鉴于更加符合用户偏好，定制产品变得越来越流行且制造商和消费者都能从中受益。本文研究了定制产品的三层供应链中的生产和出站配送调度(PODS)问题。为了集成生产和出站配送运营，我们平衡了三个方面的运营绩效:基于收入、环境和时间。本文提出了一个全局鲁棒(GRO)优化模型，该模型明确纳入运输成本和温室气体排放的不确定性。当数据波动超出支持集时，不确定参数的全局鲁棒性通过内外不确定集来考虑。随后对中国宜家公司进行了案例研究，以展示GRO方法在求解方案方面的建模优势。计算结果和比较研究揭示了所提出的模型和方法在不确定条件下PODS问题中的可用性。这项研究的新颖之处在于，它将复杂的不确定性融入到定制产品的PODS运营中。通过整合多目标框架和GRO方法，本研究获得了生产和交付的最优方案，进一步为决策者提供了有价值的政策见解。

魏晶晶（学生）为该论文的第一作者，高杉杉为第二作者，刘颖为通讯作者。《International Journal of Systems Science: Operations & Logistics》现为中科院二区期刊。

IJSS-Modeling uncertain multi-objective production and outbound distribution scheduling problem with customised products

陈圣洁（学生）为该论文的第一作者，陈艳菊为通讯作者。

《Computers and Operations Research》为中科院二区期刊。

2025-COR

陈艳菊为该论文的第一作者，陈梦萱（学生）为第二作者（兼通讯作者），胡天然（学生）为第三作者。

《Computers and Chemical Engineering》为中科院二区期刊。

2025-CCE

近年来，图神经网络（Graph Neural Networks, GNNs）在半监督节点分类任务中展现出卓越的性能。然而，其有效性仍受到监督信息不足和表示崩溃等挑战的限制。许多方法仅关注特定视角或单一通道，未能充分利用节点特征和拓扑结构的多样性，导致邻域信息学习不充分，从而限制了模型的表达能力。为了解决这些问题，本文提出了一种新颖的方法—三通道图对比网络（Three Channel Graph Contrastive Network, 3C-GCN），其特点体现在以下三个方面：(i) 三通道方法。捕获更全面的信息，从而降低表示崩溃的风险，并增强模型的表达能力。(ii)对比学习融合三通道策略。结合自监督对比学习，使模型能够有效学习有意义的节点表示，而无需大量标注数据，从而显著提升在有限标注样本任务上的性能。(iii) 预训练到下游任务的适应策略。提高模型的迁移学习能力，使其在各种图相关任务上具备更强的泛化能力，从而提升其鲁棒性和灵活性。在多个数据集上的大量实验表明，与最新的先进方法相比，3C-GCN 具有卓越的性能和广泛的适用性。

熊曦睿（学生）为该论文的第一作者，翟俊海为通讯作者。《Expert Systems with Applications》现为中科院一区TOP期刊。

3C-GNN

在过去十年中，深度学习研究取得了令人惊叹的进展，基于大规模数据集训练的深度神经网络表现优异，在某些方面甚至超过了人类。然而，当深度神经网络面对长尾分布的数据集时，其性能却会显著下降。现有的大多数长尾分类方法主要关注分类任务本身，导致模型偏向多数类，从而在少数类上的表现较差。校准作为提升模型可靠性的重要手段，可以通过调整类别概率以更贴近真实分布，在长尾场景中缓解这一问题，确保对少数类的更充分考虑。本文提出了一种新颖的动态先验概率网络（DPPN），通过引入无偏且校准的置信度估计来提升分类性能。在四个广泛使用的长尾数据集上进行了实验，将提出的方法 DPPN 与包括一个基线方法和七个最新方法在内的八种方法进行了对比。实验结果表明，DPPN 在所有四个基准数据集上，在置信度估计和分类性能方面均取得了显著提升。

周学松（学生）为该论文的第一作者，翟俊海为通讯作者。《Expert Systems with Applications》现为中科院一区TOP期刊。

DPPN

在循环经济的背景下，政府和利益相关者越来越关注食品废物资源化利用的可持续发展。鉴于食品废物回收系统的社会价值和经济意义，对存在政府环境监管的可持续食品废物供应链展开了研究。在每日收集的食品废物量不确定的情况下，提出了一种新型的、有政府监管的全局鲁棒双层规划模型，以优化食品废物的再利用，从而使总成本以及二氧化碳和甲烷等负面环境影响降至最低。食品废物的不确定性通过一对内、外部不确定集来描述。基于强对偶理论，全局鲁棒双层优化模型可转化为一个在计算上易于处理的混合整数规划模型。为了提高求解效率和质量，采用了带有两种加速策略的精确算法来求解该等价模型。最后，对中国山东省的食品废物管理进行了大规模的案例研究，以展示所提出的模型和算法的适用性。结果表明，在政府环境监管下，食品废物公司能够在不增加环境影响的前提下降低总成本。

