- $C^2M^3$: 循环一致的多模型合并
本文介绍了一种新颖的无数据方法，用于在权重空间中合并神经网络，并优化了所有层次中全局性的网络神经元排列组合的置换。通过强制约束排列组合的循环一致性，我们得以在合并至少三个模型时计算排列组合的循环结构，无需在路径中累积误差。在各种架构和数据集 - 寻找女士：深度神经网络的排列和重新同步
我们提出了一种方法来重新同步深度神经网络中排列的神经元的顺序，并在参数修剪、量化和微调等操作中展现了对数据完整性攻击的抵抗能力。
- 排列进化算子的调查与分析
对组合优化问题的演化操作符与排列进行了调查和分析，使用了开源 Java 库 Chips-n-Salsa 实现并在人工适应度景观上进行了实证分析。
- 置换问题的适应度景观分析：从距离度量到变异算子选择
本文研究了适应性函数分析在排列优化问题上的理论与实践，着重探讨了距离度量问题及其分类方法，并利用主成分分析法对于度量方法进行分类，揭示出排列优化问题的分类规律及其子类型，利用其进行突变算子的选择和进化算法的优化。
- 循环突变：通过循环归纳进化排列
研究演化算法在排列问题和映射问题上的应用，提出了一种新的变异算子 “cycle mutation”，并且利用新的排列距离度量方法进行问题特征分析和应用实验，结果表明 cycle mutation 适用于映射和分配问题，对于旅行商问题有一定局 - 置换的扫描、多面体、定向拟阵和可允许图
研究了可允许的序列对偶理论，介绍了两个在高维度配置方面对扫过点的序列的 poset 的建模的概念，包括扫过定向拟阵和可允许的置换图。
- 使用 Gumbel-Sinkhorn 网络学习潜在的置换
介绍了一系列以连续 Sinkhorn 运算符来近似离散最大权匹配的新方法，应用在排序数字，拼图和鉴别神经信号等任务中，并且在竞争基线上取得了更好的效果。
- 基于贪心置换的因果推断算法的一致性保证
使用置换的贪心方法，基于一个置换多面体中的边图，在有限多步内，找到了一个对应于支配生成有向无环图原则的图结构的稀疏最小置换，该方法成功应用于有向无环图的生成。
- 保范正交置换线性单元激活函数（OPLU）
本文介绍了一种基于排列的分段正交非线性映射的新型激活函数，该函数具有实现简单、计算效率高、内存需求小等优点，同时表现出与 tanh 和 ReLU 类似的性能，且能保证反向传播梯度的范数不变性，因此对于深度、超深度和循环神经网络的训练具有潜在 - NIPS向量排列问题的排序网络松弛
本文介绍了 Goemans (2010) 的构造方法，使用其构造的 permutahedron 凸包作为优化问题的松弛形式可以将变量和约束的数量从 Θ(n^2) 减少到 Θ(nlogn)。我们将其应用于 2-SUM 问题的凸优化形式中，并引 - 排列的方向性统计学
提出一种在超球面上嵌入全排列的方法，从而可以定义连续方向概率分布以及派生排列的密度，运用该方法实现了一个排列状态空间模型的推理过程并进行了相关应用。
- 一维余维数展开模型的排名模式
通过将排序模式表达为辫子排列的切片，并且发现所有辫子切片，包括那些未关联到展开模型的切片，都与一个排列的房间一一对应，从中鉴定关联到展开模型的切片，我们得出排序模式的数量，并给出了忽略排列差异时排序模式数量的上限。