上海理工大學(xué)管理學(xué)院師生立足國(guó)家戰(zhàn)略需求和產(chǎn)業(yè)實(shí)際問(wèn)題，近期多項(xiàng)人工智能相關(guān)最新研究成果于中科院一區(qū)期刊。作為學(xué)校綜合改革的重要實(shí)踐，管理學(xué)院緊扣“為‘科’服務(wù)、為‘產(chǎn)’育人”的發(fā)展導(dǎo)向，持續(xù)推動(dòng)教育鏈、人才鏈、創(chuàng)新鏈與產(chǎn)業(yè)鏈有機(jī)銜接，在服務(wù)科技創(chuàng)新和產(chǎn)業(yè)發(fā)展中不斷提升高層次復(fù)合型人才培養(yǎng)質(zhì)量。

面向神經(jīng)網(wǎng)絡(luò)可靠運(yùn)行，狀態(tài)估計(jì)方法取得重要進(jìn)展

趙迪團(tuán)隊(duì)圍繞神經(jīng)網(wǎng)絡(luò)狀態(tài)估計(jì)問(wèn)題，在《IEEE神經(jīng)網(wǎng)絡(luò)與學(xué)習(xí)系統(tǒng)匯刊》（IEEE Transactions on Neural Networks and Learning Systems）上發(fā)表題為“多描述編碼方案下人工神經(jīng)網(wǎng)絡(luò)的基于部分神經(jīng)元的比例積分觀測(cè)器設(shè)計(jì)”（Partial-neurons-based proportional-integral observer design for artificial neural networks: A multiple description encoding scheme）的研究論文。該研究第一完成單位為上海理工大學(xué)，管理學(xué)院系統(tǒng)科學(xué)系副研究員趙迪為第一作者，管理學(xué)院系統(tǒng)科學(xué)系教授魏國(guó)亮為通信作者。

該研究針對(duì)人工神經(jīng)網(wǎng)絡(luò)規(guī)模龐大、神經(jīng)元耦合緊密所誘導(dǎo)的部分神經(jīng)元測(cè)量信息不可用，以及遠(yuǎn)程監(jiān)測(cè)中數(shù)據(jù)傳輸受信道擁堵影響導(dǎo)致數(shù)據(jù)包丟失等關(guān)鍵問(wèn)題，提出基于部分神經(jīng)元的比例積分觀測(cè)器設(shè)計(jì)方案，并結(jié)合多描述編碼解碼數(shù)據(jù)傳輸機(jī)制，有效提升了數(shù)據(jù)傳輸?shù)目煽啃耘c狀態(tài)估計(jì)的準(zhǔn)確性，為工業(yè)級(jí)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定與可靠運(yùn)行提供了重要技術(shù)支撐。

面向智能制造場(chǎng)景，工業(yè)智能研究不斷向縱深推進(jìn)

劉勇團(tuán)隊(duì)圍繞智能制造中的復(fù)雜調(diào)度優(yōu)化問(wèn)題，在《人工智能工程應(yīng)用》（Engineering Applications of Artificial Intelligence）上發(fā)表題為“針對(duì)多目標(biāo)動(dòng)態(tài)部分可重入混合流水車間調(diào)度問(wèn)題的改進(jìn)多智能體近端策略優(yōu)化算法”（A modified multi-agent proximal policy optimization algorithm for multi-objective dynamic partial-re-entrant hybrid flow shop scheduling problem）的研究論文。該研究第一完成單位為上海理工大學(xué)，管理學(xué)院碩士研究生武嘉偉為第一作者，管理學(xué)院人工智能系副教授劉勇為通信作者。該研究提出雙智能體協(xié)同調(diào)度機(jī)制，并結(jié)合多目標(biāo)權(quán)重獎(jiǎng)勵(lì)機(jī)制與基于Wasserstein距離的自適應(yīng)裁剪策略，有效提升了算法的訓(xùn)練穩(wěn)定性與求解性能，為復(fù)雜制造場(chǎng)景下的智能調(diào)度優(yōu)化提供了方法支撐。

智能制造調(diào)度的多智能體結(jié)構(gòu)

面向人工智能與知識(shí)工程領(lǐng)域，智能制造調(diào)度多智能體結(jié)構(gòu)

