本期目录（摘要）

第43卷 2025年第05期(总第341期) 

☆管理系统工程

不确定条件下新能源汽车动力电池回收网络模型及算法(1 )

赵梦娜，刘勇，马良

上海理工大学管理学院

摘要：针对新能源汽车退役动力电池的回收问题，考虑退役电池回收数量和回收质量的不确定性，以选址调度总成本最小、乘务组工资成本最低和乘务组满意度最大为目标，构建了带时间窗的动力电池回收网络多目标模糊选址-路径模型。首先，利用模糊机会约束规划模型，通过引入三角模糊数的方法来处理模型中的模糊变量；其次，基于强度和拥挤距离的多目标处理策略，设计混合策略改进的学生心理学优化算法对问题进行求解；最后，选取小规模算例进行仿真实验，实验对比结果表明：构建的模型和提出的算法能够优化上海市动力电池回收网络的选址-路径规划方案，显著降低整体逆向物流网络总成本、提高员工排班满意度，且在求解质量和效率方面均更优，为不确定条件下退役动力电池逆向物流网络的构建和发展提供了决策参考，具有可行性、合理性和有效性。

关键词：动力电池回收；模糊机会约束规划；学生心理学优化算法；多目标优化；

基金资助：教育部人文社会科学研究青年基金项目(No.21YJC630087)； 上海市哲学社会科学规划课题(No.2019BGL014)；

分类号：X734.2

基于多案例融合的突发事件推演方法(18)

赵瑞，王宁，张磊

大连理工大学经济管理学院

摘要：为克服传统案例推理方法难以适应复杂多变的突发事件推演情景，以及依靠最相似单案例推理导致推演结果准确性与适用性不足的问题，提出了多案例融合的突发事件推演方法。在多案例融合的推演方法中，首先利用知识元模型作为案例表示和相似度计算的基础，提出多案例检索方法获得案例融合集；然后提出基于分批估计算法的相似案例问题解融合方法，得到以多案例为依据的突发事件推演结果；考虑到由于分批方式的不同导致各批次方差较大，提出基于批内方差的融合修正方法对突发事件推演结果进行修正，得到更加准确的推演结果。最后，利用真实的森林火灾案例数据作为突发事件推演应用实例，验证所提出方法的有效性，并与传统的单案例推理方法进行比较分析，实验结果表明多案例融合推理方法提升了突发事件推演的准确性，推演结果有助于为突发事件预测及应对提供更准确的决策支持。

关键词：案例推理；多案例融合；突发事件推演；突发事件案例；知识元；

基金资助：国家自然科学基金重点项目“基于多模态数据融合的智能社会风险预警研究（72434001）”；国家自然科学基金项目“公众关注下突发事件应对研判融合建模与智能分析方法研究（72304059）”；

分类号：TP18；D63；C934

改进的混合多属性大规模交互式群体评价(30)

张发明1廖思雨1叶兆青2陈远妹1

1.桂林电子科技大学商学院2.桂林电子科技大学外国语学院

摘要：为解决大规模交互式群体评价研究中评价信息类型单一的问题，提出一种同时包含实数型、序数型、区间型、三角模糊型、直觉模糊型和语言信息型六类混合属性信息下大规模交互式群体评价方法。首先，将混合信息类型一致化为虚拟语言信息；其次，对评价者群体进行聚类分组，并计算出评价者群体相应权重；最后，在LPHM算子基础上对多轮评价信息进行集结，并通过算例验证了方法的科学性和有效性。

关键词：混合信息；多属性；交互式评价；LPHM算子；

基金资助：国家自然科学基金资助项目(72161006)； 教育部人文社科基金项目（21XJA630009）； 广西自然科学基金重点项目（2023JJD110010）；广西自然科学基金面上项目（2021JJA180078）； 广西哲学社会科学规划项目（21FGL037）； 广西新文科研究与实践项目（XWK2022011）； 广西研究生教育创新计划项目(YCSW2024333)；

分类号：TP18

☆社会经济系统工程

组态视角下服务型制造模式价值增值的驱动路径40)

