随着电子商务与城市物流需求的爆发式增长，传统地面配送模式面临交通拥堵、成本高昂等瓶颈。无人机物流凭借灵活性与低成本优势，成为解决"最后一公里"配送难题的关键技术。然而，复杂城市环境中的动态障碍物、三维空间结构、气象变化及续航限制，对路径规划算法提出严峻挑战。本文系统研究基于Q-learning的无人机物流路径规划方法，通过三维栅格建模、动态奖励函数设计及多智能体协同框架，实现路径最优性提升40%、

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

我们利用copula构建了一个统一的框架，用于在层次贝叶斯模型中构建和优化变分提议。针对具有连续且非高斯隐藏变量的模型，我们提出了一种半参数化和自动化的变分高斯copula方法，其中参数化的高斯copula族能够保留多变量后验依赖性，而基于Bernstein多项式的非参数转换则在描述单变量边缘后验时提供了充分的灵活性。关键词：统计学 - 机器学习 计算机科学 - 学习 统计学 - 计算本文提出了一

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

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

本文研究了Q-learning算法结合ε-greedy策略在随机生成方形迷宫路径规划中的应用。通过构建离散状态空间、设计多层次奖励函数，并采用动态参数调整机制，实现了智能体在未知环境中的高效寻路。实验结果表明，该算法在10×10迷宫中经过1500次迭代后，路径成功率达到98%，平均步长较传统A*算法缩短23%。研究验证了强化学习在动态路径规划中的适应性优势。

本研究聚焦于MATLAB环境下利用神经网络技术预测电力系统稳定性，通过构建多层神经网络模型，分析不同负荷条件下的系统稳定状态。实验表明，神经网络在电力系统稳定性预测中展现出高精度和强适应性，能够有效捕捉系统动态特性，为电力调度提供可靠依据。研究采用BP神经网络和GRNN神经网络两种模型，结合电力系统历史数据，验证了神经网络在处理复杂非线性问题中的优势。电力系统稳定性指系统在遭受扰动后，能否恢复到原

基于角蜥蜴算法（Horned Lizard Optimization Algorithm, HLOA）优化BP神经网络的风电功率预测研究是一个结合了新型智能优化算法与经典神经网络模型的前沿探索。