计算机工程与应用杂志

计算机工程与应用杂志2026年第6期

• 基于数字孪生的工控系统信息安全防护研究综述

  王昆昆, 李亚辉, 杜鑫, 徐裴行, 周纯杰

  数字孪生技术通过构建实体对象的高保真动态机理模型，在虚拟空间中模拟实体对象行为，孪生空间与实体对象进行实时交互与协同演化，为工控系统信息安全防护研究提供了新的视角。概述了工控系统在信息安全防护过程中面临的多重挑战，阐述了数字孪生的基本原理、发展历程和关键技术；综述了数字孪生技术在工控系统信息安全防护中的应用研究，重点总结了其在系统仿真模拟、防护体系、异常检测和风险评估等方面的研究进展，并对现有研究的局限性进行了总结分析。最后，对数字孪生在工控系统信息安全防护中的未来发展方向进行了总结与展望。

• 通信受限条件下无人系统编队协同方法研究综述

  姚江毅, 张阳, 冀鲸宇, 范红波, 李雄伟

  复杂环境导致的通信受限问题是制约无人系统编队协同效能提升的关键瓶颈。当前，通信受限条件下的编队协同方法研究虽取得一定进展，但仍缺乏系统性的归纳总结和深入分析。突出问题体现在通信受限条件界定不清且现有协同方法分类体系亦不明晰。因此，聚焦带宽限制、信号衰减、通信时延三类典型通信受限条件，深入剖析其成因，并阐明不同受限形式对协同机制产生的差异化影响；从交互主体选择、信息精炼编码、触发时机决策三个维度出发，将现有通信受限条件下编队协同方法系统分类，并进一步分析各方法的技术原理、优势局限及适用场景。最后，对未来研究方向进行了展望。

• 生成式大模型越狱攻击安全性研究综述

  李燕, 王钢, 王浩

  近年来，生成式大模型广泛应用于文本生成、对话交互、内容创作等多个关键场景。然而，越狱攻击正成为生成式大模型的新威胁，越狱攻击能够绕过生成式大模型内置的安全机制，诱使经过其产生有害输出，带来伦理风险、隐私泄露以及模型滥用等安全挑战。针对这一威胁，全面综述了近年来大语言模型与多模态大模型这两类主流的生成式大模型的越狱攻击研究进展。从越狱攻击类型、防御策略、安全评估框架三个方面，详细总结了当前越狱攻击方法的基本原理、实施方法与研究结论，为后续的研究提供了有效参考。基于上述研究，进一步总结了当前两类主流生成式模型在越狱攻击安全性研究方面存在的不足，并提出了未来生成式大模型安全性研究所面临的主要挑战与发展机遇，为研究人员在生成式大模型的复杂应用和安全性研究领域提供指导建议。

• 时变路网车辆路径问题研究综述

  殷旅江, 张驰, 王彦兆, 沈明辰, 丁政罡

  鉴于时变路网车辆路径问题（time-dependent vehicle routing problem，TDVRP）是智能交通背景下制约着城市高效配送、物流调度的关键问题，从问题建模、求解算法、应用场景等维度对TDVRP进行系统综述。建立了TDVRP分类体系，深入分析带时间窗、容量约束、电动车辆、无人机协同等主要变体的建模特点；系统梳理了时变路网数据来源的技术特征与发展趋势，识别研究热点；分析了求解算法从精确算法、启发式算法、元启发式算法到人工智能方法的演进历程，构建了算法性能评估与选择策略框架。研究发现：TDVRP正朝着多目标与多约束优化、算法的自适应性与可扩展性、绿色低碳的方向演进，与深度学习、强化学习等前沿技术深度融合，应用场景日益多元化。

