研究主题：车队路径、库存配送、越库作业、港口资源与空域协同。
研究贡献融合经实测标定的排放模型、混合整数规划与自适应大邻域搜索，利用扩展卡尔曼滤波同步车辆状态，支持异质车队的滚动重优化。
方法与发现56 个基准实例平均差距为 0.9%，参照已知最好解或下界。4 周、16 辆车试验相较人工调度减排 25.1%、降本 8.2%；相较静态优化，滚动重优化减排 18.2%–26.7%，成本增加 3.1%–7.8%。
研究关注关注不同比较基准和排放标定误差。论文比较的是所实现算法，未宣称优于先进经典路径求解器。
研究贡献将部分局部约束编码入初始量子态，并用混合 XY–X 混合器兼顾受保护结构与搜索灵活性，其余路径约束由惩罚项和变分优化处理。
方法与发现研究在一个 3 节点和两个 4 节点实例上比较无噪声与有噪声仿真。相较标准 QAOA，该方法提高最优解采样概率、降低期望能量差；分块 XY 基准更强，新增双量子比特操作带来的噪声使改进幅度收窄。
研究关注关注部分约束保持与完整可行性保证的边界，以及未计入噪声模型的态制备成本。小规模结果尚不支持量子优势。
研究贡献面向车辆直送的氢能配送，在随机供需与库存容量约束下，用混合整数可行域选择动作，并以决策后状态价值近似未来成本。
方法与发现约束强化学习及其多期前瞻扩展在小规模实例中接近价值迭代最优解，并优于 PPO 和库存启发式。测试规模扩展至 15 个客户、6 辆车；前瞻版本相较基础 CRL 的解质量平均改善约 10%，计算开销更高。
研究关注关注可行动作内嵌方式和前瞻计算预算；结论对应同质车队、直接配送及缺货损失销售的模型范围。
研究贡献以搬运成本优先、固定月台分配后压缩作业工期的分层目标，提出流量型混合整数模型和多启动混合搜索，并公开新基准实例。
方法与发现分配阶段结合局部搜索和变邻域下降；新模型证明了 20 辆车、10 个月台的 5 个文献解的最优性。较大实例平均最优性差距低于 0.9%。随后用整数模型安排月台服务顺序，新基准含 1,100 个实例。
研究关注关注分配固定后调度可优化的范围、月台容量与连续时间假设；两阶段目标按优先级处理，未联合权衡全部目标。
研究贡献将船舶改靠、泊位分配、进出口及中转箱转运与有限集卡指派统一建模，以地面转运完成时序约束改靠决策的可执行性。
方法与发现研究建立整数规划，并通过两类计划列的集合划分重构开发分支定价算法。数值实验与通用求解器、数学启发式及顺序算法比较，检验求解表现；敏感性分析评估协作价值及集卡资源和转运成本对计划的影响。
研究关注关注两类列间的耦合、集卡班次与转运时间约束。未计入陆侧转运资源的改靠方案，其可行性需要重新检查。
研究贡献在碳税与碳交易情境中联合安排泊位、岸桥、堆场和移动岸电，以混合整数非线性规划刻画作业、供电及排放成本的时空耦合。
方法与发现算法利用 Q 学习选择大邻域搜索的移除与修复算子，大规模算例中优于文中基准。敏感性分析显示，高碳价或高调度成本可能带来较大成本增幅，环境收益未同比增加；配额主要改变交易费用，对作业决策影响有限。
研究关注关注岸电容量、移动与调度成本如何连接作业时间，以及碳价和配额结论所依赖的模型设定。
研究贡献将风力辅助推进性能、天气相关路径与船队调度集成到利润—排放双目标模型，同时联动航速、加油、租船和现货市场决策。
方法与发现以历史运价与燃油价格开展实验，覆盖 9–20 艘船和 35 个区域。平均天气下，维持总体利润时减排 30%–40%；真实天气下，相近利润对应 25%–35% 的减排下界，体现船队联合规划的协同价值。
研究关注关注天气信息可得性、风助设备配置与利润约束。摘要的平均天气结果和亮点中的真实天气结果应分别解读。
研究贡献在自利智能体的交易式共识拍卖中加入有限监管，通过类税收干预调节协商过程，建立监管强度与系统效率、收敛速度的理论联系。