劉臣團(tuán)隊(duì)在人工智能與知識(shí)工程領(lǐng)域期刊《基于知識(shí)的系統(tǒng)》（Knowledge-Based Systems）上發(fā)表題為“基于多視圖對(duì)比學(xué)習(xí)的鄰域預(yù)測(cè)圖節(jié)點(diǎn)嵌入方法”（Graph node embedding by neighborhood prediction based on multiview contrastive learning）的研究論文。該研究第一完成單位為上海理工大學(xué)，管理學(xué)院人工智能系教授劉臣為第一作者，管理學(xué)院人工智能系副研究員周立欣為通信作者。該研究提出基于鄰域預(yù)測(cè)的圖對(duì)比學(xué)習(xí)方法，通過(guò)多跳鄰域信息分層聚合與多視角對(duì)比學(xué)習(xí)目標(biāo)設(shè)計(jì)，增強(qiáng)了圖表示能力，為工業(yè)場(chǎng)景中的異常預(yù)警與根因分析提供了新的技術(shù)手段。

面向智能治理與復(fù)雜決策，探索大語(yǔ)言模型賦能群體行為治理新路徑

劉雅雅團(tuán)隊(duì)圍繞大規(guī)模群體決策中的非合作行為識(shí)別與管理問(wèn)題，在《專家系統(tǒng)與應(yīng)用》（Expert Systems with Applications）發(fā)表研究成果“大群體決策中非合作行為的識(shí)別與管理——大模型應(yīng)用視角”（Identification and management of non-cooperative behaviors in large-scale group decision-making: Review, taxonomy and challenges from an LLM perspective）。該研究由上海理工大學(xué)與大連理工大學(xué)合作完成，上海理工大學(xué)管理學(xué)院人工智能系副教授劉雅雅為第一作者，大連理工大學(xué)教授張震為通信作者，上海理工大學(xué)為第一完成單位。該研究分析了將大語(yǔ)言模型融入非合作行為識(shí)別與管理的可能路徑，為數(shù)據(jù)驅(qū)動(dòng)的行為識(shí)別與治理策略開(kāi)發(fā)提供了方法支持，展現(xiàn)了人工智能技術(shù)與管理決策研究深度融合的探索方向。

面向醫(yī)療健康，人工智能診斷研究取得新進(jìn)展

尹裴團(tuán)隊(duì)聚焦醫(yī)學(xué)診斷中的小樣本學(xué)習(xí)問(wèn)題，在《專家系統(tǒng)與應(yīng)用》（Expert Systems with Applications）上發(fā)表論文“面向醫(yī)學(xué)診斷的認(rèn)知少樣本學(xué)習(xí)：以唇裂腭裂和帕金森病為例”（A cognitive few-shot learning for medical diagnosis: A case study on cleft lip and palate and Parkinson’s disease）。該研究由上海理工大學(xué)與薩塔姆·本·阿卜杜勒-阿齊茲親王大學(xué)（Prince Sattam Bin Abdulaziz University）合作完成， 上海理工大學(xué)管理學(xué)院人工智能系副教授尹裴為第一作者， 薩塔姆·本·阿卜杜勒-阿齊茲親王大學(xué)的Yassine Bouteraa為通信作者，上海理工大學(xué)為第一完成單位。該研究提出認(rèn)知小樣本學(xué)習(xí)框架，緩解了醫(yī)療場(chǎng)景中樣本量少、標(biāo)注困難等問(wèn)題，并提升了診斷過(guò)程的可解釋性與透明度，為人工智能賦能醫(yī)學(xué)診斷提供了新的研究思路。

整合大語(yǔ)言模型能力結(jié)構(gòu)

面向城市出行治理，智慧交通研究持續(xù)深化

李文翔團(tuán)隊(duì)關(guān)注城市居民復(fù)雜出行行為理解問(wèn)題，在《交通運(yùn)輸?shù)乩黼s志》（Journal of Transport Geography）上發(fā)表題為“基于人類移動(dòng)軌跡的語(yǔ)義嵌入來(lái)理解多方式出行模式”（Understanding multimodal travel patterns based on semantic embeddings of human mobility trajectories）的研究論文。該研究第一完成單位為上海理工大學(xué)，管理學(xué)院交通系統(tǒng)工程系教授李文翔為第一作者和通信作者。該研究結(jié)合變點(diǎn)檢測(cè)、LightGBM、BERT和聚類算法，對(duì)多模式出行模式進(jìn)行識(shí)別，為理解城市復(fù)雜出行行為、優(yōu)化交通設(shè)施配置和提升交通治理精細(xì)化水平提供了新方法。