• 基于大语言模型的开放域对话系统综述

  秦董洪, 孔令儒, 白凤波, 王敬凯, 李路路, 徐晨

  开放域对话系统旨在实现与用户之间的流畅、自然交流，模拟人类的语言行为，能够处理各种主题和情境的对话，而无需特定任务或领域限制。其目标是使计算机系统能够理解并生成自然语言，实现高效的人机互动。大语言模型是使用大量文本数据训练的深度学习模型，通过学习语言的统计特性和语义关系，大语言模型不仅能够生成和理解文本，还具备推理能力，已成为开放域对话系统中的核心技术之一。综述了当前基于大语言模型的开放域对话系统的研究现状，介绍了常用的对话数据集，并对不同模型架构的特点与应用进行了比较；提出了一种对话系统的演进架构，包括核心能力层、功能扩展层和动态优化层。核心能力层通过记忆机制和连贯性保障算法，确保对话的连续性和一致性，为系统提供稳定的运行基础；功能扩展层在此基础上，通过知识整合和个性化响应，提升对话的丰富性和个性化；动态优化层则通过话题控制和安全约束的协同作用，确保对话的稳定性和安全性，避免对话偏离主题或生成不适当的内容。三层架构相互协作，推动对话系统从基础能力到高级功能的协同演进，总结了相应的解决方案。基于现有研究成果，展望了该领域的未来发展趋势。

• 面向自动提示词工程的反馈进化算法

  程湘钧, 张红梅, 唐希浪, 徐思宁

  针对现有离散提示词优化算法过度依赖大规模搜索反馈或局限于自然选择、短句级随机变异的问题，提出反馈驱动进化（feedback-driven evolutionary，FDE）算法，通过融合主动环境反馈与被动自然选择机制实现高效提示词生成与优化。该算法结合显式反馈与隐式引导，引入双向环境信号驱动的变异策略，并改进基于小批量样本更新的置信区间上界评估方法，显著提升优化效率。采用18个自然语言任务数据集与8种典型提示词算法进行对比实验，测试结果表明FDE算法综合性能较现有最佳算法相对提升11.44%，稳定性提高43.88%，同时有效降低模型调用量与传输字符数。通过跨参数规模模型分析进一步验证泛化性，其在所有测试模型中综合性能均相对基线提升超10%。FDE算法实现从被动筛选到主动-被动协同适应的进化模式转变，有利于驱动语言模型低成本更高效地执行自然语言处理任务。

• 利用微簇动态欠采样的不平衡数据集成分类算法

  孟东霞, 姚怡帆, 杨旌

  集成欠采样是解决类别不平衡问题的有效途径，部分方法因损失多数类关键信息或破坏内部分布结构而影响性能。为充分保留多数类分布结构并提升少数类识别精度，提出在Boosting框架下从多数类微簇中动态采样的不平衡数据集成分类算法。利用自然最近邻构建多数类微簇，依据样本分布自适应确定各微簇采样数量，进而结合采样权重选取多数类样本，与少数类共同训练初始基分类器。在后续迭代中，根据上一轮分类结果动态更新微簇采样配置，重新选择样本训练新的基分类器，最终通过加权集成获得强分类器。在22个数据集上与4种经典欠采样方法（随机欠采样、Cluster Centroid等）及8种主流集成欠采样方法（Self-paced Ensemble、CusBoost、Equalization Ensemble等）进行了对比实验，所提方法在F1-score、G-mean和AUC指标上均展现出更优性能。

• YOLO-PD：轻量级实时行人检测算法

  陈胜宝, 施隆照

  针对边缘端设备资源受限和行人检测算法在小目标物体、多尺度物体和重叠遮挡造成的几何形变物体上检测精度低的问题，提出了一种适合部署在边缘端设备的基于YOLOv8的行人检测算法YOLO-PD。针对小目标物体，设计局部Transformer块（partial Transformer block，PTB），增强模型的特征提取能力，PTB的混合结构在保持高效特征提取的同时还能降低计算成本；针对多尺度物体，设计金字塔共享空洞卷积（pyramid shared dilation convolution，PSDC），利用共享权重参数的多尺度空洞卷积来提高模型多尺度特征提取能力的同时减小模块体积；针对几何形变物体，设计轻量级可变形动态检测头（light deformable dynamic head，LDDH），在检测头中通过动态调整加权因子来提升检测精度、通过可变形卷积来更精准地获取形变物体的特征。实验结果表明，与基线模型YOLOv8n相比，YOLO-PD在自建的行人检测数据集COCO-Person和VOC-Person上的mAP50分别提高了2.9和1.9个百分点，参数量减少了34.3%；在公开的行人检测数据集WidePerson上，mAP50和mAP50：95分别提高了1.8和1.1个百分点。在行人检测任务上该算法检测精度高、泛化能力强、极小的参数量让它适合部署在边缘端设备。

