• 一种结合迁移学习与局部搜索的车辆路径问题求解方法：TuneNSearch

  车辆路径问题（VRP）的求解是物流优化的核心挑战。现有方法往往受限于泛化能力弱或计算成本高。本研究提出TuneNSearch框架，将Transformer架构与边缘感知图注意力网络（E-GAT）结合，并集成高效的局部搜索算法。该框架先以多仓库VRP（MDVRP）进行预训练，再通过微调适配多种VRP变体。实验表明，TuneNSearch在CVRPLIB和TSPLIB数据集上，与已知最优解的偏差保持在3%以内，显著优于现有神经网络方法，为实际物流系统提供了高效、通用的决策支持。

  来源：Computers & Operations Research

  时间：2026-03-02

• 融合多属性效用与深度强化学习解决顺序多准则决策问题：在可持续农业人力资源管理中的创新应用

  本文聚焦顺序多准则决策（SMCD）这一复杂现实决策难题，为解决传统方法在处理动态、多目标权衡时的局限性，研究者创新性地将多准则决策分析（MCDA）与深度强化学习（DRL）相结合，提出了多属性效用深度强化学习（MAUDRL）新方法。研究以加拿大不列颠哥伦比亚省蓝莓种植业的可持续人力资源管理（HRP）为例进行验证。结果表明，相较于基准算法，MAUDRL在策略质量、目标达成率和运行时间上均表现出色，为SMCD问题提供了高效、透明且可解释的决策支持方案，在推进可持续及社会责任决策方面具有重要理论与应用价值。

  来源：Computers & Operations Research

  时间：2026-03-02

• 达西-福希海默模型的后验误差估计新方法：基于残差型混合有限元法的可靠性证明与数值实验

  本文针对模拟多孔介质中流体流动的关键模型——Darcy-Forchheimer问题，提出了一种新的残差型后验误差估计方法。研究团队针对文献[1]中提出的混合有限元格式，推导了误差估计子并证明了其可靠性。通过一系列数值实验，验证了该方法在自适应算法中的实际效能，为优化计算资源、提升模拟精度提供了新的理论工具和可靠判据。

  来源：Computers & Mathematics with Applications

  时间：2026-03-02

• 无人机辅助的交通重路由在灾难场景中的应用：基于文法引导遗传编程的方法及受限智能车采纳与跨路段泛化影响分析

  本文探讨了无人机(UAV)在灾难性交通中断管理中的应用，通过结合文法引导遗传编程(G3P)演化出一种重路由成本函数。研究人员针对都柏林市中心在五种不同灾难事件和五个UAV信息层级下的场景进行SUMO仿真，评估了G3P在100%、70%和50%智能车辆采纳率下的性能及其对相邻路段的泛化能力。研究发现，在100%采纳率下，RRG3P在96%的情况下优于基准方法，但在采纳率降低时性能下降，且跨路段泛化结果不一。该研究为灾难情况下基于UAV的、可解释的重路由策略提供了重要见解，对提高城市交通网络的韧性和响应效率具有重要意义。

  来源：Computers & Industrial Engineering

  时间：2026-03-02

• 非匹配网格上的通量逼近及其在混合多尺度方法中的应用

  本文提出了一种针对非匹配网格（网格不贴合物理界面）的离散通量逼近新理论。通过证明基于L2正交投影到分片不连续多项式空间的通量逼近具有超收敛性质，本研究革新了混合杂交多尺度有限元方法的分析框架，为其在复杂多物理场问题中的应用提供了坚实的数学基础。

  来源：Computers & Mathematics with Applications

  时间：2026-03-02

• 基于格子玻尔兹曼高阶展开的有限差分格式：提升对流-扩散方程计算精度的新方法

  本研究针对标准格子玻尔兹曼方法（LBM）在求解对流-扩散方程时精度受限的问题，提出两种新策略。其一，通过六阶展开推导最优松弛时间以消除高阶误差；其二，基于此展开构建了三级和四级有限差分格式（TLFD/FLFD）。理论分析与高斯-丘陵基准测试表明，在最优松弛时间下，新方法在粗网格上可达四阶精度，其相对误差可比标准LBM低两个数量级，显著提升了数值求解的准确性与效率。

  来源：Computers & Mathematics with Applications

  时间：2026-03-02

• 基于下限理论的滑移曲线评估隧道掌子面稳定性：一种考虑曲线滑移线的创新方法

  本文针对隧道开挖中掌子面稳定性评估的关键技术难题，提出了一种基于下限理论的创新分析方法。传统方法多假设破坏区内滑移线为直线，并需预设难以确定的侧向土压力系数，导致评估不够精确。本研究通过将破坏区内的滑移线建模为对数螺旋曲线，对梯形非对称微元体建立力与力矩平衡方程，并推导出微分方程进行求解，从而建立了无需侧向土压力系数的新评估体系。计算验证表明，该方法能够准确复现先前离心模型试验得到的掌子面稳定性指标，为盾构法和NATM法等隧道工程的设计与施工提供了更可靠的理论工具。

  来源：Computers and Geotechnics

  时间：2026-03-02

• XR、AI与大数据融合赋能延伸教育：文献综述揭示技术驱动学习环境的机遇、挑战与成熟度

  本文献综述系统探讨了Extended Reality (XR) 与AI、Big Data等技术在延伸教育(extended education)学习环境中的融合。面对数字时代对终身学习的迫切需求，特别是COVID-19疫情对远程教育工具的催化，本研究回顾了2014-2024年间72篇同行评议文献。研究人员通过系统性分析，识别了XR技术在专业培训、STEM教育、软技能发展等五大应用领域的潜力，以及提升学习成效、增加参与度、确保可及性、培养21世纪技能等四大教学目标。研究发现，XR技术能带来显著的教育效益，但其效果并非固有，而高度依赖于深思熟虑的教学设计。研究也揭示了方法标准化、地域研究差异、纵向研究缺乏及隐私算法偏见等伦理挑战。综述最终得出结论，充分发挥XR潜力需要一个跨学科、以人为本的方法，将教学整合置于技术创新之上，并同时促进公平、包容、合乎伦理及可持续的采用。这为未来教育技术研究与发展提供了关键见解。

  来源：Computers & Education: X Reality

  时间：2026-03-02

• 为OTT与MNO协同的5G O-RAN视频流体验质量预测：一种基于网络层机器学习的创新架构

  为解决移动网络运营商因无法获取应用层参数而难以准确预测视频流用户体体验质量这一难题，本文提出了一种创新的解决方案。研究人员在开放无线接入网络架构中集成了基于机器学习的QoE预测模型，并建立了OTT与MNO之间的数据共享接口。研究表明，基于梯度提升算法的模型预测性能最佳（R2=0.906），有效帮助MNO克服了质量预测模型更新困难的问题，为实现网络感知的实时QoE管理提供了关键技术支撑。

  来源：Computer Networks

  时间：2026-03-02

• 双障碍位势相场模型的高精度非线性混合预条件方法：理论与计算应用

  为解决双障碍位势相场模型在低界面分辨率下因非线性预条件处理而出现的数值不稳定性问题，研究人员开展了混合非线性预条件（HNP）方法的研究。该研究提出了一种新的混合策略，在界面区域内应用非线性预条件的双障碍位势模型，在外部区域应用非线性预条件的双井位势模型。通过二维单晶粒生长和三结迁移的模拟验证，结果表明该方法在粗网格下显著提高了数值精度，并有效降低了网格各向异性的影响，为双障碍位势模型的粗网格高精度模拟提供了一种高效策略。

  来源：Computational Materials Science

  时间：2026-03-02

知名企业招聘：