基于機(jī)器學(xué)習(xí)的出行方式推斷    

王可團(tuán)隊(duì)在交通研究領(lǐng)域國(guó)際頂級(jí)期刊《交通研究A部分：政策與實(shí)踐》(Transportation Research Part A: Policy and Practice)  發(fā)表題為"女性夜間乘坐網(wǎng)約車意愿異質(zhì)性研究：來(lái)自潛類別混合選擇模型分析的實(shí)證"（Heterogeneity in Women’s Nighttime Ride-Hailing Intention: Evidence from an LC-ICLV Model Analysis）的研究論文。該研究由上海理工大學(xué)與華南理工大學(xué)合作完成， 上海理工大學(xué)管理學(xué)院人工智能系副教授王可為第一作者，華南理工大學(xué)副教授裴明陽(yáng)為通信作者，上海理工大學(xué)為第一完成單位。該研究融合機(jī)器學(xué)習(xí)聚類思想與離散選擇模型，量化了女性對(duì)夜間網(wǎng)約車的非線性風(fēng)險(xiǎn)偏好，為網(wǎng)約車平臺(tái)優(yōu)化路徑規(guī)劃、完善風(fēng)險(xiǎn)預(yù)警機(jī)制以及交通政策制定提供了實(shí)證依據(jù)。

近年來(lái)，管理學(xué)院始終堅(jiān)持問(wèn)題導(dǎo)向、應(yīng)用導(dǎo)向和創(chuàng)新導(dǎo)向，推動(dòng)人工智能技術(shù)與系統(tǒng)管理、工業(yè)智能等領(lǐng)域深度融合。在此基礎(chǔ)上，學(xué)院創(chuàng)新探索“AI-SMART”人才培養(yǎng)體系，以“基礎(chǔ)入門（Start）—算法技術(shù)（Method）—應(yīng)用實(shí)踐（Application）—前沿探索（Research）—轉(zhuǎn)化應(yīng)用（Transformation）”五階遞進(jìn)為核心，致力于培養(yǎng)具備系統(tǒng)思維、掌握人工智能核心技術(shù)、能夠解決復(fù)雜系統(tǒng)管理問(wèn)題的高層次復(fù)合型人才。學(xué)院堅(jiān)持把科研優(yōu)勢(shì)轉(zhuǎn)化為育人優(yōu)勢(shì)，把產(chǎn)業(yè)需求轉(zhuǎn)化為教學(xué)內(nèi)容，把真實(shí)場(chǎng)景轉(zhuǎn)化為訓(xùn)練平臺(tái)，持續(xù)推動(dòng)科研與育人深度融合。未來(lái)，學(xué)院將繼續(xù)圍繞國(guó)家重大戰(zhàn)略和產(chǎn)業(yè)發(fā)展需求，深化有組織科研與高水平人才培養(yǎng)協(xié)同聯(lián)動(dòng)，推動(dòng)更多高水平成果產(chǎn)出，培養(yǎng)更多高層次復(fù)合型人工智能人才。

論文鏈接

[1] Zhao D, Wang Z, Chen Y, et al. Partial-neurons-based proportional-integral observer design for artificial neural networks: A multiple description encoding scheme[J]. IEEE Transactions on Neural Networks and Learning Systems, 2024, 35(5): 6393-6407.

[2] Wu J, Liu Y. A modified multi-agent proximal policy optimization algorithm for multi-objective dynamic partial-re-entrant hybrid flow shop scheduling problem[J]. Engineering Applications of Artificial Intelligence, 2025, 140: 109688.

[3] Chen Liu, Xuan Yao, Lixin Zhou. Graph node embedding by neighborhood prediction based on multiview contrastive learning[J]. Knowledge-Based Systems, 2026, 334: 115026.

[4] Liu Y, Li J, Zhang Z, et al. Identification and management of non-cooperative behaviors in large-scale group decision-making: Review, taxonomy and challenges from an LLM perspective[J]. Expert Systems with Applications, 2026: 131876.

[5] Yin P, Song J, Bouteraa Y, et al. A cognitive few-shot learning for medical diagnosis: A case study on cleft lip and palate and Parkinson’s disease[J]. Expert Systems with Applications, 2025, 262: 125713.

[6] Li W, Ding L, Zhang Y, et al. Understanding multimodal travel patterns based on semantic embeddings of human mobility trajectories[J]. Journal of Transport Geography, 2025, 124: 104169.

[7] Wang K, Yao D, Ye X, et al. Heterogeneity in Women’s Nighttime Ride-Hailing Intention: Evidence from an LC-ICLV Model Analysis[J]. Transportation Research Part A: Policy and Practice, 2026, 206: 104903.