辆销量的影响存在异质性.研究表明,新能源汽车在线评论中的特定内容将对新能源汽车销量产生显著影响,厂商应在进行评论口碑管理的同时,针对相应内容所反映的用户反馈优化自身的生产服务.

文章分别在简单随机抽样和排序集抽样下研究 了Inverse Rayleigh分布中对应样本所含刻度参数$\theta$的Fisher信息量. 数值结果表示, 同等样本容量的排序集样本比简单随机样本提供更多关于$\theta$的信息. 接着分别基于简单随机样本和排序集样本构造了$\theta$的一些优良估计, 并对估计结果进行了数值比较.

文章研究张量响应回归模型及其系数张量的最小二乘估计.为了提高该模型系数张量的估计精度，首先对模型的系数张量进行张量的CP分解和Tucker分解，构建两个新的张量响应回归模型.这两个模型不仅可以捕捉张量数据内部的空间结构信息，还可以大大减少待估参数的个数.然后，给出模型对应的参数估计算法.最后，通过MonteCarlo数值实验说明改进后的两个回归模型的系数张量的估计精度都有显著的提高，且基于Tucker分解的张量响应回归模型的系数张量的估计精度最佳.

抽样调查在大数据时代仍是不可或缺的研究工具. 然而, 传统 调查方式当前面临执行成本增加与数据质量降低的双重挑战. 作为降 低受访者负担的有效途径, 问卷分割设计逐渐受到研究者重视. 文章研 究针对问卷分割设计中的子问卷分配过程展开讨论: 在假设受访者招募 服从泊松过程前提下, 以降低协变量的子样本间差异为目标设计成组序贯 随机过程. 理论和数值分析显示该过程相较现有随机化方法具有优良的 表现, 可以更好地平衡子样本间协变量差异并提高估计量的估计精度.

区块链通证激励的兴起,为解决用户内容创作动力不足的问题提供了新思路,但其在实际落地过程中仍面临着诸多挑战.文章以基于区块链的知识社区Steemit为研究对象,通过采集区块数据,从激励平等性和知识贡献效率两个维度分析了社区通证激励机制的现状及问题,从而揭示社区通证激励分配垄断的现象,并探究了通证激励分配垄断对用户知识贡献的影响.研究结果表明:社区的通证激励分配被少部分头部用户所垄断,且社区的激励分配机制不能有效反映用户的知识贡献水平;通证激励分配的不平等性降低了用户的内容生产和内容发现水平.

针对具有外部扰动和参数不确定性的多四旋翼无人机，提出了基于指令滤波反步方法的分布式固定时间自适应编队控制算法.通过引入固定时间指令滤波及构建非光滑误差补偿机制，有效地避免了"复杂性爆炸"问题并在固定时间内移除了滤波误差的影响.此外，通过设计分段函数，巧妙地解决了分布式控制器中存在的奇异性问题.利用固定时间稳定性理论，严格证明了闭环系统是实际固定时间稳定的，且闭环系统中所有信号有界，同时编队跟踪误差在固定时间内收敛到原点附近充分小的邻域内.最后，仿真算例验证了所提出的分布式固定时间控制策略的有效性.

为了减小运动控制中三角函数类型轨迹规划在减速段产生的振动和冲击，文章提出了使减速段Jerk平滑过渡的非对称正弦轨迹规划的系统的设计方法.首先，根据S曲线的闭合形式非对称设计方法，将其在正弦算法中实现；然后，针对正弦加加速度在减速段存在突变的问题进行优化，并提出不同目标行程下确定运动参数的方法；最后，通过频域分析和仿真实验的方法验证了该算法的有效性.

文章利用AdaBoost集成学习技术提升均值-方差（MV）策略的表现.首先，文章对二次期望效用损失函数进行了分歧分解，从理论上表明集成学习技术有助于提升投资组合策略的表现.其次，文章将收益率均值和协方差压缩估计量中的压缩强度设定为样本外绩效驱动，并利用迭代有效集法和梯度下降法最大化效用的值函数，从而构建了参数化的MV策略作为文章策略AdaBoost.PT的弱学习器.在实证方面，文章利用A股近25年和美股近40年的全股票样本数据，考察了集成投资组合策略在夏普率、标准差、换手率和最大回撤方面的样本外表现，并利用假设检验对夏普率差异的显著性进行验证.基于因子组合数据集的实证结果显示，基于收益率均值压缩估计量的集成策略在4个评估指标下和差异性统计检验中能够取得优于基准策略的结果，此外，使用行业组合数据集的稳健性检验同样显示出一致的结果.