刘宏笪1，2，3郭重庆2，3，4张茜5赵海峰2，3李晨阳2，3Edison TSE6

1.江苏大学管理学院2.同济大学经济与管理学院3.服务型制造创新与研究中心4.中国工程院5.复旦大学管理学院6.斯坦福大学管理科学与工程系

摘要：服务型制造作为制造业与服务业融合的新业态，是新型工业化与生产力发展的重要实践方向。本文以309家服务型制造示范或转型企业为样本，从组态视角揭示多重条件组合对价值增值的作用机制，刻画围绕财务价值、市场价值和组织价值的有效组态路径，并规避错误导向策略。研究发现：实现综合价值增值需形成结构嵌入—网络/数字动态能力整合框架，或通过认知嵌入强化制造轨的双元创新，或依托网络动态能力推进探索式创新的双轨演进活动。结构嵌入通过整合网络资源与社会地位奠定转型基础，匹配动态能力以促进环境适应；认知嵌入通过价值认同推动制造轨创新；网络动态能力激发探索式创新活力。进一步地，财务价值增值依赖结构嵌入与动态能力协同或认知嵌入下的制造轨双元创新；市场价值增值需借助基础性利用式创新快速抢占市场；组织价值增值则需在关系嵌入主导下结合制造轨探索创新，或采取渐进式优化策略来实现。综上，企业应根据自身资源禀赋选择高质量转型路径，当其具备优势嵌入机制或动态能力时，可弱化自主创新，依托网络协同创新实现价值增值。本文为服务型制造转型提供了差异化路径选择的理论依据和实践指引。

关键词：服务型制造；价值增值；组态视角；网络嵌入；双轨双元创新；动态能力；

基金资助：国家社会科学基金项目（23BJY085）；

分类号：F719；F424

数字经济赋能制造业结构优化升级的机理与实证研究(56)

成鹏飞1，2李松亮1谢芳婷1刘敏1

(1.湖南科技大学 商学院，湖南 湘潭 411201；

2.产业发展大数据与智能决策湖南省工程研究中心，湖南 湘潭 411201)

摘要：随着数字技术的发展，数字经济已成为驱动制造业结构优化的核心动力。本文首先从技术融合、产业关联和要素配置等维度对数字经济如何赋能制造业结构优化升级进行深入分析，然后选取我国25个省级行政区域2013-2020年的面板数据，利用熵权法测算数字经济的发展水平，并对数字经济促进制造业结构优化进行实证分析.实证结果表明：数字经济促进制造业结构优化效果显著，且对制造业结构高度化的促进作用更为明显。同时，数字经济对制造业结构优化升级存在区域异质性，高度化促进作用在西部地区最强，中部次之，东部最弱；而合理化促进作用仅在东部地区显著。另外，数字经济对消费和投资的导向作用可缓解生产部门的要素错配，能通过提升要素配置效率优化制造业结构，且对制造业结构高度化存在显著的空间溢出效应。

关键词：数字经济；制造业结构优化；要素配置；制造业高质量发展

中图分类号：F121

☆物流与供应链系统工程

基于线上订舱的海铁联运集装箱疏运鲁棒优化(70)

王小寒，靳志宏

大连海事大学交通运输工程学院

摘要：基于铁路线上订舱需求不确定，考虑车船直取和堆场中转两种转运模式，构建海铁联运集装箱疏运鲁棒优化模型，权衡列车开行成本和客户服务水平，决策列车开行、集装箱转运和分配方案。设计两阶段混合变邻域搜索算法进行求解。以大连海铁联运场站进行数值实验。与CPLEX结果对比，验证了模型和算法的有效性。与独立优化相比，集成优化至少降低12%的成本；与定点和定量模式相比，线上订舱疏运模式将集装箱发送率提高14.75%和8.93%，将单位成本降低17.4%和14.1%。选取偏好停留时间进行情景分析、控制系数和扰动比例进行灵敏度分析，以验证模型与算法的稳健性和普适性。研究成果实现了降本增效，有效提升海与铁的运输批量和时间衔接水平，为推动线上订舱建设提供有益参考。

关键词：海铁联运；铁路线上订舱；集成优化；转运模式；需求不确定；鲁棒优化；

基金资助：国家自然科学基金项目（编号：72172023，72202025，72171032）；

分类号：U169.6

疫情背景下码头冷藏箱查验布局和作业协同优化(84)

