本文旨在创建一种支付终端网络的现金管理系统，解决支付终端中现金加载的优化问题。通过使用三重指数平滑模型、带有长短期记忆的循环神经网络和奇异谱分析模型对 ATM 机每日现金提取进行预测，并构建离散最优控制模型来开发最优的付款终端现金加载计划。研究证明所提出的模型的效率和可靠性高于经典的 Baumol - Tobin 库存管理模型。

Oct, 2022

ATM-R 是一种多目标进化算法，在不同进化阶段采用不同的权衡模型，以平衡可行性、多样性和收敛性之间的权衡，借助参考点的优点来实现这些权衡模型，同时具有多阶段配对选择策略，并在广泛基准测试功能上进行了实验，证明 ATM-R 相对于五种最先进的约束多目标优化进化算法具有更好的效果。

Jan, 2023

优化 Autonomous Truck Mounted Attenuator 车辆的路径选择，通过排队等待交通分配方法降低系统成本，考虑时间变化的容量下降造成的影响以及不同路径对交通系统的影响进行量化分析。

Jul, 2023

在协同设计环境中，快速且自动地集成变化是一项挑战。本文考虑了在协同设计方法中，针对关键绩效指标（如成本、时间或弹性）创建和优化全球物流系统以建造客机的挑战。本文的目标是找到一种构建飞机的最佳方式，并考虑其工业系统的要求。研究采用 Answer Set Programming（ASP）作为建模语言，将所需的工业系统的要求形式化。所提出的方法涵盖了从知识图谱中提取相关信息、转化为逻辑程序以及根据优化准则计算现有配置。最后，我们可视化结果以便对这些模型进行轻松评估。内部结果看起来令人鼓舞，并提出了几个未来改进的新研究问题。

Aug, 2023

该研究提出了一个集成算法框架，用于在电子商务中最小化产品送货成本（成本对服务或 C2S）。通过结合图神经网络和强化学习来训练节点选择和车辆路径规划代理，我们的实验结果表明，这种算法流程胜过纯启发式策略。

Nov, 2023

本篇论文提出了一种基于多智能体强化学习的新型协作机制以及一种创新的状态和奖励设计，对复杂交通网络中的资源平衡问题进行优化，实验结果表明，该方法能够更好地激励代理之间的合作，相比于传统的基于组合优化的方法，可以显著提高交通服务的效果和稳定性。

Mar, 2019

本文介绍了基于 AI 辅助自主递送机器人的面向小型城市社区的客户为中心、注重安全的末端交付系统。通过模拟客户的首选时间表和行人的安全，我们将一体化优化组件建模为具有时间窗口的累积容量车辆路线问题的鲁棒变体，以最小化交付的总延迟，并通过校园中单一机器人导入和数字模拟显示了其应用效果和可伸缩性。

May, 2023

该研究提出了一个多种群综合框架，通过多个仓库配置生成有效的子代解决方案，包括一个有效的基于邻域的局部搜索、一个可行性恢复过程和一个多样化的突变方法，在 281 个基准实例的广泛实验中得到了明显的改进，并匹配了 84 个已知的最佳结果。

Mar, 2024

应用多目标优化与知识发现方法的重构制造系统决策支持及生产计划问题研究。

Nov, 2022

研究调查了人道物流的动态分配问题，考虑了稀缺供应品的分配、匮乏成本以及货运无人机的潜在运用，并提出了两种解决方法以有效管理不确定性。结果显示相比最佳基准方法，NN-VFA 表现最佳，DL-VFA 则显示出良好的可扩展性。通过考虑匮乏成本，在不同区域和时间段内改善了对稀缺供应品的分配，同时展示了无人机在灾后救援中的重要作用。

Nov, 2023