浙江财经大学2025年度研究生优秀科研成果奖学金获奖名单中，我院共有四位研究生名列其中，具体获奖情况如下：

2024级博士研究生李元壮，以发表于《IEEE Transactions on Services Computing》的成果获一等奖；

2023级硕士研究生潘理铭，以发表于《Information Science》的成果获二等奖；

2023级博士研究生胡鹏翔，以发表于《Journal of Retailing and Consumer Services》的成果获三等奖；

2023级硕士研究生骆子浩，以发表于《Swarm and Evolutionary Computation》的成果获三等奖。

以下是获奖同学个人简介、科研成长故事和获奖论文介绍。

个人简介

李元壮，信息技术与人工智能学院2024级大数据统计方法与应用专业研究生。曾获2025年国家奖学金、2024-2025学年学业奖学金一等奖、新生学业奖学金以及2024-2025学年校级三好研究生等荣誉；以第一作者身份发表我校新标准外文Top论文1篇；申请国家发明专利1项；主持校级课题1项；参与国家级、省级课题3项。

科研成长故事

2024年7月入组后，我开始接触全新的研究领域，在导师的悉心指导下，历时5个月完成初稿并顺利投出。面对两轮严格评审，我顶住压力，先后补充了17组关键实验，并提交了一审55页、二审27页的详实答复。这篇论文前后共历经189组实验的试错验证与32稿的反复打磨，最终于2025年7月正式见刊。

回首这段充满挑战的返修期，我深刻体会到：面对审稿人的尖锐意见，退缩毫无意义，唯有依靠极强的执行力与客观的数据去正面回应；遇到科研瓶颈时，务必及时与导师沟通复盘，切忌闭门造车。既要敢于向高水平期刊发起挑战，又要踏实做好每一分钟的积累。科研没有捷径，把功夫下在平时，一切自会水到渠成。

获奖论文介绍

论文题目：A Reinforcement Learning-Based Population Hyper-Heuristic for Energy-Efficient Cloud Workflow Scheduling Problem.

发表时间：2025年7月15日

发表期刊：IEEE Transactions on Services Computing

获奖等级：一等奖

论文简介：随着云计算的迅猛发展，云工作流调度已成为备受瞩目的关键研究领域。然而，云数据中心在处理复杂多样的工作流应用时产生的高昂能耗，凸显了制定高效能耗优化策略以推动绿色计算的迫切需求。本研究聚焦于高能效的云工作流调度问题，深入剖析了调度方案、主机负载与能耗之间的内在关联，并首次引入超启发式方法来优化该类问题的能耗。为提供高效的求解方案，提出了一种基于强化学习的种群超启发式算法。具体而言，结合问题特征，设计并优化了六种底层启发式算子（包含四种新颖的启发式策略），并引入Q-learning作为高层控制策略实现了对底层算子的智能选择。为全面提升算法的整体性能，进一步开发了多项关键协同机制：首先，设计了一种自适应局部搜索策略以改进种群中的劣质个体，该策略结合两点交叉算子与针对具体问题定制的插入算子，并利用自适应机制动态调整二者的选择概率；其次，采用经验驱动的任务-资源映射方法，将贪心映射与概率选择相结合，凭借自适应能力在计算效率与求解质量之间取得良好平衡，以实现高效的资源分配；此外，针对不可行解带来的挑战，构建了一种区域约束插入机制，通过限制基于插入的底层算子的作用位置，大幅减少无效操作并有效降低不可行解的生成概率，同时辅以解的可行性重构策略对残留的不可行解进行调整与最终优化。基于多尺度、多类型工作流应用的详尽实验表明，所提算法在能耗优化方面显著优于现有方法，展现出巨大的实际应用潜力。

个人简介

潘理铭，信息技术与人工智能学院23级管理科学与工程研究生。曾获新生学业奖学金二等奖、2024-2025年学业奖学金二等奖、以及2024-2025年三好研究生等荣誉。已发表我校标准外文一级A论文1篇。

科研成长故事

完成首篇英文论文撰写发表，是我科研路上一次重要成长。选题初期面对海量文献十分迷茫，但我投入了足够多的时间，精读大量经典与前沿文献，敲定了创新可行的研究方向。针对英文写作功底薄弱的问题，通过大量研读高质量论文，精进学术表达。面对审稿意见，在导师指导下完善分析与论证，大幅提升论文质量。这段经历让我明白，科研无捷径，投入时间、虚心求教才能化挑战为成长。

获奖论文介绍

论文题目：A large-scale group consensus decision-making method based on historical data in dynamic social networks

发表时间：2025年9月

发表期刊：《Information Science》

获奖等级：二等奖

论文简介：

本研究立足复杂不确定决策环境，聚焦大规模群体决策现实应用场景，创新性融合社会网络理论与历史数据挖掘技术，依托模糊语言信息处理与共识决策逻辑，系统构建适配复杂场景的大规模群体决策优化体系。研究围绕群体决策信任演化、聚类分析、距离测度、非合作行为管理及共识达成五大核心维度逐层展开：首先结合决策者个体偏好特征与群体信任关联机制，搭建动态化信任网络模型；其次融合混合信任网络特征与历史决策数据，设计全新聚类分析范式；再者依托欧氏距离基础理论，界定图片模糊语言距离量化测度方式；同时针对性构建群体非合作行为调控与管理策略，最终完善动态信任场景下结合历史数据支撑的群决策共识求解方法。

