学术背景 随着全球能源危机的加剧和环境保护意识的提升，建筑管理系统（Building Management Systems, BMS）的智能化与高效化成为了学术界和工业界关注的焦点。传统的BMS依赖于基于规则的控制方法，无法动态适应环境变化，如能源价格波动和气象条件的变化。近年来，机器学习（Machine Learning, ML）和人工智能（Artificial Intelligence, AI）技术的快速发展为BMS的智能化提供了新的可能性。然而，现有的BMS在实时数据处理和决策响应方面仍存在不足，尤其是在资源受限的环境中，如何实现低延迟、高吞吐量的ML模型部署成为了一个亟待解决的问题。 为此，Mohammed Mshragi和Ioan Petri等学者在2025年发表了一篇题为《快速机...

学术背景 随着全球能源结构向可再生能源转型，分散式能源存储（decentralized energy storage）的重要性日益凸显。与传统的集中式能源存储系统不同，分散式能源存储将能源生产和存储过程本地化，减少了大规模系统故障的风险，并提高了能源供应的连续性和灵活性。然而，分散式能源存储项目的复杂性和资源有限性使得企业难以确定战略优先级，这可能导致投资失败或效率低下。 为了解决这一问题，作者们提出了一种基于人工智能（AI）驱动的决策模型，旨在为分散式能源存储投资提供有效的战略指导。该研究不仅关注如何优化投资决策，还通过引入信息增益（information gain）和大规模专家选择技术，提高了决策的一致性和效率。 论文来源 这篇论文由Gang Kou、Hasan Dinçer、Edanu...

学术背景 在现代供应链管理中，物流服务商的选择是一个复杂且关键的问题。企业需要评估和选择能够高效管理和执行物流任务的第三方企业或组织。然而，现实中的决策过程往往涉及大量的不确定性和模糊性，传统的决策方法难以有效处理这些复杂信息。为了解决这一问题，模糊集理论（Fuzzy Set Theory, FST）及其扩展形式，如直觉模糊集（Intuitionistic Fuzzy Sets, IFS）和犹豫模糊集（Hesitant Fuzzy Sets, HFS），被广泛应用于多属性决策（Multi-Attribute Decision Making, MADM）问题中。 近年来，直觉犹豫模糊集（Intuitionistic Hesitant Fuzzy Sets, IHFS）作为一种新的模糊信息表示工...

露天矿山爆破作业在矿物提取中至关重要，但同时也伴随着显著的环境和结构风险。爆破过程中产生的峰值粒子速度（Peak Particle Velocity, PPV）是评估爆破振动对周围结构和环境影响的关键指标。准确的PPV预测对于优化爆破实践、减少环境破坏和确保结构安全具有重要意义。传统的预测方法在处理非线性关系和高维数据时存在局限性，而机器学习（Machine Learning, ML）技术，特别是混合机器学习方法，展现出在PPV预测中的巨大潜力。本文旨在系统综述混合机器学习技术在露天矿山爆破PPV预测中的应用，探讨其优势、挑战及未来研究方向。 论文来源 本文由Gundaveni Shylaja和Ragam Prashanth共同撰写，两位作者均来自VIT-AP University的计算机科...

随着全球环境问题的日益严峻，企业在供应链管理中越来越重视绿色和可持续的发展。绿色供应链管理（Green Supply Chain Management, GSCM）已成为企业提升竞争力和实现可持续发展的重要手段。然而，绿色供应商的选择（Green Supplier Selection, GSS）是一个复杂的多准则群体决策问题（Multicriteria Group Decision-Making, MCGDM），涉及多个决策者的不同意见和不确定性。传统的MCGDM方法在处理专家意见的信任度和模糊性方面存在不足，难以准确反映现实中的复杂情况。 为了解决这一问题，Prasenjit Mandal等学者提出了一种基于毕达哥拉斯语言信息（Pythagorean Linguistic Informat...