• 基于主题约束采样的文本生成方法

  冉文议, 万家强, 喻靖峰, 李琪玥, 陈鼎丽, 邢欣来

  预训练语言模型通过精调使其能够具有本地语料的相关知识和用语习惯，但通常面临高昂的训练成本和资源开销。因此，提出了一种基于主题约束的采样方法。该方法利用本地语料构建潜在狄利克雷分布（latent Dirichlet allocation，LDA）主题模型；利用LDA对输出内容进行主题约束。一方面，这种方法简单易实现；另一方面，该方法增强了模型在本地语料上的泛化能力。实验结果表明，所提出的方法在多样性指标和泛化性指标上相较于基线模型明显提升。

• 时序知识图谱推理的对偶图群蒸馏对比网络

  赵红燕, 王日云, 谢斌红, 郭力华

  时序知识图谱推理具有重要的应用价值。然而，现有的推理模型在建模历史特征时面临着两大挑战：（1）未对关系结构特征建模，导致模型无法很好地理解事实间的潜在语义关系及演化模式；（2）忽视了全局范围内事实间的潜在依赖关系，造成不同时间戳实体间的依赖信息丢失。为此，提出了一种新的TKG推理模型——对偶图群蒸馏对比网络（DGCN）。该网络通过局部对偶演化蒸馏器（LDED），有效提取实体图和关系线图的结构与时序特征，深入挖掘事实间的潜在语义关系，更好地理解事实的发展趋势；此外，DGCN通过全局对偶重复蒸馏器（GDRD）建模全局查询子图和实体频率特征，全面捕获历史依赖信息，提升模型的预测性能。在ICEWS14、ICEWS18和ICEWS05-15数据集上进行了充分的实验，DGCN比最优基线模型的MRR值分别提高了3.56%、2.83%和1.23%。

• 基于BERT模型的多语种谣言识别研究

  曲春来, 高敏洁, 李一飞, 董苏雅拉图, 曹正鑫, 袁媛, 阿雅娜, 徐琳琳

  目前跨语言环境中的谣言传播面临巨大挑战，现有方法在处理多语言数据时存在局限，难以有效捕获不同语言间的语义信息。为应对这一挑战，提出了一种基于BERT模型的多语种谣言识别方法，将基于语言特性的数据增强技术与预训练模型相结合，解决多语言环境下的谣言识别问题。该方法利用BERT出色的上下文语义捕捉能力，并结合针对不同语言特点设计的数据增强策略，有效缓解了翻译转换过程中产生的语义偏差。在中文、英文、法文等多语种疫情相关数据集上的实验评估表明，该方法在准确率、精确率、召回率和F1-score等多个评价指标上均优于传统机器学习方法及其他深度学习模型（如CNN和RNN）。还在小语种与多领域数据集上验证了模型在不同情景下的泛化能力。此外，对BERT模型注意力机制的可视化分析进一步验证了其在捕捉谣言文本关键信息方面的优势。不仅为跨语言信息环境下的谣言检测提供了一种有效的技术方案，也为小语种语言及动态谣言检测问题的进一步研究奠定了基础。

• 面向大语言模型摘要生成的意图增强框架

  薛惠文, 李宝安, 马登豪, 吕学强

  文档摘要任务旨在从冗长文本中提炼出核心内容，以便简明传达关键信息。尽管大语言模型的迅速发展使摘要技术取得显著进步，但当前大语言模型并没有对文本的整体意图进行建模，导致难以精准捕捉文本意图并维持事实一致性，使得生成的摘要在细节覆盖和上下文保持方面有所不足。为解决这一限制，提出一种意图感知的上下文摘要生成框架，该框架包括意图感知模块和信息熵扩展模块。其中，意图感知模块用于捕捉文本中的作者意图，确保提取的句子能够准确反映文档的核心思想。信息熵扩展模块则用于优化信息覆盖范围，最大程度地涵盖文本中的相关上下文信息。提取的文本意图信息块与大语言模型生成的原始摘要结合，生成更高质量的摘要。实验结果表明，该框架在Multi-News和Multi-XScience两个公开数据集上的表现优于所选的基线模型，能够有效提升大语言模型生成摘要的整体质量。