方法与发现机制允许参与者通过资产交易协商，无需直接披露其私人资产估值；研究证明有限轮终止并推导相应性能界。基于美国协同航迹选项计划的案例，检验空域扇区管理者达成共识时的效率、公平性与速度权衡。
研究关注关注税收参数的可实施性、性能界的假设和公平性度量。案例验证的协商机制不等同于已部署的空管运行系统。
研究主题：多模式路径、骑行与出行行为、停车、电动车选择、铁路客流与数据采集。
研究贡献将时间、分方式事故风险、街景感知和换乘负担纳入多目标路径搜索，再由大语言模型依据旅客画像与出行情境推荐候选路线。
方法与发现研究以韩国大田的路网、事故和街景数据生成帕累托路线，利用超体积贪心采样压缩候选集。通勤、休闲和购物情境测试中，推荐路线与画像更匹配，模型估计的路线风险更低；自演化记忆缩小了不同模型规模的表现差异。
研究关注关注事故风险标定、画像匹配评价及候选集覆盖；路线风险估计的改善尚需实际出行验证。
研究贡献以真实街景图像构造陈述性路径选择实验，对照基于可解释环境属性的离散选择模型与直接融合图像信息的计算机视觉增强模型。
方法与发现实验设计采用逾六千张街景图像，组合骑行环境、出行时间与信号灯数量。结果显示，受访者偏好绿地和隔离自行车道。研究进一步绘制鹿特丹骑行网络与偏好的匹配分布，并对拟议设施升级开展事前评估。
研究关注关注图像属性识别、两类模型的解释与预测差异，以及陈述性选择对实际骑行行为的适用范围。
研究贡献将为出行本身而进行的活动单独建模，以多群组路径分析联结日常目的性出行、建成环境和社会经济特征，解释参与、频率及方式选择。
方法与发现基于荷兰 2023 年全国出行调查的 53049 名受访者，研究比较全职、兼职、学生和退休者。目的性出行频繁与此类出行参与较少相关，两类出行的可持续方式选择相互关联；建成环境作用较弱且因群体而异。
研究关注关注无特定目的地出行的编码、分群路径及时间预算解释；横截面路径关系需与因果效应区分。
研究贡献以澳大利亚蓝山游客停车收费为政策变革案例，结合问卷、因子分析、聚类和主题分析，研究制度信任与治理评价对应的接受度差异。
方法与发现研究识别出三类态度群体，支持程度与制度信任、集体责任观念和治理质量感知密切相关。低信任情境下，收费常被理解为财政增收。摘要强调透明、公平及可见的收入再投入与政策合法性的联系。
研究关注关注态度分群、问卷时点与主题编码的对应关系；现有摘要未提供可支持政策因果效应的识别细节。
研究贡献通过陈述性离散选择实验比较中小企业对燃油、纯电和插混商用车的取舍，并用潜类别分析识别属性响应不同的企业群体。
方法与发现446 家爱尔兰企业提供 2676 条选择观测，识别属性不敏感的维持现状组与属性敏感的求变组。样本更重视充电时间，其次为续航与运营节约；每缩短一小时充电时间的支付意愿估计为 60 欧元。
研究关注关注企业分群与属性编码、支付意愿的单位和置信区间；调查选择不能直接等同于实际购车。
研究贡献以因果贝叶斯网络和苏格兰家庭数据，区分收入与私人路外停车条件的作用，并将无意向、远期意向、近期意向和持有分层分析。
方法与发现在图模型假设下，私人路外停车对应的持有概率估计从 3.3% 升至 5.6%，效应集中于已有购买意向者。两种自助区间分别为 0.26—4.77 与 −0.17—4.34 个百分点，后一种包含零，提示不确定性对区间方法敏感。
研究关注关注因果图、潜在混杂和区间构造；分层状态来自横截面资料，不能直接解释为家庭纵向转移。
研究贡献将局部空间传播与全局语义增强分成两阶段，以铁路、公路时间构建多关系图，再通过软门控按起讫点对选择语义特征。
方法与发现长三角 277 个县域的多源数据实验显示，模型在预测精度和结构一致性上优于所比基准。消融与注意力足迹分析突出公路可达性、无铁路服务地区及周边外溢需求的作用，门控分析显示不同起讫点对使用语义信息的差异。