随着信息时代的来临, 如何从海量数据中快速、有效地挖掘有用信息是目前面临的新挑战. 子抽样方法作为大规模数据分析的有效工具, 已经受到国内外学者的广泛关注. 不过, 传统的子抽样方法通常没有考虑到模型的不确定性. 当模型假设不正确时, 后面的统计推断将会出现偏差, 甚至导致错误的结论. 为了解决该问题, 文章利用频率模型平均的方法构建了子抽样模型平均估计(简称SSMA估计). 理论上, 文章证明了SSMA估计是全部数据下模型平均估计的一个渐近无偏且相合的估计. 另外, 我们 基于Hansen (2007)的Mallows模型平均方法提出了SSMA估计的权重选择 准则, 并证明了方差已知和未知时权重估计的渐近最优性. 在这些理论性 质的研究中, 文章同时考虑了模型和抽样设计带来的双重随机性. 最后, 数值分析进一步说明了所提出方法的有效性.

文章采用高维数据变量筛选的方法对衡量员工离职的诸多因素进行统计分析,并对员工离职情况进行了预测.分别使用了由Cui等(2015)提出的MV (Meanof Variance)方法和LASSO方法对高维数据进行变量筛选,选出了与员工离职相关较为密切的的变量进入分类模型.为保证模型预测结果的准确性,文章选择了支持向量机、随机森林、XGBoost以及Logistic模型四种机器学习模型对员工离职情况进行预测.在100次的实验中,相比于另外的7种组合模型方法,MV变量选择下的随机森林模型的平均分类准确率最高,达到95.43%.通过改变训练集与验证集的比例、抽取80%样本数据、增加随机扰动三种方式来验证上述实验结果,发现仍然是MV方法下的随机森林的平均分类准确率最高,且该组合模型具有较好的稳健性能.

针对中小企业的信用风险预测问题,文章提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)-卷积神经网络(ConvolutionalNeural Network,CNN)的中小企业信用风险预测方法.首先,依据国标《企业信用评价指标》,结合中小企业的特点,构建中小企业信用风险预测指标体系,包括守信意愿、守信能力和守信表现三方面的财务与非财务指标;然后,优化LSTM-CNN的网络结构和参数,并使用Dropout方法与Batch归一化方法防止过拟合;最后,采集上市中小企业数据,对数据进行缺失值、标准化与过采样处理,利用LSTM-CNN自动提取信用风险特征,并进行信用风险预测.实验结果表明,文章构建的指标体系能够更为全面的反映信用风险状况,基于LSTM-CNN的中小企业信用风险预测效果优于其他信用风险预测模型,克服了传统方法无法对中小企业时序数据进行动态预测、忽视中小企业发展潜力与时间延续性的局限.

为了提高绿色供应链绩效,政府会给与零售商绿色产品补贴,制造商会给与零售商绿色推广补贴.基于Stackelberg博弈分析由制造商和零售商构成的二级供应链,探究考虑消费者绿色偏好下绿色产品补贴和绿色推广补贴对供应链绩效的影响.研究发现,补贴对于产品绿色度与利润都具有正向的促进作用,消费者偏好不高或产品绿色化系数低时,适合采用绿色产品补贴;消费者偏好较高或绿色推广效率较高时,适合采用绿色推广补贴.绿色产品补贴作为供应链外部补贴,调节能力是有限的;而绿色推广补贴作为供应链内部补贴,能产生更高绩效.

文章提出求解电网最优电压调节问题的两阶段方法. 利用无功功率 隔离开关调节电压, 同时最小化电网损耗. 首先将电网线性化, 并求解最优电压 调节问题, 以确定隔离开关运行计划. 采用无功功率分配法, 结合树路径最优 化法对隔离开关进行无功功率分配, 得到帕累托前沿解以降低电压损耗, 选择 电网电压运行的最优方案. 使用Matlab对电网电压性能进行评估, 结果表明: 与其它 非线性优化算法相比, 所提算法具有更优的精度与效率.

文章研究三阶多智能体系统的尺度群一致性问题:个体网络由两个子网组成;个体网 络由任意有限个子网组成.分别针对这两种情形,设计分布式尺度群一致性协议,并基于矩阵 理论及Routh-Hurwitz判据分析得到系统达到尺度群一致性的判定条件,以及系统达一致时 的收敛状态.最后,通过仿真验证理论结果的有效性.