• 基于Transformer多特征融合的图像描述方法

  梁先达, 曾上游, 邱泓语

  现有的图像描述模型仅关注了网格特征或区域特征的单一应用，没有充分考虑图像中对象之间的空间相关性以及多特征融合对描述生成的重要性。针对这一问题，提出了一种基于Transformer多特征融合的图像描述方法。构建视觉特征提取器提取初级视觉特征，通过所构建空间增强注意力模块，实现网格视觉特征与空间信息有效结合，克服了在全局上下文中不能充分识别对象间空间关系的问题。为了解决多头注意力机制独立并行建模可能导致的图像元素语义关系特征遗漏问题，设计了多头关联注意力机制，有效地弥补了不同注意力通道间的元素语义关系。设计了多特征融合模块，通过动态调节不同特征对描述文本的影响，有效解决了多特征融合带来的语义噪声问题。通过在MSCOCO数据集上进行了广泛的实验，验证了所提出的改进方法的有效性。

• 结合自适应特征加权与权值优化策略的多模态情感分析

  冯广, 周垣桦, 钟婷, 杨燕茹, 黄荣灿, 盘皓然, 林健忠, 周科栋

  多模态情感分析在智慧教育领域中发挥着关键作用，通过对课堂中产生的音视频流媒体数据进行实时分析，可以更精准地挖掘学生的情感状态。当前多模态情感分析中的编码方法普遍忽视了不同模态之间信息密度的差异以及模态特有信息之间的不兼容性，这在融合过程中可能引入噪声或导致信息冗余。为解决这一问题，提出了一种结合自适应特征加权与权值优化策略的多模态情感分析模型。在特征优化层，作为低级特征的音频与视频通过交叉注意力进行交互，从而提高信息密度，并通过自适应加权与权值优化策略对交互结果进行动态校正。在特征融合层，利用交叉注意力模块实现文本特征与音视频特征的有效融合，通过由特征加权过滤与权值优化约束实现的互补策略增强特征表征能力。在公开数据集MOSI和MOSEI上的实验结果表明，提出的模型在特征加权调优下显著提升了情感预测性能，在大多数评价指标上实现了较先进或具竞争力的表现。

• 结合多特征融合和图卷积神经网络的EEG-fNIRS情感识别

  王文明, 张雪英, 陈桂军, 孙颖, 黄丽霞

  针对EEG-fNIRS情感识别研究中图卷积神经网络仅考虑单一的大脑连接方法，并且没有综合关注多脑区和不同频段中反映情感的信息的问题，提出一种基于多特征融合的图卷积神经网络模型。构建邻接矩阵，提取格兰杰因果（GC）作为有效性连接信息，提取相位滞后指数（PLI）作为功能性连接信息，结合模糊认知图（FCM）融合GC和PLI，将计算得到的FCM-GC-PLI关联矩阵作为GCN的邻接矩阵；构建节点，提取和融合EEG-fNIRS信号的微分熵特征，通过多尺度脑区频段注意力（MBFA）模块综合关注多脑区和不同频段中反映情感的信息。在TYUT3.0数据库上进行实验测试，FCM-GC-PLI邻接矩阵相比于GC邻接矩阵和PLI邻接矩阵平均准确率分别提高0.89和1.9个百分点。加入MBFA模块后的情感识别准确率提高2.23个百分点，相比其他文献中的对比方法平均准确率提高1.41个百分点以上。

• EdEval：面向大语言模型评估中数据污染问题的动态解决方法

  仲宝才, 杨帆

  随着大型语言模型（LLMs）在超大规模语料库上开展预训练，数据污染问题逐渐凸显，这对模型性能评估的准确性构成了直接威胁。提出了一种创新的动态数据评估方法EdEval（equal distribution dynamic evaluation），旨在降低数据污染对评估准确性的影响。EdEval通过提取核心知识点与主旨，确保生成的评估问题在本质上与静态数据一致，并结合联网检索对知识点进行深入阐述，生成具有高质量知识支撑的评估样本。此外，EdEval通过控制问题数量和复杂度，实现动态对齐与灵活调节，以匹配静态数据的难度水平并满足不同复杂度的需求。采用布鲁姆分类法，EdEval从记忆、理解、应用、分析、评价和创造六个维度对LLMs进行综合评估。实验结果表明，EdEval在多个数据集上有效减轻了数据污染的影响，显著提高了评估的公正性和准确性。