研究关注关注无站县域的需求归属、图连接构造与跨区域验证。注意力和门控分析解释模型用法，不能单独确立行为因果机制。
研究贡献本篇为专题导言，围绕交通数据的可靠性、有效性和代表性，组织直接获取与间接生成出行数据的采集、整合和分析方法议题。
方法与发现导言联系新型交通服务、复杂行为和数字感知数据，强调调查方法应捕捉态度、学习、习惯与偏好形成。专题收录论文探索直接调查数据与 GPS、智能卡、手机、传感器等数据的利用；本文未报告独立实证结果。
研究关注可据此追踪专题内的数据采集与融合方法，重点核对数据量、代表性及测量有效性的评价方式。
研究主题：需求预测、库存延迟与预留、采购集运、库存定价、动态匹配及预约调度。
研究贡献构建一维卷积、双向长短期记忆与注意力组合的需求预测器，将预测值输入三级供应链成本模型，连接促销需求估计和运营决策。
方法与发现研究以两个数据集检验预测表现，并比较遗传算法、海洋捕食者算法和粒子群算法的优化效果。黑色星期五案例中，粒子群得到的供应链成本最低，计算耗时也更长；结果呈现解质量与求解时间的权衡。
研究关注关注预测误差如何传递至库存和配送成本，以及数据划分与基准设置。现有摘要未报告降本幅度或端到端训练。
研究贡献将客户接受的需求延期、配送速度选择与离散随机供货提前期纳入周期检查库存模型，刻画订货阈值及配送方式的单调切换结构。
方法与发现模型联合计入订货、持有、欠货、配送和延期折扣成本。解析与数值分析表明，给予愿意等待的客户折扣可降低加急配送依赖和目标库存；测试参数下总成本最高下降约 5.69%，收益随提前期、折扣及客户意愿变化。
研究关注关注主动延期与缺货积压的状态区别及阈值成立条件。减排属于间接解释，模型未直接优化或量化碳排放。
研究贡献面向捐赠约束、需求不确定和下游损耗的两级救援网络，提出两期前瞻库存预留规则，利用仓库风险池化权衡当前分配与未来保障。
方法与发现离散事件仿真将预留策略与不预留、被动追随、损耗调整的订货至目标水平策略及完全预知基准比较。预留策略在多种供需情景下减少浪费，维持具有竞争力的满足率和公平性，并在不少情景中改善下游服务均衡。
研究关注关注下发库存近似不可逆、异质提前期和损耗机制。预留比例对缺货积压时长及受援点公平性的影响需联合评估。
研究贡献从生产需求出发，以采购方视角联合决定供应商、交付时点和货车分配，提前组织异质订单拼运，并保留已承诺订单及其运输安排。
方法与发现研究建立最小化采购、运输与持有成本的混合整数线性规划，并设计数学启发式和迭代局部搜索处理大规模实例。基于模拟历史工业记录的数据开展计算实验，结果支持主动拼运的成本价值与算法扩展能力。
研究关注关注已承诺订单的锁定边界、生产需求与到货时间的衔接；实验数据由历史记录模拟生成。
研究贡献在多产品库存与定价中同时考虑需求参数不确定性、残差分布模糊性和价格引起的内生预测变化，建立带有限样本保证的情境鲁棒模型。
方法与发现研究以增强仿射补救策略处理求解难度，并讨论向更广泛情境决策问题的扩展。数值实验中，该方法优于先估计再优化及忽略参数不确定性的残差鲁棒方法，小样本时优势更突出；未使用情境信息时也表现出较强稳健性。
研究关注关注不确定集校准、有限样本保证的前提，以及仿射补救近似对价格决策和可解性的影响。
研究贡献针对多类型主体随机到达的多方匹配，通过对偶解估计安排未来匹配，允许使用最优基之外的匹配类型，并适用于未知到达率。
方法与发现在文中理论条件下，该原始—对偶策略在未知到达率时于各时点实现常数遗憾，到达率已知时达到最优标度。多组数值实验进一步比较了已知到达率情境中的策略表现，结果优于文中动态匹配基准。
研究关注关注遗憾基准、定理前提及常数对系统参数的依赖，保存摘要未展开这些条件。
研究贡献将随预约时刻变化的非准时到达模式作为排程输入，在随机服务时间下构造决策依赖不确定性模型，并推导无偏目标梯度估计。
