关键词： 灰狼算法   精英反向策略   自适应权重   分段策略   BP神经网络   高程拟合  

摘要： 针对现有高程异常拟合在复杂地形时拟合精度不高的问题，提出多策略改进灰狼优化算法的BP神经网络拟合方法。首先，利用精英反向优化策略初始化灰狼种群，提高初始种群的多样化；通过动态权重因子，实时调整最优狼引导能力的影响；利用分段搜索策略，增强灰狼算法全局搜索与局部搜索能力的平衡。然后，通过多策略改进灰狼算法优化BP神经网络收敛因子提高高程拟合精度。结合工程实例数据构建IGWO-BP高程拟合模型，结果表明IGWO-BP高程拟合模型的收敛效率和高程拟合精度优于BP模型和GWO-BP模型，具有较高的拟合精度。本文可为提高高程异常拟合精度提供一定的参考。

关键词： 医用耗材   库存优化   多周期补货   改进粒子群优化-模拟退火算法  

摘要： 针对医用耗材企业分布式仓储体系下，多仓补货决策复杂、库存成本与服务水平难以协同优化的问题，提出一种面向多仓协同补货的库存优化方法。在此基础上，建立以库存持有成本、缺货损失成本和运输成本最小化为目标的库存优化模型，并将产品效期、批次管理、运输方式经济性及补货量限制等业务约束纳入模型。算法部分提出一种粒子群优化-模拟退火两阶段混合算法。在粒子群优化算法基础上，通过全局搜索以获得较优初始解，引入模拟退火算法的概率突跳机制以跳出局部最优，实现多周期补货量与运输方案的协同优化，同时结合滚动时域机制动态生成未来4周期的补货计划，提高补货决策的动态适应能力。案例研究结果表明，与企业现行补货策略相比，优化方案使总运营成本下降约39.23%，其中库存持有成本降低38.60%，运输成本降低62.31%，缺货损失成本降低39.43%。研究结果表明，该方法能够有效支持多仓环境下医用耗材补货决策，为企业供应链库存优化提供可行的决策支持方法。

关键词： 数字化转型   人力资源管理   流程再造   大数据   人工智能  

摘要： 在“十四五”数字经济发展规划深入实施与“十五五”规划前瞻布局的背景下,数字化转型促使人力资源管理发生巨大变化。应用大数据、人工智能、云计算等新技术在招聘信息获取与发布、人才选拔及培养、考核评价等重点环节上进行革新,使公司可以增强管理水平、节省开支、增强对人的管控力度,还可以优化员工满意程度、企业文化建设。流程重构打破了以往的人力资源管理方式,在一定程度上做到更为自由、智能化、便捷化地运转。利用数字技术提高了决策水平也强化了职工体验,为企业发展赋予了持久的竞争优势。

关键词： 选址-路径问题   可持续性   多目标优化   随机规划   教学优化算法   Q学习  

摘要： 随着不断增长的环境压力和社会服务需求，设计可持续性的物流配送系统变得至关重要。此外，不确定性是物流运作管理中的重要挑战之一。本文研究不确定环境下的可持续选址-路径问题，考虑客户需求、服务时间和运输时间的不确定性，并同时优化经济、环境和社会指标。为了处理参数的不确定性，建立多目标随机期望值-机会约束规划模型，在车辆路径时间随机机会约束下，最小化系统总成本和CO2排放的期望值，而最大化社会影响的期望值。进一步，利用随机规划理论，将混合随机规划模型转化为对应的等价模型，并给出基于Monte Carlo仿真的评估方法。鉴于问题的NP-hard特性，设计基于Q学习的非支配排序教学优化（QLNSTLBO）算法求解。最后，通过数值实验来验证模型和算法的有效性，并分析参数的敏感性。实验结果表明，QLNSTLBO算法的性能优于其他对比算法，并且多目标模型能够有效平衡经济、环境和社会指标。

关键词： 孤立森林算法   计算机信息安全   安全漏洞检测   算法设计  

摘要： 为了有效检测计算机网络中的安全漏洞问题，提高计算机信息安全性，提出了基于孤立森林算法的计算机信息安全漏洞检测技术。创建计算机网络漏洞检测框架和建模，设定算法检测约束条件。对孤立森林算法的漏洞检测方法进行分析，收集计算机信息数据并对数据进行预处理，得到网络中数据包处理后的数据，根据此数据进行漏洞检测。对本文方法开展实验测试，测试结果表示，此方法能够提高漏洞分类的精准度，提升漏洞检测效果，降低数据误检率，避免计算机网络受到入侵。

关键词： 操纵面传动机构   多目标优化   粒子群优化   约束条件   拥挤度函数  

摘要： 针对飞机双操纵面传动机构的优化需求,设计了运动同步性和传动效率评价指标,建立了机构多目标优化函数。通过对机构约束解存在情况分析,采取了连续解和离散解分别优化求解策略;在连续解优化过程中将机构设计参数分类处理,实现了优化求解过程无需处理约束,使得问题可采用多目标无约束优化方法进行求解。相较于多目标约束优化问题直接求解,解集中17%的解得到明显改善,计算时间减少了71%。设计时变参数策略对多目标粒子群算法(MOPSO)的惯性权重和加速因子进行修正,设计拥挤度函数并使用Boltzmann函数计算概率进行全局极值选取,改善了算法搜索能力和最优解分布均匀性及广度,与经典MOPSO相比,Pareto解集的SP度量值下降43.8%,FS度量值增加15.7%。通过某型飞机双操纵面传动机构设计实例和试验验证,该方法合理可行,具有工程实用价值。