• 基于信息提纯的轻量级图像超分辨率重建网络

  程德强, 李龙, 王毓泽, 程志威, 寇旗旗, 江鹤

  信息蒸馏是轻量级图像超分辨重建网络的重要技术，现有方法常通过简化信息提取和蒸馏过程来提高计算效率，易导致有效信息利用不足及蒸馏后的信息存在噪声，从而限制了网络性能。提出一种基于信息提纯的轻量级图像超分辨率重建网络，通过强化有利特征和抑制噪声，实现信息提纯。具体而言，设计潜在空间信息提纯模块，结合全局注意力与局部特征挖掘，在特征提取阶段捕获更多有利信息。同时，构建交互通道信息提纯模块，利用大核注意力对通道混洗后的蒸馏特征进行权重分配，突出有利特征并抑制噪声。此外，提出一种渐进式的信息提纯方法，精细处理信息提取和蒸馏过程，实现高效的信息蒸馏。实验结果表明，所提网络在Urban100等四个基准数据集上优于流行的轻量级网络，能取得更好的指标和视觉效果。

• PV-HSD-2025：光伏热斑检测的红外基准数据集与YOLOv8-P1架构

  刘沅林, 金建辉, 李盛洪, 张天赋

  针对光伏板红外缺陷检测领域存在的公开数据集缺乏、小目标定义模糊以及现有模型小目标检测表现不佳等问题，构建并公开了PV-HSD-2025数据集，包含4?025张图像与25?181个标注框，支持16位原始红外辐射数据及多种调色板分析。通过实验建立了包括YOLO系列、EfficientDet、RTDETR-l在内的主流目标检测模型的性能基线数据。证明基于绝对像素尺度的小目标定义更符合卷积网络特性，并将缺陷分为超小目标（0~10像素）、小目标（10~20像素）和中等目标（20+像素）三类。提出YOLOv8-P1模型，通过在浅层网络增加输入特征更大的检测头，减少深层网络带来的信息衰减，从而提高小目标检测性能。YOLOv8-P1相比YOLOv8模型的mAP@50指标最大提升了10.0%，超小目标的mAP@50最大提升了16.5%。研究了YOLOv8结合辅助超推理的工程方法，结果显示mAP@50最大提升了7.5%，超小目标的mAP@50最大提升了13.3%。数据集、改进模型源码及权重已开源至Gitee：https：//gitee.com/liuyuanlin6445/pv-hsd-2025。

• RT-TLTR番茄叶片病虫害检测方法研究

  胡成峰, 黄琳涵, 郑权, 李婕, 王滨辉, 黄周

  针对复杂自然环境下番茄病虫害检测精度低、计算量大的问题，提出基于Transformer的实时检测模型RT-TLTR。模型构建双分支结构的多尺度特征交叉提取主干（MFCEB），其中语义分支通过卷积加法门控模块（CAGB）捕获多层次语义信息并筛选高价值特征，位置分支利用坐标注意力模块（CAHB）显式编码空间坐标增强目标定位感知，双分支特征经特征通道对齐模块（FCAB）实现跨通道动态融合。编码器中引入门控卷积跨尺度特征融合模块（CCFM_GCB），通过轻量化门控机制降低计算复杂度，同时跨层连接强化多分辨率特征语义关联，增强模型表达能力。采用WIoUv3损失函数优化边界框回归。实验表明，RT-TLTR在“Tomato-Village”数据集上检测精度达90.8%，中小目标检测性能可达53.5%、65.8%，较基准模型RT-DETR提升8.5和4.9个百分点，参数量和计算量分别降低39.7%、52.3%，显著提升复杂场景下的检测精度与实时性。