王月霞（学生）为该论文的第一作者，马红艳为第二作者，刘颖为通讯作者。《Socio-Economic Planning Sciences》现为中科院一区top期刊。

2025-SEPS

如今，随着食品废物数量的迅速增加以及处理需求的不断上升，在复杂多变的情况下，优化食品废物供应链网络的设计已成为一项关键挑战。现有食品废物供应链研究的局限主要集中在衡量可持续性以及处理不确定性方面。为了解决这些问题，构建了一种新型的全局鲁棒加权目标规划模型。通过内部和外部不确定集来描述食品废物供应链中的参数不确定性。特别地，提出了一种用于不确定性控制参数的新鲁棒估计方法。所提出的模型融合了经济、社会和环境的可持续性，并解决了存在不确定性的食品废物供应链网络中的多视角冲突问题。设计的加速Benders分解算法用于求解北京市的一个实际案例。结果表明，三个可持续性目标之间存在冲突，决策者可以根据自身偏好进行权衡，并实现预先设定的目标。通过对比分析，全局鲁棒加权目标规划模型能够抵抗不确定性，并且保守性较低。此外，在大规模问题中，验证了所提算法的优势。最后，为食品废物管理者提供了一些管理见解。

王月霞（学生）为该论文的第一作者，刘颖为通讯作者。《Sustainable Cities and Society》现为中科院一区top期刊。

2025-SCSI

Saminathan Ponnusamy教授简介：印度国家科色情小说网站 院士，国际知名复分析专家。2002年获加拿大世界教育基金会颁发的钱达纳数学奖，该奖励用于表彰对国际数学研究和教学做出杰出贡献的学者。2003年获印度泰米尔纳德邦科学家奖，该奖励用于表彰对印度的数学科学研究与教学做出突出贡献的科学家。2019年当选为印度拉马努金数学会主席。现担任多个SCI数学期刊的编委。从1991年7月至2011年12月，他先后在中国、美国、俄罗斯、澳大利亚、英国、德国、法国、芬兰、日本、以色列、罗马利亚、马来西亚等做访问教授；在《Math. Ann. 》、《Math. Z. 》、《J. London Math. Soc.》、《J. Geom. Anal.》等国际数学权威期刊发表学术论文近400篇。在单叶函数论、特殊函数、函数空间、拟共形映射和调和映射等领域做出许多重要工作，解决了多个数学猜想和公开问题；在Springer和英国Alpha Science Intl.等出版社出版《Foundations of Complex Analysis》《Foundations of Functional Analysis》等学术专著5部。

参加此次会议的有法国、西班牙、比利时、德国、智利、巴西、印度、中国、泰国、韩国及越南学者，会议议题包括变分分析最新研究进展、优化领域理论与应用、算法设计求解、收敛性分析、最优性条件和多项式优化等领域。魏舟教授与参会国际同行交流变分分析与优化最新研究成果，并作了题为“凸不等式系统误差界稳定性”的学术报告。

此次访问推动了色情小说网站 数学学科的国际化发展，推动了色情小说网站 数学专业青年学者的国际交流，为色情小说网站 提出“走出去”战略提供了实际支撑。

魏舟教授的访问得到色情小说网站 的大力支持。

该论文将上下文对比学习与序列间对比学习相结合，提出了基于多粒度对比学习的多变量时间序列异常检测模型。该论文在所提-上下文对比学习中，利用可学习的缩放因子对负对的惩罚程度进行自适应地调整，从而有效地提高了上下文表示的质量。所提基于交叉重构的对比学习旨在获取增强序列间的粗粒度判别信息。将交叉重构作为额外的正则化策略引入到序列间对比学习中，从而学习到鲁棒表示，并避免了表示崩溃问题。此外，首次利用了线性注意力网络处理增强序列内的时间依赖关系，从而降低了所提模型的计算复杂度。

肖博文（2022级硕士研究生）为该论文的第一作者，邢红杰和李纯果为共同通讯作者。《Information Fusion》目前为中科院一区TOP期刊。