方法与发现实证分析发现，非准时行为随年龄、就诊类型和科室变化，并与预约时间显著相关。算法结合梯度局部优化与曲率引导的变邻域搜索；数值实验显示不同到达偏差模式会改变最优排程结构，并验证了算法的计算效率。
研究关注关注到达分布对排程的依赖方式、无偏梯度成立条件及样本外稳定性；时间关联需与因果机制区分。
研究主题：序数过程监测、贝叶斯控制图、刀具磨损下的参数优化和机器人作业。
研究贡献利用序数类别的边际频率构造样本控制图，以仿真校准控制限来适配样本内序列相关，重点考察指数加权移动平均平滑统计量。
方法与发现监控统计量可直接由抽检样本计算，无需指定完整时序模型。仿真比较不同相关形式与强度下的检测表现，并检验设计假设偏离时的稳健性；两个真实制造案例展示推荐控制图的设计和应用。
研究关注关注边际平稳性、样本内相关和抽检间隔的区别；统计量的简化仍需可仿真的数据生成过程支持控制限校准。
研究贡献面向多元高斯过程的均值偏移，构造贝叶斯广义似然比、累积和及双累积和监控方案，以稳态平均报警时间统一评价检测性能。
方法与发现蒙特卡洛实验中，选择合适先验与窗口后，贝叶斯广义似然比方案整体表现较好，并在所测实例各偏移幅度下优于三个既有基准；累积和方案对部分小偏移更敏感。木材和碳纤维管数据展示了应用方式。
研究关注关注先验与窗口的校准、稳态评价条件，以及小偏移优势在不同维数和相关结构下的稳定性。
研究贡献贯通知识图谱、磨损条件下的粗糙度预测和有界参数推荐，将工艺一致性正则嵌入神经网络，再用 TD3 调整切深与进给率。
方法与发现数控车削案例以已测后刀面磨损为条件检验粗糙度预测，并在代理模型中评价序贯调参。关系置信度更新更贴合后续证据，强化学习在规定边界内维持质量合规并处理越界候选；材料支持该工作流的情境可行性。
研究关注关注知识置信度更新、正则项定义与越界处理；参数推荐的代理模型评价需与实机闭环效果区分。
研究贡献将配套取放建模为带部件兼容映射约束的二部旅行商问题，联合考察作业序列和存储布局，并在数字孪生架构中重构优化实例。
方法与发现研究比较整数规划、启发式和强化学习，覆盖三类工业图结构。整数规划较工业基准使作业时间最多缩短 23.80%；布局探索另报平均 13.6%、最高 35.73% 的效率增益，并开展真实工业验证。
研究关注关注兼容约束、布局重构代价及两阶段收益各自的比较基准；序列与布局改善比例不能直接相加。
研究主题：减排补贴、退役电池回收、海上风电养殖协同及人工智能风险管理。
研究贡献在制造商—零售商微分博弈中联合刻画消费者低碳参照更新及研发、宣传的双重时滞，将政府补贴率内生化并比较三种协作模式。
方法与发现模型中参照效应增强会提高研发补贴率，延迟加长会降低补贴的边际效果及最优比例。所分析条件下，集中决策带来更高低碳努力和最低折现供应链利润；双向成本分担的分散模式具有最佳政府投入产出表现。
研究关注关注内生补贴、利润口径和时滞区间共同决定的模式排序。相关政策事例提供建模背景，结论未作政策因果验证。
研究贡献将回收渠道运营与回收工艺创新的投资责任联合建模，比较电池制造商完全自营、仅外包回收及同时外包回收与创新的三种配置。
方法与发现博弈分析显示，制造商最优模式取决于工艺创新成本和渠道运营努力，创新成本对各模式的投资水平影响不同。成本压力与利润再分配相互作用，使渠道努力对回收率、创新成本系数对转移价格产生非单调影响。
研究关注关注模式优势对应的参数区间、创新收益归属及转移价格机制。结论来自均衡比较，行业实例用于说明配置背景。
研究贡献基于预筛选候选平台，将投产时机、养殖品种与储能售电等运营决策纳入两阶段随机规划，以强化 Benders 算法处理发电和价格不确定性。
方法与发现算法用有效不等式和下界强化主问题。规划实验中，混养平衡收入与排放约束，提前投产提高系统价值，前置减排缓解更严排放目标下的利润损失；扩展模型纳入尾流损失和内生阵列电缆网络，并用大邻域搜索处理较大实例。