本研究的主要贡献包括：理论层面，丰富并完善了大规模群体决策的信任演化、模糊信息度量与共识决策理论体系，弥补了传统群决策研究忽视信任互动与历史数据联动的研究短板；方法层面，整合网络建模、聚类分析、距离测度与行为管控多类技术方法，优化了不确定环境下群体决策的分析框架与运算逻辑。实践层面，能够有效削弱决策过程主观偏差、提升决策整体效率，为专家群体开展复杂决策工作提供可靠系统支撑，对强化群体决策的科学性与稳定性具备现实指导价值。研究成果为大规模复杂群体决策问题求解提供了全新思路，也为各类复杂场景下集体决策体系的优化升级提供了理论参考与方法借鉴。

发表期刊封面图片：

个人简介

胡鹏翔，信息技术与人工智能学院23级大数据统计方法与应用专业博士研究生。曾获2023-2025学业奖学金一等奖、2023-2024校三好研究生、之江科技智库2023-2024年度优秀课题成果一等奖等荣誉。获省级领导批示一项。主持省级课题一项、校级课题一项。参与国家级、省级课题若干项。

科研感悟

收到录用通知后回看整个周期，学术发表本质上是一场贯穿每个环节的策略博弈。选题时锚定目标期刊的对话脉络，方法设计需预埋应对审稿质疑的冗余度。投递策略要在梯次试错与主题匹配之间权衡。收到审稿意见后，将意见拆解为具体动作，区分可让步的调整与必须守住的核心论点，回复审稿意见目标旨在说服而非简单汇报。发表不是终点，而是一次学术定位的确立，为后续研究争取话语空间。

获奖论文介绍

论文题目：The power of nonverbal cues: Evidence from video mining in live streaming e-commerce

发表时间：2025年7月

发表期刊：Journal of Retailing and Consumer Services

获奖等级：三等奖

论文简介：随着电商直播的兴起，了解销售业绩的驱动因素越来越重要至关重要。本研究以信号传递和社会知觉理论为指导，运用机器学习增强的多模态分析方法，对淘宝直播的4500个切片进行实证研究，探讨手势和面部特征对其影响销售。结果显示，强调性手势促进了销售，而调整性手势则降低了销售。凝视和微笑次数呈倒U形效果。此外，强调性手势和口头暗示之间的一致性进一步提高了销售额。 这些发现强化了非语言交际在语言交际中的重要作用，并为语言交际提供了方法论和实践依据。

本研究的主要贡献包括：在理论贡献方面，研究首次将手势与面部特征引入非语言线索研究框架，系统评估其对销售绩效的影响，拓展了对主播行为特征的理解；同时，采用多模态数据处理方法，结合计算机视觉与机器学习技术，客观量化视频与音频数据，为处理直播电商中大规模非结构化数据提供了新路径；此外，研究揭示了主播非语言与语言线索之间的互动机制，强调了行为一致性对销售转化的意义。在实践层面，研究为主播和平台提供了具体指导建议：主播应适度使用强调性手势、避免无意识的调整性动作，并控制适当的凝视与微笑频率，以优化互动效果；平台则可在主播筛选、内容策划与培训中引入手势与表情管理标准，提升主播的专业表现，从而促进产品销售。研究结果不仅丰富了电商直播领域的理论建构，也为行业实践提供了可操作性强的行为策略。

个人简介

骆子浩，信息技术与人工智能学院23级管理科学与工程专业研究生。曾获学业奖学金二等奖、三好研究生等荣誉；已发表我校标准外文一级B论文2篇；曾带领团队获省级A类竞赛三等奖1项；申请国家发明专利2项；主持校级课题1项。

科研成长故事

我首篇论文的发表之路颇为坎坷，先后多次遭遇期刊拒稿，甚至历经四轮审稿后仍未录用。恰逢申博关键阶段，接连的挫折一度让我陷入迷茫，心生自我怀疑。如今回望，我反而由衷感激这段经历。它让我提前体会到科研之路的曲折与不易，磨炼了心态，也让我更有底气从容面对未来的学术挑战。最后，谨以一句话共勉：但行好事，莫问前程。

获奖论文介绍

论文题目：Scheduling in a three-stage remanufacturing system with machine blockage, deterioration and maintenance using metaheuristic algorithm

发表时间：2025年10月

发表期刊：Swarm and Evolutionary Computation

获奖等级：三等奖

论文简介：现有再制造调度研究在应对由再制造固有特性所导致的零部件相关约束方面已取得显著进展，却忽视了设备相关约束。造成这一研究不足的原因在于，已有研究主要聚焦于再制造特有的难题，例如零部件差异性与质量不确定性，而忽略了在实际再制造系统中同样至关重要的设备相关约束所带来的潜在影响。此外，再制造中三个子系统的协同调度进一步增加了问题的复杂度。本研究旨在通过构建一种考虑设备相关因素的新型再制造调度模型来弥补上述研究空白，从而为再制造企业提供更贴合实际、更高效的调度方案。

本研究的主要贡献有以下3点：首先，开发了一个混合整数规划模型。该模型在现有的再制造调度模型的基础上，融合了机器的阻塞约束，劣化以及维护策略约束；其次，提出了一种改进的帝王蝶优化算法。针对基础型帝王蝶算法中的迁徙算子和调整算子分别进行改进，以有效提升算法搜索效率；同时，设计了集成三种构造性启发式规则以及一种机器负载均衡策略的种群初始化方法，以加快算法收敛速度；最后，通过实验证明了数学模型的正确性，且验证了改进的帝王蝶优化算法在大规模实例上的有效性。

上述成绩体现了我院研究生严谨求实的治学态度与科研创新能力，也反映了学院在人才培养与学术建设方面取得的积极进展。向四位同学表示严肃而诚挚的祝贺。希望全院研究生以此为标杆，潜心钻研，追求卓越。