• 跨层特征交互和偏移相位校正的结直肠息肉分割

  李自洁, 吕晓琪, 李菁

  针对结直肠图像中息肉边界模糊、定位不准确以及尺度差异大等问题，提出了跨层特征交互和偏移相位矫正的结直肠息肉分割网络模型。以金字塔视觉Transformer作为编码器逐级提取息肉图像中多尺度的语义信息；提出跨层特征交互模块，提取空间和通道信息，进行多层次的特征交互；构建偏移相位校正模块，通过局部相似度计算出偏移量进行重采样，减少边界或类别内不一致区域的模糊性；设计空间上下文感知模块，提取全局上下文信息来表示像素之间的跨空间关系，从而抑制背景噪声，增强目标和背景的区分度。实验结果显示，模型在CVC-ClinicDB、Kvasir、CVC-ColonDB和ETIS数据集上的平均Dice系数分别为0.941、0.932、0.817和0.804，平均交并比分别为0.896、0.885、0.738和0.723，与现有的主流模型相比，该模型能够在提升息肉分割性能的同时保证其泛化性。

• 核心图构造驱动的大规模高光谱图像高效聚类方法

  冯晓凤, 杨易扬, 杨戈平, 巩志国

  大规模高光谱图像(hyperspectral image，HSI)聚类因其像素数量庞大、光谱波段丰富，面临计算复杂度和可扩展性上的重大挑战。为解决这一问题，提出了一种核心图(core graph，CG)构建方法，通过选择一组核心点代表原始高光谱图像的像素，构建核心图以有效捕捉原始高光谱图像数据的全局和局部空间结构，同时显著降低非线性流形学习的复杂性，从而减少内存需求并提升计算效率。该方法具有算法无关性，能够灵活嵌入不同的聚类框架中。结合谱聚类(spectral clustering，SC)和密度峰值聚类(density peak clustering，DPC)，分别提出了核心图驱动的谱聚类算法(core graph-based spectral clustering，CGSC)和核心图驱动的密度峰值聚类算法(core graph-based density peak clustering，CGDPC)。实验结果表明，核心图驱动的聚类算法在多个HSI数据集上展现了卓越的计算效率和聚类性能，适用于大规模高光谱图像的聚类任务。

• 融合多尺度边缘图像的三阶段大孔图像修复网络

  李云红, 郝特吉, 苏雪平, 陈伟重, 王梅, 冯准若, 李仕博

  针对现有图像修复方法普遍存在的边界不清晰、细节丢失等问题，提出了一种由残差网络和部分卷积（partial convolution）组成的边缘修复网络。将受损的边缘图与灰度图像连同掩码，一起输入到边缘修复网络，修复出大致的边缘细节，利用修复的边缘图填充受损图像中的孔洞，并将多个尺度的边缘分别融合到图像粗修复网络的卷积层和变换器（Transformer）中。同时，图像灰度共生矩阵的地质移动距离被加入到生成器总损失中，以提供相邻像素间的差异。在CelebA-HQ和Paris StreetView数据集上的实验表明：该方法相比基线网络在小掩码（small mask）率下FID降低0.25、0.13，P-IDS提升了0.47、1.10个百分点，U-DIS提升0.90、1.22个百分点；在大掩码（large mask）率下FID降低0.18、0.19，U-DIS提升0.23、1.56个百分点。所提方法探讨了多尺度边缘图像融合和灰度共生矩阵的地质移动距离对网络模型的提升作用，且在视觉上显著改善了修复区域的边缘锐度与纹理自然度，有效解决了修复图像中出现的边界不清晰和细节丢失等问题，多个指标性能明显优于对比算法。

• 工业缺陷图像生成：非线性重构与多级滤波优化

  孙林, 张子洋, 贾坤昊, 高涛

  在工业制造业中，表面缺陷的检测环节对于确保产品质量和生产效率至关重要。当前，基于深度学习的检测技术已逐渐成为该领域的首选方法。由于缺陷样本数量有限且种类繁多，这一领域面临着样本数量与多样性不足的显著挑战，这一状况对深度学习算法的适用性和性能构成了不利影响。针对此，提出一种基于控制点插值变形与多层次加权滤波的工业零件表面缺陷生成方法。该方法利用网格控制点变形技术对缺陷区域进行重构，并通过多层次加权滤波优化生成的缺陷图像的细节，使其更符合实际物理特性和工业应用需求。在工业质检场景下，该方法能够快速生成工业零件缺陷图像，降低数据采集成本，提高质检效率。通过实验与通用数据生成方法做了对比，结果表明该方法的生成样本质量更优。通过使用YOLOv5、YOLOv8、YOLOv11及Faster R-CNN模型对生成图像进行评估与实验验证，验证其能有效提高工业零件缺陷检测的精度，为解决工业缺陷检测中小样本问题提供有效途径。

