性别视角下算法权力异化的治理路径

凭借对强大的数据资源的占有,算法技术逐渐披上了“权力的外衣”,随之而来也打破了原有的“权利”制约“权力”的平衡,出现算法权力异化问题。算法权力异化背景下,看似中立的算法技术,通过自动化决策与自动化评分等方式,将传统社会固有的性别歧视隐蔽式放大,使得劳动就业领域的法律保护机制失灵,算法权力与劳动权利的互动失衡。为此,应搭建用于劳动的自动化决策的第三方对话机制,从多领域实现对算法性别歧视规范体系的结构性扩容,确立算法治理中人的主体地位,以避免算法权力异化带来的劳动就业领域的性别歧视。     

算法解释权的证成与限定

以数据驱动的算法决策在公共部门和商业领域得到广泛应用，算法治理的呼声此起彼伏，算法解释权据此成为理论界与实务界关注的焦点。针对算法解释权能否作为一项法律权利，支持者与反对者都提出有力的论证。根据新兴权利的证成标准，算法解释权同时满足合理性、合法性与现实性标准，应当认定《个人信息保护法》第24条、第48条已赋予数据主体算法解释权。但算法解释权利在制度构造上需进一步限定，具体包括解释权的解释内容限于事后解释，通过权利主体、决策类型、行使边界限制适用范围及参照动态体系论中的具体要素，结合应用场景，确立算法解释标准。     

基于关联规则的数据挖掘算法研究

数据挖掘中关联规则算法用途广泛,通过研究关联规则算法,对各关联算法进行分析、对比总结出各关联规则的适用领域,并对经典的关联规则算法进行了举例与性能分析。     

从排斥到包容公众：参与式政府算法治理的逻辑与进路

随着大数据和人工智能时代的到来，算法技术日益广泛嵌入政府治理过程，依算法而治理正在成为政府治理的新途径。然而，在技治主义和工具理性双重逻辑驱动下的政府算法治理日益体现出封闭和排斥公众参与的特征，损失了政府算法治理的有效性与合法性。对公众是否应当参与政府算法治理当中，公众又应当以何种方式有效参与等议题展开的理论分析表明：算法技术引入公共领域应进行技术的公共性重构，而公众参与是平衡其价值理性缺失的有效途径，其重塑的路径是通过创设算法公开、公众调查、听证、治理专家参与、共同生产等公众算法参与工具，并有机嵌入算法制度设计、议程决策、算料供给、算法训练、算法应用的全过程，构建公众算法影响机制。     

民事审判中算法自动化决策的风险规制

随着人工智能技术在司法领域的全面应用，其内嵌的算法风险逐渐进入大众视野。民事案件的特殊性导致算法自动化决策技术在应用过程中存在诸如算法同案识别不精准、基础数据不全面、技术依赖性难以克服等问题。为了确保算法自动化决策技术更好地助力民事审判，应从其潜在风险的生成机制着手，探讨人工智能算法如何影响民事审判。通过优化民事同案认定标准、完善基础数据库建设、限定技术使用限度等方式防范其可能产生的风险，在推动算法自动化决策技术在民事审判领域的深层应用的同时，关注各种司法形式之间的融合，保证算法自动化决策的准确性、透明性和公平性，从而真正实现人工智能司法的数字正义。     

算法解释权适用的不同区分及其实践路径——基于公私两域划分的视角

《个人信息保护法》第24条规定,个人认为自动化决策对其权益造成重大影响的,有权要求个人信息处理者予以说明,此条被认为是对算法解释权的明文确定。但是,对于权益主体的确定、权益影响的程度以及解释内容的要求,第24条并未进一步做出具体规定,考虑到公私领域对算法解释规范对象和规范目标的不同,在私人领域中,算法解释的权益主体应为确定型主体,其形式权益遭受影响才能提出算法解释的主张,而信息处理者只需对算法进行事物性解释,在公共领域中,算法解释的主体应为确定或相关型主体,无论是形式还是实质权益遭受影响都可以提出算法解释的主张,而信息处理者需对算法进行事物或事理性解释,此举有利于促进技术发展与权利保障、公共利益与个人利益之间的价值平衡。     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

