数字时代的存在革命

数字技术重塑了万物的连接方式和存在样态,引发数字时代的存在革命。数据化物作为虚拟存在,模糊了现实与虚拟的界限,打破了传统社会思维与存在二元对立的存在结构模式,取而代之的是基于数字界面即时实现的思有统一。人的身体和灵魂经由数字化改造,丧失具身认知,成为可控机器。数字化的本质是虚拟化,社会生活的全面虚拟化造就完全的控制社会。数字媒介和算法框定了数字存在的边界。数字世界的超越在于破除数字乌托邦迷信和重建可感世界。     

司法决策的算法化趋向及其反思

人工智能时代算法渗透到司法领域,在司法裁判中承担证据审查、风险评估、裁量参考等任务,司法决策由此呈现出算法化的发展趋向。司法在与技术的结合中进一步提高了效能,表现为司法效率的提高和司法裁量的统一。然而,算法本身也存在着技术局限性,可能引发代码规则难以保障论辩参与、算法黑箱难以解释裁判合理性、群组正义难以回应权利优先性等深层问题。为助力智慧司法的平稳运行,需要立足技术赋权理念,推进司法领域的算法公开透明,加强智能辅助系统的可解释性。     

竞技二打一中玩家叫牌风格划分方法

由于玩家在对局中会有不同的博弈风格,针对竞技二打一中玩家叫牌风格划分的问题,提出了通过计算玩家叫牌和基准叫牌之间差异的统计学方法,设计了融合叫牌情况和玩家手牌及强力牌特征的基准叫牌模型来给出基准叫牌。实验结果表明：该方法中的基准叫牌模型能够在测试集上准确率达到94%以上,在玩家的叫牌风格实验中达到了预期的划分效果,在一定程度上验证了玩家博弈风格划分的可行性。     

一种历史局部代价求解ADCOPs的算法

局部搜索算法是求解非对称分布式约束优化问题(asymmetric distributed constraint optimization problems, ADCOPs)的热点,然而此系列算法都未利用历史局部代价这一关键信息。提出了一种新的历史局部代价的算法(historical local cost, HLC),利用局部代价历史记录求解ADCOPs。HLC使用指数加权移动平均(exponential weighted moving average, EWMA)对局部代价进行模拟更新,并引入了种群机制对其充分模拟和搜索更广的解空间,从模拟局部代价的有效性和种群作用的优越性进行了理论分析。实验结果表明：HLC比最先进的ADCOPs非完备算法有更高质量的解。     

福利治理：理据甄选、概念界说与价值取向

合理且有效配置受经济与政治限制的福利资源以满足人类需要,一直是世界各国福利治理的重大议题。福利治理是20世纪70年代以来西方国家在应对福利危机的“去福利国家”环节中发展演变而来的社会产物。在福利政策实践中,新社群主义、“第三条道路”和福利多元主义为其内在的学理支撑。依循福利治理的生成过程和运作逻辑,表现出治理主体多元性、多元主体间关系的网络合作性以及分权化、准市场化和社会化等多重特征。秉持平等、民主和多元性发展原则,福利治理的价值取向从“个人主义”转向了“集体主义”。     

求解非线性二层规划问题的模拟植物生长算法

本文以植物向光性生长理论为启发式准则,提出了一种求解非线性二层规划问题的智能优化算法。在该算法中,将二层规划上层解空间和下层反应集分别作为植物的两个生长环境,建立以生长规则为基础的植物系统演绎方式和以植物向光性理论为基础的概率生长模型,两者结合所形成的优化模式,实现了模拟植物从初始状态到完整形式的终态(没有新的树枝生长),从而得到二层规划问题的解。该方法具有搜索精度较高,求解稳定性较强的特点,通过与国外学者在非线性二层规划实际测试问题的最优值进行精度比较,表明模拟植物生长算法是有效可行的。     

基于记分函数的直觉模糊多属性群决策方法

针对属性权重未知且属性值为直觉模糊值,决策者给出方案直觉模糊值形式偏好信息的不确定多属性群决策问题,提出了一种基于模糊优选的群决策方法。首先在计算直觉模糊相似度的基础上通过非线性规划模型求解出属性权重。在明确直觉模糊多属性决策问题中直觉模糊集的定义基础上,提出了一种新的记分函数方法,进而得到各决策者决策矩阵的正、负理想方案。然后通过各决策者的模糊优选模型得到各方案的决策值,通过决策群体的模糊优选模型得到各方案的群体综合决策值。最后通过一个算例说明了方法的有效性。     

一种面向属性残缺偏好效用矩阵的大群体决策方法

决策成员评价部分决策方案的大群体决策问题可视为属性残缺效用值矩阵下的大群决策问题.文章将残缺效用值转化为区间教形式的效用值,形成了大群体关于全部决策方案的区间数效用值矩阵;对大群体成员进行聚类,根据聚类结果确定成员权重,将该权重和区间数效用值矩阵合成获得了决策方案的排序向量;提出了群体意见反映度指标度量群决策结果反映群体意见的程度,对群决策结果进行评价;提出了成员意见差异度指标修改相应成员的效用值向量.     

PSO-AHP模型在综合评价中的构建及应用

文章针对AHP在综合评价中确定权重的缺点,基于粒子群优化算法(PSO),构建了PSO-AHP模型,运用此模型求解水运业对南京市武家嘴村新农村建设作用评价的权重,并与AHP求解结果进行了比较。结果表明,PSO-AHP模型求解的权重及指标一致性均优于AHP,克服了AHP法中判断矩阵一旦给定,权重及指标一致性无法改善的缺点。     

基于PSO-SVR的粮食产量预测模型

在粮食产量预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低.文章将支持向量机回归(SVR)与粒子群优化算法(PSO)相结合,提出了适用于小样本量学习的PSO-SVR粮食产量预测模型.实例结果表明,PSO-SVR模型预测误差率优于BP神经网络模型.