近年来，算法公平性文献中的论文激增，提出了算法偏差的各种技术定义和减轻偏差的方法。 在人们越来越担心算法决策可能会加剧社会不平等的情况下，从法律角度来看，这些缓解算法偏见的方法是否被允许是一个复杂但日益紧迫的问题。 特别是，使用受保护的类变量存在紧张关系：大多数算法偏差缓解技术都利用这些变量或代理，但反歧视原则强烈偏爱对它们视而不见的决策。 本文分析了解决算法偏见的技术方法在多大程度上与美国反歧视法兼容，并建议了一条实现更大兼容性的途径。这个问题至关重要，因为缺乏法律兼容性会导致有偏见的算法可能被视为合法允许的，而旨在纠正偏见的方法可能被视为非法歧视。 例如，美国住房和城市发展部（“HUD”）最近提出的一项规则本应确立美国对算法歧视的监管定义的第一个实例，将为住房的不同影响责任创造一个安全港——不使用受保护类变量或关闭代理的相关算法。 然而，最近的大量研究表明，简单地删除受保护的类变量和关闭代理对确保算法不会有偏见几乎没有作用。 事实上，这种在机器学习社区中被称为“通过无意识实现公平”的方法被广泛认为是幼稚的。 虽然在最终规则中删除了围绕算法的语言，但这种对决策中受保护属性可见性的关注是美国反歧视法的核心。因果推断提供了一种潜在的方式来协调算法公平技术与反歧视法。 在美国法律中，歧视通常被认为是“因为”受保护的阶级变量而做出的决定。 事实上，在促使 HUD 提议规则的德克萨斯州住房和社区事务部诉包容性社区项目公司案中，法院要求决策过程与不成比例的结果之间存在“因果关系”。 不是检查受保护的类变量是否出现在算法中，因果推断将允许使用受保护的类变量的技术，目的是否定与种族相关的数据中的因果关系。 虽然从相关性转变为因果性是具有挑战性的——尤其是在机器学习中，利用相关性做出准确预测通常是目标——这样做提供了一种调和技术可行性和法律优先级的方法，同时提供了针对算法偏见的保护。

在连续变量量子密钥分发(CVQKD)多维数据协调过程中, 低密度奇偶校验码(LDPC)的纠错性能直接影响协调效率和传输距离。构造了一种双边类型的低密度奇偶校验码(TET-LDPC), 引入了类似于重复累积码中的累积结构以提高其纠错性能, 在多维数据协调算法中得到了更小的收敛信噪比、更高的协调效率以及更远的传输距离。仿真结果表明：当TET-LDPC的码率为0.5, 分组码长为2×105时, 收敛信噪比降至1.02 dB, 协调效率达到了98.58%, 安全密钥率达到17.61 kb/s, CVQKD系统的传输距离提高为44.9 km。

论文研究-基于二层规划的委托代理协调问题.pdf,  考虑不对称信息条件下的委托代理问题，结合不适定二层规划的理论，给出了不适定委托代理问题的定义. 针对后者的乐观模型，利用一种模糊交互式协调算法进行求解，最终获得了一个委托人与代理人均可以接受的满意契约，从而达到了双方共赢的目的. 最后通过一个算例说明了所设计算法的合理性与可操作性.

#graph-drawing-glass 未完成的、未完善的代码玩弄使用力导向图绘制算法作为基于局部协调规则生成玻璃网络结构的手段的想法。 力导向定位是成功的，但我没有达到引入键断裂来改进初始随机拓扑的地步，因此产生的结构在物理上是不合理的。

为了求解针铁矿法沉铁过程的多目标协调优化模型, 从提高全局寻优能力和解的精度出发, 提出一种基于 改进全局搜索量子进化算法和局部搜索差分进化算法的双种群协同进化算法. 数值仿真验证了该进化算法具有较好 的收敛性和求解精度; 典型工况的仿真优化结果表明了该多目标协调优化模型指导实际生产的可行性, 以及所提出 算法的有效性.

开发神经元网络的丰富俱乐部拓扑结构 论文“富俱乐部拓扑结构的出现和海马功能网络体外发育中的协调动力学”的补充材料。

交通_土地利用复合系统协调度模型研究可用.pdf

企业经营协调性分析.doc

企业净利润与现金流量的差异分析及其协调.doc

我们研究了满足按需运输需求的电动自动驾驶汽车车队与电力网络之间的相互作用(称为自动移动按需系统，简称AMoD系统)。我们提出了一个联合模型，该模型捕捉了两个系统之间的耦合，这两个系统源于汽车的充电需求，捕捉了时变的客户需求、电池折旧和电力传输约束。首先，我们证明了该模型是有效优化的。在此基础上，我们证明了在采用边际电价的情况下，联合问题的社会最优解是一般均衡。最后，我们证明，在不共享私人信息的情况下，自私的运输和发电机运营商(在非营利ISO的帮助下)可以计算出平衡。通过案例研究和基于agent的模拟，我们评估了该方法的性能及其对需求随机波动的鲁棒性。总的来说，这些结果首次提供了AMoD系统与电网之间相互作用的表征，并进一步阐明了AMoD的经济和社会价值