马千里1，2张娜3吴文波1，2陈中亚4

1.大连海事大学综合交通运输协同创新中心2.大连海事大学航运经济与管理学院3.大连理工大学建设工程学院4.大连理工大学土木建筑设计研究院有限公司

摘要：为确保大宗冷链货物进出口贸易平稳运行，合理规划进出港冷藏集装箱查验布局及相关作业，以冷藏集装箱堆场查验区布局成本最小和查验作业时间最短为优化目标，考虑进出口冷藏集装箱机检和人工查验比例在突发事件下的变化调整，结合港口生产作业动态规划问题，采用车间柔性调度建模方法建立协同优化模型。结果表明，堆场查验区核酸检验设施设置数量取决于港口冷藏集装箱吞吐量和到离港规律，基于算例规划6个核酸检验设施可以满足港口的冷藏集装箱查验量，实现建设成本最小化和资源利用率最大化；优化后的冷藏集装箱平均通关查验时间缩短至54.8 h，在港等待时间显著减少，全流程病毒传播风险有效降低。

关键词：港口规划；突发事件；集装箱码头查验；协同优化；

基金资助：国家自然科学基金青年科学基金项目(72204034)； 中国博士后科学基金特别资助项目(2024T170083)；中国博士后科学基金面上项目(2023M730457)； 中央高校基本科研业务费(3132024293)； 辽宁省社会科学规划基金项目(L21CGL006)；

分类号：U691

面向B2B电商供需匹配优化的遗传人类学习混合算法(97)

寇嘉敏1肖明明1吕兆峰2王文文2张磊2李克1

1.北京联合大学智慧城市学院2.鲁班(北京)电子商务科技有限公司

摘要：在日益复杂多变的B2B大宗商品电商交易中，传统基于人工和经验的供需匹配严重制约了电商企业经营利润和服务水平。本文将上述供需匹配问题建模为综合考虑供给需求匹配、产能、交付时间和信用风险等复杂约束条件下的供应链网络设计模型，并针对模型特点设计多维编码方式，提出一种改进的遗传人类学习混合算法对问题进行求解。以建筑业真实电商业务场景中的数据为例开展的实验表明，本文算法的求解精度与寻优能力在大、中、小三种不同规模的数据中均优于遗传算法、人类学习优化算法等基准算法，可有效替代行业内现行的基于经验的人工决策方式，提升B2B电商业务的智能化水平和经营能力。

关键词：供应链网络设计；自适应人类学习优化算法；遗传算法；供需匹配；B2B电商；

基金资助：国家自然基金资助项目（61972040）； 北京联合大学校级科研项目（ZK30202304）； 中铁物贸集团鲁班公司科技研究开发计划课题资助项目；

分类号：TP18；F724.6；F426.92

面向供应链协同管理的双目标库存配置问题(107)

彭武良1李夏珂1谢芳1李海涛2

1.烟台大学经济管理学院2.密苏里大学圣路易斯分校工商管理学院

摘要：需求的不确定性要求供应链上各个节点必须设置一定量的周期库存来缩短交付时间从而提高客户满意度，并通过设置一定量的安全库存提高服务水平。然而，周期库存和安全库存的设置会带来额外的成本，库存配置是一个明显的双目标优化问题。本文从策略层的角度，考虑将供应链中的所有节点当作一个整体来考虑，对双目标供应链协同库存配置问题进行研究。综合考虑供应链各个节点之间的依赖关系，应用0-1整数规划方法构建一个同时最小化供应链库存成本和最小化客户承诺交付时间的双目标供应链协同库存配置问题模型。根据问题的特点，借助于Gurobi优化器提出了求解该问题的Epsilon约束算法。最后通过一个供应链协同管理实例对该模型和算法进行验证。结果表明，本文所提出的方法可以在策略层明晰供应链库存总成本、各个节点的库存成本与客户承诺交付时间之间的关系，能够帮助供应链上处于不同地位的决策者根据自身的需求优先选择不同的库存配置方案。本研究所提出的供应链协同库存优化配置问题将为供应链协同管理提供一种有效的优化手段，这将充分利用供应链协同管理中的信息共享优势，进一步提升供应链的协同能力和决策水平。

