低空经济的快速发展为物流末端配送提供了新的技术路径，车辆与无人机协同配送模式凭借地面车辆的大载重、长续航优势与无人机的低空灵活、高效直达特性，成为破解 “最后一公里” 配送效率瓶颈的关键方案。本文聚焦集中式协同配送模式，以配送总成本最小化、总时间最短化、碳排放最低化为多目标，构建车辆与无人机协同配送路径优化模型；基于 pymoo 多目标优化框架，采用 NSGA‑Ⅱ 算法实现模型求解，通过算例仿真验

本文构建了一个由单一供应商与两个资金约束零售商组成的两级供应链模型，重点分析供应商在三种贸易信用策略（空策略、排他性策略、冷漠策略）下的决策偏好及其对供应链整体绩效的影响。通过Mathematica的符号计算与数值模拟功能，推导出各策略下的均衡解可行域，并验证了理论模型的稳健性。研究发现：供应商在冷漠策略下收益最高，但排他性策略的适用性受零售商信用评级差异的显著影响。研究结果为供应链金融风险管理提

随着电子商务的迅猛发展，冷链物流在生鲜食品、医药等对温度敏感商品领域的重要性日益凸显。选择合适的冷链物流供应商成为电商平台提升运营效率、保证产品质量的关键。然而，传统决策方法难以有效应对供应商选择中的复杂性与不确定性。本文提出基于云模型与多属性双向边界逼近法（MABAC）的决策框架，通过综合多维评价因素，在不确定环境下实现冷链物流供应商的科学评价与选择。以永辉生鲜选择冷链物流供应商为案例，验证了该

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

机会约束规划(chance constrained programming简称CCP)也称为概率约束规划,最初由Charnes和 Cooper[1在1958年提出,是针对约束条件中含有随机参数并在一定概率条件满足下的最优化问题.近几十年,机会约束广泛应用于参数不确定的优化和决策问题中.比如,网络优化2]、供应链管理3、生产计划[4和水流箱管理5等．关于CCP的发展情形,感兴趣的读者可参见综述文献[

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

质子交换膜燃料电池（PEMFC）作为一种高效、清洁的新能源转换装置，其极化曲线能够直观反映电池输出电压与电流密度的关系，是评估电池性能、优化运行策略的核心依据。然而，极化曲线的数学模型包含多个难以直接测量的经验参数，参数辨识的精度直接影响模型的预测能力和性能评估的可靠性。针对传统参数辨识方法收敛速度慢、易陷入局部最优、辨识精度不足等问题，本文提出采用人工蜂群算法（ABC）对Ballard Mark

针对微电网内可再生能源和负荷的不确定性，建立了min-max-min 结构的两阶段鲁棒优化模型，可得到最恶劣场景下运行成本最低的调度方案。模型中考虑了储能、需求侧负荷及可控分布式电源等的运行约束和协调控制,并引入了不确定性调节参数，可灵活调整调度方案的保守性。基于列约束生成算法和强对偶理论,可将原问题分解为具有混合整数线性特征的主问题和子问题进行交替求解,从而得到原问题的最优解。

小电流接地系统故障仿真是电力系统中非常重要的研究领域，特别是针对中性点不接地和经消弧线圈接地的情况。这两种故障情况在电力系统中都可能发生，因此对其进行仿真模型研究具有重要意义。中性点不接地故障是指变压器或发电机中性点没有接地，这种情况下，如果出现了单相接地故障，会导致系统中产生零序电流，可能对设备和系统造成严重损坏。因此，针对中性点不接地故障，需要建立相应的仿真模型，研究其对电力系统的影响，以及采

针对智能车辆在行驶过程中轨迹跟踪精度不足、动态适应性较弱等问题，本文以二自由度车辆动力学模型为基础，开展模型预测控制算法在车辆轨迹跟踪中的应用研究。通过构建自适应模型预测控制框架，实现对预设参考轨迹的持续稳定跟踪，同时依托 Matlab2018 及以上版本仿真环境搭建完整仿真流程，完成参数配置、模型调节与轨迹跟踪验证。研究结果表明，所设计的模型预测控制策略能够有效提升车辆轨迹跟踪的精准度与鲁棒性，