• DXF-YOLO：上肢骨折X光图像检测算法研究

  郑道江, 邓超, 孙俊岭

  为了快速且准确地在上肢骨骼X光图像中判断骨折的发生，为医师提供上肢骨折检测辅助系统，提出一种改进YOLOv11n的上肢骨折X光图像检测算法。为实现轻量化目标的同时获取更丰富的特征信息，使用自适应下采样替换传统的Conv下采样操作，提高模型的检测精度；颈部引入特征聚合金字塔网络，将特征信息融合到各个检测尺度，丰富各个尺度的上下文信息，并设计Focus Feature模块对于不同尺度的特征信息进行融合，增强网络的特征融合能力；设计轻量化共享细节增强检测头，共享三个检测头的部分卷积来实现轻量化操作，使用组归一化替换检测头中的批归一化来提升检测头定位和分类的性能，并加入细节增强卷积增强网络的表征和泛化能力。实验结果表明，改进方法的mAP@0.5和mAP@0.5：0.95相较于YOLOv11n算法分别提升10.1和13个百分点，参数量仅有1.85×106，降低28.4%，验证了改进算法对于上肢骨折X光图像检测的有效性，同时其较小的参数量和计算量也更容易部署到边缘设备中，为上肢骨折的临床辅助诊断提供了轻量化解决方案。

• 多样性驱动的边缘微服务路径演化策略研究

  王小龙, 蒋恺俊, 赵庶旭

  针对移动边缘计算环境中由于请求高度并发、资源分布异构及路径选择集中引发的负载不均与用户体验下降等问题，提出一种多样性驱动的边缘微服务路径演化策略。针对传统微服务路径生成方法存在的冗余度高、结构单一等问题，设计基于多样性约束的回溯路径搜索算法，通过构造路径差异度指标与剪枝策略，实现了结构分散、低冗余的初始路径生成；构建了双层博弈优化框架，采用演化博弈模拟用户策略行为，引导路径分布从个体选择向群体协调演化，从而缓解用户间资源竞争导致的服务质量下降；针对用户路径选择集中引发的拥堵与资源瓶颈问题，设计了基于最近过去位置更新策略的离散粒子群优化算法，通过服务器定价的局部动态调整进一步引导用户请求合理分流。仿真结果表明，对比其他相关算法，所提出算法在生成路径多样性上平均提升约54%，在系统负载偏差和时延方面平均降低约44.3%和47.3%。

• 基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情预测

  黄心怡, 郑中团

  针对突发事件网络舆情数据呈现出的复杂高频变化特点，提出基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型，其中HC表示高频分量再处理的过程。采用自适应噪声完全集合经验模态分解（CEEMDAN）算法将原始舆情数据分解为不同频率的模态分量；利用排列熵（PE）分析各个模态分量的随机性，根据熵值分布区间将各模态分量整合为低、中、高频序列；对高频序列再次进行CEEMDAN分解与排列熵重构，最终得到2个低频序列、2个中频序列和1个高频序列；通过遗传算法优化的BP神经网络和灰狼算法优化的最小二乘支持向量机（LSSVM）分别预测中低频和高频序列，将各序列的预测值等权累加，得到模型的最终预测结果。为验证提出模型的预测效能优势，选取台风“杜苏芮”事件舆情指数等4个数据集展开实证研究，并使用LSTM、RF、BP、LSSVM、CNN、Transformer、TCN七个单一模型及CEEMDAN-PE-BP、CEEMDAN-PE-LSSVM、CEEMDAN-PE-BP-LSSVM三个组合模型进行预测对比。结果表明，在11个预测模型中，提出模型的可决系数最接近1，均方根误差最小，与单一的LSSVM算法相比，基于CEEMDAN-PE-HC-BP-LSSVM算法的组合预测模型均方根误差分别降低了55.4%、48.10%、54.87%和59.40%，稳定性也更高。基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型提高了高频时间序列的预测精度与稳定性。

