2026年1月，广州华立学院李有红的研究团队，在信息科学与复杂网络分析领域取得重要理论突破。团队的论文成果《MO-DMLHM: Multi-objective dynamic hypergraph modeling for cross-layer community detection in organizational networks》成功解决了动态多层组织网络中社区检测的核心难题，并已在信息科学国际权威期刊《Information Sciences》正式发表。《Information Sciences》期刊为计算机、信息科学领域的国际权威刊物，现为Jcr分区Q1，中科院SCI分区计算机科学大类2区Top，影响因子6.8。文章的发表标志着广州华立学院在人工智能与复杂系统交叉研究方面迈上了新台阶。

在现代企业中，人员与部门之间的协作关系横跨研发、市场、管理等多个层面，并随时间动态变化。准确识别这些动态、多层、复杂的协作社区结构，是提升组织效能的关键。然而，现有分析方法往往无法同时捕捉时间演变、跨层互动和多个管理目标（如效率与稳定性）之间的平衡，导致决策依据不足。

本研究由广州华立学院李有红团队主导设计并完成。团队提出了一种融合三大核心创新的MO-DMLHM框架：首先，通过自适应动态超图建模，能智能区分临时性互动与战略性合作，精准刻画组织协作的时空演化规律；其次，构建了四维多目标优化系统，首次同步优化社区紧密度、跨层一致性、结构稳定性与资源效率四大目标，利用先进算法求得全局最优平衡解；最后，设计了混合编码进化算法，实现了网络拓扑与社区归属的联合优化，在提升分析精度的同时保障了算法效率。

李有红研究团队在学术合作、企业邮件、社交媒体、城市交通等多类真实组织网络数据上进行了系统验证。实验结果表明，MO-DMLHM框架在社区检测准确性、跨层对齐度和动态稳定性等关键指标上，均显著优于国内外十余种前沿算法。尤为重要的是，该框架能有效识别并优化冗余协作路径，在实际应用中可帮助组织降低高达38%-44%的协调成本，展现出巨大的应用潜力和经济价值。

此项突破性研究是广州华立学院着力推动学科交叉融合、聚焦前沿科技与应用结合的典型成果。它显著提升了学校在智能计算与复杂网络研究领域的学术影响力，所提出的通用框架可扩展应用于智慧城市治理、生物网络分析、金融风险防控等多个国家战略性领域，为通过智能技术赋能组织管理升级与产业数字化转型作出了贡献。

DOI:10.1016/j.ins.2026.123170

官网链接：https://www.sciencedirect.com/science/article/abs/pii/S0020025526001015