关键词：库存配置；供应链协同管理；双目标优化；Epsilon约束算法；

基金资助：国家自然科学基金项目(71671117)； 山东省自然科学基金项目(ZR2022MG051)； 山东省高等学校优秀青年创新项目(2022RW077)；

分类号：TP18；F274

☆金融系统工程

现金流冲击下的企业融资决策—基于极寒天气工具变量的经验证据(115)

申通远，尧滟淇

北京航空航天大学经济管理学院

摘要：以2013年至2024年中国A股上市公司为研究对象，构建极寒天气频次作为外生工具变量，系统探讨现金流冲击对企业融资决策的影响机制。研究发现，当企业面临现金流冲击时，更倾向于通过股权融资而非债权融资弥补资金缺口；在债权融资内部结构中，银行信贷规模显著下降，而贸易信贷呈上升趋势但未达显著水平。进一步分析表明，融资约束在现金流冲击影响企业融资决策的过程中发挥中介作用；信息不对称与代理成本对该中介路径具有显著调节效应；异质性检验显示，不同所有制类型、行业属性与企业规模的企业在应对现金流冲击时的融资行为存在显著差异。本文研究结果为理解外部冲击情境下企业融资行为提供了微观实证依据，并对优化金融支持机制、健全多元融资体系以及完善信息披露与治理结构等政策制定具有重要参考价值。

关键词：企业融资决策；现金流冲击；融资约束；信息不对称；代理成本；贸易信贷；

分类号：X322；F275；F832.51

投资者情绪传染与银行业系统性风险预警—基于可解释性机器学习方法(131)

王莲莲，黄玮强

东北大学工商管理学院

摘要：投资者情绪传染在信息不对称条件下可能引发非理性羊群效应，促进风险传染，在系统性风险演化过程中发挥关键作用。本文探究投资者情绪传染指数对银行业系统性风险的预警能力和非线性影响。首先，基于TVP-VAR模型构建投资者情绪传染指数用于衡量银行间投资者情绪传染效应的强弱。进一步，将投资者情绪传染指数纳入预警指标体系，基于机器学习方法构建预警模型，并应用可解释性机器学习方法打开黑盒。实证研究结果表明：机器学习方法的预警性能远高于线性模型，随机森林表现最优；投资者情绪传染指数与银行业系统性风险之间存在复杂的非线性关系；投资者情绪传染指数能够提升预警模型准确率，且在预警模型中发挥的重要性高于宏观经济和银行业指标。

关键词：投资者情绪传染；银行业系统性风险；预警；可解释性机器学习；

基金资助：国家自然科学基金资助项目（72171039）； 中央高校基本科研业务专项资金资助项目（N2206008）；

分类号：F832.3；F832.51；F224

信用风险评估结果的可解释性—基于 Model-Agnostic方法论视角(146)

刘佳明，于镓宁

北京工商大学计算机与人工智能学院

摘要：信用风险评估模型是金融风险管理领域的重要工具，已有信用风险评估问题大多基于机器学习建模，并以提升预测效果为主要目标。但大多数机器学习模型存在解释能力弱的缺点，降低了决策者对预测结果的信任度，从而限制了机器学习模型在信用风险评估领域中的应用。为了提高机器学习模型预测结果的可解释性，本文使用XGBOOST预测信用风险，并从Model-Agnostic方法论视角，结合部份依赖图和SHAP值对预测结果进行解释。对真实的信用数据实证研究结果表明：总贷款量、贷款利率、总还款量、总偿还利息和近期还款量对预测信用风险起到关键作用。其中，总贷款量、总还款量、总利息和近期还款量与信用风险状态呈现出线性依赖关系，而贷款利率与信用风险状态表现出复杂的非线性依赖关系；数特征之间互相不独立，在预测模型中存在交互影响作用；特征对不同个体预测贡献度存在明显差异，总体表现为总还款量、近期还款量与总贷款量之间的不同分布所导致的不同信用状态。

关键词：信用风险；预测；可解释性机器学习；Model-Agnostic；

基金资助：国家自然科学基金(71901014)； 北京市自然科学基金(9232006)；

分类号：TP181；F831.2；F713.36