通过向量序结构,引入了集值种群博弈问题Nash均衡与合作均衡的概念. 借助Ky Fan截口定理和广义Scarf定理, 在集值支付函数上半连续且紧值的假定下,分别得到了其Nash均衡点与合作均衡点的存在性定理.最后通过算例验证了结论的可行性和两种均衡的不同.

文章研究了高阶空间自回归模型的模型选择方法, 该方法可以同时进行空间权重矩阵和协变量的选择. 模型选择方法在Kullback-Leibler 损失意义下的渐近有效性得到证明. 此外, 文章进一步提出了高阶空间自回归模型的模型平均方法, 并证明了其渐近最优性. 数值模拟结果展示了模型选择方法的价值, 也表明了模型平均具有进一步提升模型选择效果的优势.

在高维情形下, 为了实现对期望收益率的更准确估计, 提高投资 组合策略的稳定性及获得更好的样本外表现, 文章利用流通市值和账面市值比的 双因子排序组合信息, 在回归形式的均值-方差策略目标函数中引入了Group-LASSO (GLASSO) 正则项, 构建了GLASSO-MV投资组合策略. 相比包含权重$l_1$-范数正则项的LASSO-MV策略, GLASSO-MV能够有效利用因子组合之间的定价差异信息, 从而输出组间的稀疏权重, 进而更有效地估计高维投资组合权重并取得更好的样本外表现. 为了获得合适的正则项参数和权重稀疏度, 文章在5 折交叉验证寻优结果的基础上进行了稀疏度调整. 为验证此策略, 文章利用A 股1995 年至2019 年共3695 只股票的日际实证数据集, 将GLASSO-MV 与多种常见的投资组合策略进行了比较. 结果显示相比LASSO-MV, MV, GMV, TZ (Tu-Zhou), BS (Bayes-Stein) 等策略, GLASSO-MV实现了更好的样本外夏普率, 更低的标准差风险和换手率.

电力作为支撑经济发展的基础性产业，电力消费与产业结构和经济增长间关系密切.因此，文章基于甘肃省地级市2004--2018年城市面板数据，运用面板向量自回归（PVAR）模型，实证检验了甘肃省产业结构、电力消费与经济增长之间的因果关系.研究结果表明：甘肃省产业结构和经济增长之间相互影响，经济增长对电力消费具有正向促进作用，全社会固定资产投资推动经济增长和产业结构优化.未来甘肃省的经济发展应秉持"稳增长、调结构"的目标，通过政策驱动风电和光电等清洁能源的快速发展，提高能源投资和能源利用效率，引导和扶持第三产业发展，实现甘肃产业结构优化、经济发展和节能减排的多重目标.

为了从互联网媒体数据中识别风险事件,描述事件的演化结构和感知事件风险的演化规律,文章基于动态网络事件风险演变分析框架.文章构建时序动态网络表示事件的演化,使用Louvain算法识别事件,使用事件迁移概率构建事件之间的关系图.在识别事件演化结构的基础上,文章确定事件的主要演化路径,归纳出事件风险与事件生命周期之间的关系.研究结果表明,事件的演化存在着事件形成、事件合并和事件衰减等结构,事件演化结构够成了事件发展的主要路径,事件风险在事件生命周期的不同阶段存在差异.

在线直播平台的大规模交互数据为人类行为的定量分析提供了平台和数据基础, 为大规模人群的在线交互机制挖掘提供了难得的契机. 文章以斗鱼直播平台2020全年涉及190多万主播的直播大数据为分析基础, 基于二部图理论构建了观众—主播交互网络, 通过设计用户的交互机制提出了偏好强度可调的观众—主播交互网络演化模型. 经实验验证, 模型能够准确预测观众—主播交互网络在未来1至8天的演化结果. 文章揭示了网络直播平台观众—主播交互过程中观众对直播间已有观众数量的强偏好性, 直播间已有的观众数量越多被选择的概率越大, 反映了人类对有价值内容的趋向和偏好, 印证了真实社会系统中声誉或口碑的累积效应, 为网络直播大规模在线人群交互行为特性和内在机理挖掘提供了量化仿真模型和实证分析结果. 同时文章为大规模在线人群交互行为特性和内在机理挖掘提供了泛化性较强的可迁移研究框架, 对利用大规模在线社交网络的连边和演化规律来描述并预测社交关系的形成和发展过程有重要意义.