• 考虑时变速度的混合车队冷链物流联合配送路径问题优化

  初良勇, 林明秀, 杨子豪, 张一鸣

  针对时变速度下燃油车与电动车混合车队协同配送的多中心车辆路径问题，基于实际路况，引入加速度建立速度-时间依赖函数；结合车辆时变速度与积分理论分析电动车与燃油车的能耗，建立相应的非线性能耗测度模型。在此基础上，综合考虑客户服务时间窗、车辆载重和里程限制等因素，以冷链物流总成本最小化为目标构建了考虑时变速度的燃油车-电动车协同配送的多中心路径优化模型。根据问题特征，设计两阶段法产生初始解，提出一种混合的改进蚁群-自适应大邻域搜索算法，通过改进状态转移规则、引入4种移除算子和2种插入算子增强全局探索与局部开发能力。采用Cordeau算例验证了算法的有效性，并选取了Solomon VRPTW基准算例进行实验，分析不同配送模式、路网特性和车辆载重对配送方案的影响。研究成果丰富了VRP的研究领域，也为企业合理调度运输资源、优化配送方案提供了决策参考。

• 考虑区块链技术的数据供应链定价决策研究

  李思凡, 徐红丹, 崔子珊, 王玖河

  以数据产品制造商和服务商组成的数据供应链为研究对象，考虑到区块链技术对数据供应链的赋能作用以及权力结构对数据产品定价的影响，分别建立了引入区块链技术前后的数据供应链博弈模型，通过对比引入区块链技术前后均衡解的变化，分析了区块链技术对数据供应链的赋能作用和应用边界。研究发现：（1）数据供应链是否应用区块链技术取决于数据产品检测评估效率和区块链技术一次性引入费用。（2）区块链技术的应用能够提高数据产品的开发技术和增值服务水平、需求量和最优定价，且均随着真实性敏感度的提高而增加，以数据产品制造商或服务商任意一方为主导时的数据产品定价均高于双方权力对等情形。（3）三种不同权力结构中，随着数据产品真实性敏感度的提高，数据产品制造商能够接受的区块链技术一次性引入费用阈值将会增大。

• 基于因果推理的无人机故障参数优选方法

  龙享福, 李少波, 张仪宗, 于丽娅, 杨磊

  无人机目前广泛应用于军民领域，对其进行精确的系统检测与故障诊断是目前技术发展中的一个重要课题。飞行数据记录了无人机飞行过程中的各种故障信息，然而，无人机是一个耦合的复杂系统，多种参数相互影响对故障参数的输入选择带来巨大挑战。提出了一种基于因果推理的故障参数选择方法（CausalAVFS），旨在从多个飞行参数中选择出蕴含丰富故障信息的参数。该方法可将高维数据转换为可读的加权因果邻接矩阵，并通过对参数节点的因果强度进行计算并排序，实现有效的故障参数选择，构建最优的特征子集，为验证CausalAVFS方法的有效性，在飞行数据集中与四种特征选择方法进行了对比，使用七种分类模型进行了广泛实验。实验结果显示，所提方法的平均准确率为0.939?6，要优于其他比较的特征选择方法。

• 微光场景下基于改进自适应Retinex的视觉SLAM算法

  李艳, 张科, 李明辉

  针对微光场景下视觉同步定位与建图（ORB-SLAM2）算法特征提取与匹配困难，严重影响相机轨迹估计精度的问题，提出一种基于改进自适应Retinex的ORB-SLAM2算法。该算法通过设定的图像质量评价函数将输入图像区分成正常图像和微光图像，只对微光图像进行多尺度Retinex处理，以解决Retinex对正常图像的过度处理问题；结合局部自适应多LUT查找表的伽马校正后处理，以快速全面地弥补其对比度提升不足的问题，从而改善微光场景下ORB-SLAM2输入图像的质量，提升其特征提取与匹配效果；将改进的自适应Retinex嵌入到ORB-SLAM2中。为验证算法的有效性，在含有微光图像的EuRoC数据集中进行了多种算法的实验对比，结果显示相比最新ORB-SLAM3，所提算法的绝对轨迹均方根误差和标准偏差平均降低了23.86%和30.55%；在实际场景下多种算法的实验对比显示，所提算法估计的相机轨迹更接近基准轨迹。