上海理工大学管理学院师生立足国家战略需求和产业实际问题，近期多项人工智能相关最新研究成果于中科院一区期刊。作为学校综合改革的重要实践，管理学院紧扣“为‘科’服务、为‘产’育人”的发展导向，持续推动教育链、人才链、创新链与产业链有机衔接，在服务科技创新和产业发展中不断提升高层次复合型人才培养质量。
面向智能治理与复杂决策，探索大语言模型赋能群体行为治理新路径
刘雅雅团队围绕大规模群体决策中的非合作行为识别与管理问题，在计算机科学国际权威期刊《专家系统与应用》（Expert Systems with Applications）发表研究成果“大群体决策中非合作行为的识别与管理——大模型应用视角”（Identification and management of non-cooperative behaviors in large-scale group decision-making: Review, taxonomy and challenges from an LLM perspective）。该研究分析了将大语言模型融入非合作行为识别与管理的可能路径，为数据驱动的行为识别与治理策略开发提供了方法支持，展现了人工智能技术与管理决策研究深度融合的探索方向。
面向智能制造场景，工业智能研究不断向纵深推进
刘勇团队围绕智能制造中的复杂调度优化问题，在人工智能国际权威期刊《人工智能工程应用》（Engineering Applications of Artificial Intelligence）发表论文题为“针对多目标动态部分可重入混合流水车间调度问题的改进多智能体近端策略优化算法”（A modified multi-agent proximal policy optimization algorithm for multi-objective dynamic partial-re-entrant hybrid flow shop scheduling problem）的研究论文。该研究提出双智能体协同调度机制，并结合多目标权重奖励机制与基于Wasserstein距离的自适应裁剪策略，有效提升了算法的训练稳定性与求解性能，为复杂制造场景下的智能调度优化提供了方法支撑。
智能制造调度的多智能体结构
刘臣团队在人工智能与知识工程领域国际权威期刊《基于知识的系统》（Knowledge-Based Systems）上发表题为“基于多视图对比学习的邻域预测图节点嵌入方法”（Graph node embedding by neighborhood prediction based on multiview contrastive learning）的研究论文。该研究提出基于邻域预测的图对比学习方法，通过多跳邻域信息分层聚合与多视角对比学习目标设计，增强了图表示能力，为工业场景中的异常预警与根因分析提供了新的技术手段。
面向医疗健康，人工智能诊断研究取得新进展
尹裴团队聚焦医学诊断中的小样本学习问题，在计算机科学国际权威期刊《专家系统应用》（Expert Systems with Applications）发表论文“面向医学诊断的认知少样本学习：以唇裂腭裂和帕金森病为例”（A cognitive few-shot learning for medical diagnosis: A case study on cleft lip and palate and Parkinson’s disease）。该研究提出认知小样本学习框架，缓解了医疗场景中样本量少、标注困难等问题，并提升了诊断过程的可解释性与透明度，为人工智能赋能医学诊断提供了新的研究思路。
整合大语言模型能力结构
面向城市出行治理，智慧交通研究持续深化
李文翔团队关注城市居民复杂出行行为理解问题，在交通地理领域国际权威期刊《交通运输地理杂志》（Journal of Transport Geography）上发表题为“基于人类移动轨迹的语义嵌入来理解多方式出行模式”（Understanding multimodal travel patterns based on semantic embeddings of human mobility trajectories）的研究论文。该研究结合变点检测、LightGBM、BERT和聚类算法，对多模式出行模式进行识别，为理解城市复杂出行行为、优化交通设施配置和提升交通治理精细化水平提供了新方法。
基于机器学习的出行方式推断
王可团队在交通研究领域国际顶级期刊《交通研究A部分：政策与实践》(Transportation Research Part A: Policy and Practice) 发表题为女性夜间乘坐网约车意愿异质性研究：来自潜类别混合选择模型分析的实证（Heterogeneity in Women’s Nighttime Ride-Hailing Intention: Evidence from an LC-ICLV Model Analysis）的研究论文。该研究融合机器学习聚类思想与离散选择模型，量化了女性对夜间网约车的非线性风险偏好，为网约车平台优化路径规划、完善风险预警机制以及交通政策制定提供了实证依据。
近年来，管理学院始终坚持问题导向、应用导向和创新导向，推动人工智能技术与系统管理、工业智能等领域深度融合。在此基础上，学院创新探索“AI-SMART”人才培养体系，以“基础入门（Start）—算法技术（Method）—应用实践（Application）—前沿探索（Research）—转化应用（Transformation）”五阶递进为核心，致力于培养具备系统思维、掌握人工智能核心技术、能够解决复杂系统管理问题的高层次复合型人才。学院坚持把科研优势转化为育人优势，把产业需求转化为教学内容，把真实场景转化为训练平台，持续推动科研与育人深度融合。未来，学院将继续围绕国家重大战略和产业发展需求，深化有组织科研与高水平人才培养协同联动，推动更多高水平成果产出，培养更多高层次复合型人工智能人才。
论文链接
[1] 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.
[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] 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.
[5] 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.
[6] 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.
文：刘勇
图：刘勇
审核：赵来军、赵靖