研究关注关注候选平台预筛选边界、情景分布与排放核算。主模型的精确求解结果和扩展模型的启发式结果需分别核验。
研究贡献按照 PRISMA 流程，对统计型与符号型人工智能开展对照综述，并按风险类型、管理任务及知识和数据来源组织证据。
方法与发现2026 年 4 月检索 Scopus 与 WoS 后，纳入 87 篇研究。统计型 AI 占 68.97%，侧重风险识别、评估与缓释；符号型占 20.69%。文章提出融合预测与可解释推理的研究方向。
研究关注关注检索与纳入边界、两类技术的编码口径；混合方法的优势属于研究展望，需后续比较验证。
研究主题：体育团队构建、信用风险、群体共识、直播竞争、股权消费与项目缓冲。
研究贡献融合客观比赛数据与球探评分，以机器学习估计球员价值并刻画协同关系，再用整数规划在预算、人数和外援限制下优化阵容。
方法与发现两阶段归一化生成球员质量分数，XGBoost 估计市场价值，预期威胁值数据构建球员配合矩阵。秘鲁水晶体育俱乐部案例在 500 万欧元预算内，报告模型质量指标提升 10.35%，并倾向选择被低估球员。
研究关注关注主观评分归一化、协同指标与转会估值误差。10.35% 对应规划中的质量提升，未代表实际比赛成绩变化。
研究贡献针对小样本动态违约预测，在混合治愈模型中联合迁移违约易感性和违约时间信息，以双层自适应权重筛选异质来源的汇总知识。
方法与发现框架共享源模型参数或变量支持信息，采用正则化 EM 估计并以极小极大凹惩罚选择变量。仿真中，变量选择、参数估计和动态风险预测优于所比方法；跨平台中国信贷数据进一步检验了有限目标样本下的迁移表现。
研究关注关注长期不违约群体的识别及负迁移控制。资料仅说明避免共享借款人原始数据，未给差分隐私等形式化保证。
研究贡献以共识破裂概率刻画群体协商风险，提出相关性质定理、公平性及破裂指标，并针对收益不均和投入产出比不均建立两类风险模型。
方法与发现研究分别从共识水平与公平指数、以及公平理论构造最小风险模型，经变量变换提升可求解性并设计达成共识算法。碳排放基准值协商案例及敏感性分析考察预算、参数和两类风险机制对共识结果的影响。
研究关注关注个体破裂概率如何标定和汇总为群体风险，以及公平指数的定义。模型中的概率需要独立数据验证其预测意义。
研究贡献将产品体验信息的跨品牌溢出纳入竞争模型，研究强品牌如何在有限直播时长内配置产品展示与品牌内容，并联动产品定价。
方法与发现模型显示，品牌价值较高且产品差异较大时，纯产品内容更优；产品接近替代品时，混合内容通过扩大忠诚需求、缓和价格竞争提高收益。特定条件下弱品牌也会受益；竞争增强时，强品牌增加品牌内容时长。
研究关注关注消费者感知溢出、纵向差异和忠诚需求的函数设定，以及双方获益所需的条件。摘要未提供实证检验。
研究贡献利用经纪账户分批配置与准随机赠股识别，联结特定公司股票持有和个人消费、储蓄及股票市场参与，研究投资偏好的跨行为影响。
方法与发现获赠特定公司股票后，个人在该公司门店的消费增加。特定股票持有还伴随短期总消费上升，长期总体股票投资增加。摘要同时报告消费与投资两类结果，未给出具体效应量、观察期限和样本规模。
研究关注关注账户配置与赠股分别提供的识别变化，以及短期消费和长期投资的时间窗口与统计口径。
研究贡献以抗扰能力和功能恢复能力量化活动韧性，将其用于关键链缓冲分配、两区监控与阈值触发，区分渐进型和突发型风险的响应。
方法与发现框架将活动韧性指标与黄—红两区监控结合，根据扰动类型和韧性阈值制定差异化应对方案。蒙特卡洛实验与既有方法比较，报告风险预警效率、活动韧性和项目完成表现的改善，所给摘要未列出具体增幅。
研究关注关注抗扰和恢复指标如何测量、缓冲配置如何改变韧性，以及仿真风险分布与实际项目风险的一致性。