求解输出为有界随机数的排序择优问题

【目的/意义】排序择优问题是仿真优化领域的经典研究问题。该问题的目标是设计统计采样算法，通过在有限个统计分布中进行采样并观测随机采样结果从而找到真实均值最大的分布。在该问题的研究中，现有文献大多假设对不同分布进行采样时输出为正态分布随机数，进而基于正态分布随机数相关性质进行算法设计。但在现实中，该假设通常不成立，一旦假设不成立，现有算法的统计有效性将会大受影响。【设计/方法】将正态假设进行拓展，即假设对不同分布为有界域分布，进而开展算法设计。【结论/发现】设计出一类顺序淘汰式算法求解输出为有界域随机数的排序择优问题，数值实验验证，此算法效率远高于现有的SE、ME和lil′DCB算法。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题，课题组通过分析立体仓库中堆垛机的工作特点与运行情况，提出了基于混合蚁群粒子群算法的路径优化方法，在传统的蚁群算法中结合粒子群算法思想，使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快，且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

著作权视域下深度合成算法技术的法律规制

深度合成算法技术由于其趣味性与便捷性，满足了民众的多元化需求，集中应用于社交媒体、影视娱乐等领域。然而，深度合成算法技术激发用户创新内容的同时，在著作权领域也引发了一系列困境与挑战。通过梳理分析现行著作权法难以将深度合成物纳入“作品”的范畴、现行合理使用制度难以判定对原作品的“深度合成行为”以及现行著作权法难以协调深度合成“作品”与原作品的保护边界这三大亟待解决的困境，并提出相应的著作权法规制路径，从而实现著作权保护与深度合成算法技术应用的平衡发展。     

并行支路卷积碼譯碼算法之簡化

本文主要工作:(1)从算法上证明了对于TCM用的一类有并行转移支路的卷积玛,其VITERBI译码算法可以作很有效的简化,而且简化不影响译码性能。(2)给出了表征算法复杂性的公式,讨论了简化效果。简化算法的复杂性约为常规算法的1/2~P。(3)用计算机模拟验证了简化算法和常规算法的等效性。因而,算法的简化不影响译码性能。     

框式线性规划的原始—对偶不可行内点算法的进一步研究

进一步研究文 [1 ]中对框式线性规划提出的原始—对偶不可行内点算法 ,并证明了如果算法迭代按终止准则的后半部分停止 ,原始—对偶规划具有某种不可行性     

基于0-1规划的软硬件划分方法研究

将0-1规划算法应用于软硬件协同划分过程中,一种节点的映射方式对应单位立方体上的一个顶点。利用单位立方体几何性质求出无约束的目标最优解;由此解出发,利用折半查找和一定的编码策略向外搜索,直到满足系统约束为止;利用仿真数据对该算法进行了有效性验证。仿真结果表明,0-1算法的收敛速度与遗传算法相当;精度与整线性规划相当。     

混合量子算法在旅行商问题中的应用研究

针对旅行商问题(TSP)的特点提出了一种新的解码方式,结合了进化计算(EA)和微粒群算法(PSO)的思想,构造了独特的混合量子算法(HQA).为进一步提高算法的性能,构造了改进混合量子算法(IHQA).IHQA在更新个体时能够指导惯性权重进行动态变化,决定个体在下一代被吸引或扩散.经测试证明,两种混合算法均表现出强大的寻优能力,IHQA效率更高.     

一种分级超结构换热器网络综合优化方法及其应用

对分级超结构换热器网络模型的温度计算提出了一种通用的精确解方法,同时得到了显式解析解,并以这一解析解为基础,设计了以遗传算法和模拟退火算法为主,结合最速下降法的混合遗传算法,此外还在算法中引进精英策略和结构变异策略.应用实例的计算结果显示了这一混合遗传算法对于换热器网络的参数和结构都具有良好的搜索能力.     

一类特殊的有界变量目标规划的算法

对一类从m个决策变量中选择n(n≤m)个决策变量的有界变量目标规划问题,本文用0-1变量建立了它的数学模型,并提出了一种目标规划分层序列的改进算法及一种启发式算法。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

算法解释权的构造与法治保障路径——以社会信用体系建设为场景

算法决策在社会信用体系建设场景中的应用日益广泛,信用信息客观公正性与信用主体权益面临更大挑战。作为一种新型权利,算法解释权能满足规制算法决策、保障信用主体权益的双重需求。然而,适用标准不明确、阶段与界限模糊成为阻碍算法解释权行使的主要因素。因此,应为算法解释权提供法治保障,明确其法律定位及适用标准,完善算法决策事前与事后解释的具体设计,同时建立对算法解释权主体的监督机制。     

程序设计中的递归算法教学探讨

递归算法是程序设计中的常用算法之一 ,也是一种重要的编程方法。掌握递归方法十分重要 ,但递归算法是较难理解和掌握的。因此 ,有必要对如何讲好递归算法做一些探讨。分析了递归算法的特点 ,指出了在递归教学中存在的一些问题 ,并给出了一种有效的解决方法     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。