关键词： 红外图像   图像增强   纹理感知   引导滤波   特征匹配  

摘要： 针对红外图像对比度低、细节表达不足和结构信息不清晰等问题，提出一种基于纹理感知的红外图像增强方法。首先对输入图像进行鲁棒强度归一化，以减弱不同成像条件下灰度分布波动的影响；然后利用引导滤波实现基础层与细节层分解，对基础层进行局部对比度增强，并结合局部梯度、统计特征和噪声门控机制对细节层进行自适应增强；最后通过图像重建与伽马校正得到增强结果。实验结果表明，该方法在短波红外和热红外图像上均能在保持较好视觉质量的同时，有效提升信息熵、平均梯度和边缘强度，并改善特征匹配性能。

关键词： 单通道盲分离   β-变分自编码器   注意力机制   膨胀卷积  

摘要： 针对单通道盲分离中传统方法误码率高、计算复杂度大等问题，提出基于双编码器β-VAE与注意力机制的单通道盲分离算法。该算法采用双编码器并行结构增强信号特征提取能力，引入膨胀卷积提取多尺度特征，利用Conformer模块融合局部与全局特征，在解码器中加入高效通道注意力机制（ECA）模块以提升重构质量，并采用多损失联合优化模型。实验结果表明，所提算法能有效分离仿真场景下的双路QPSK、双路16QAM、BPSK+QPSK混合信号以及实测双路BPSK混合信号。在平稳信道的双路QPSK分离中，当误码率为10-3时，所提算法相较于深度分离网络（DSNet）、膨胀密集自编码器（DDAEC）和密集连接的多空洞卷积网络（D3Net）分别有约3 dB、2.5 dB和2 dB的性能提升；在非平稳信道的双路QPSK分离中，当误码率为5×10-3时，所提算法相较于DSNet、DDAEC和D3Net算法分别有约4 dB、1 dB和0.5 dB的性能提升；在实测双路BPSK的分离中，当误码率为5×10-2时，所提算法相较于逐留存路径处理算法（PSP）、DSNet、DDAEC和D3Net算法分别有约4 dB、1 dB、0.5 dB和2.5 dB的性能提升。

关键词： 无人机   路径规划   黏菌算法   混沌增强   数字高程模型  

摘要： 针对复杂三维环境中无人机路径规划易陷入局部最优、收敛精度低的问题，提出一种基于混沌增强领导者黏菌算法（Chaotic Enhanced Leader Slime Mould Algorithm, CELSMA）的路径规划方法。首先，在标准黏菌算法中引入三重领导者机制与Logistic混沌映射扰动策略，通过混沌初始化种群、自适应权重调整及混沌扰动位置更新，显著提升算法全局探索能力与收敛性能。其次，综合考虑路径长度、威胁规避、高度约束与路径平滑性等多重要求，构建具有复杂约束的无人机三维路径规划数学模型。最后，利用CEC2005基准函数验证了所提算法的优化性能，并基于真实数字高程模型数据在4组典型威胁场景下开展无人机路径规划仿真实验。基准函数测试结果表明，CELSMA在收敛精度、速度和鲁棒性方面均取得最佳结果。同时，路径规划仿真实验结果表明，CELSMA在4组典型威胁场景下的总体成本平均值均小于对比算法，特别在复杂度最高的场景4中，CELSMA相比SMA提升16.72%。该方法在复杂三维环境中能够规划出安全、平滑且综合代价最小的可行飞行路径，验证了其在无人机路径规划中的优越性与鲁棒性。

关键词： 算法创新   数据要素   全要素生产率   大语言模型  

摘要： 在数字经济加速深化的背景下，算力、算法与数据已成为支撑实体经济转型的关键资源。算法创新作为激发数据要素潜在价值的核心引擎，正逐渐成为推动企业高质量发展的新动能。本文利用2010～2021年中国上市公司数据，引入MacBERT大语言模型处理海量专利摘要文本，精准识别算法专利，并以此刻画地区算法创新水平，实证检验其对企业全要素生产率的影响。研究发现，算法创新能够显著提升企业全要素生产率。机制分析表明，算法创新主要通过提升投入端和产出端数据利用效率发挥赋能作用，一方面，算法创新能够缓解信息摩擦，纠正要素错配并提升产能利用率；另一方面，算法创新能够增强市场需求识别能力，驱动研发创新、降低销售费用并加速资金周转。异质性分析显示，在数字基础设施完善、数据开放程度高的地区，以及需求波动大的行业，算法创新的促进作用更为明显。本文为充分挖掘数据要素价值提供了微观经验证据，为构建算法创新支撑体系、优化数字化发展环境提供了重要的政策启示。