近日，由广州华立学院李有红、高乐、王天羽、莫浩明、Adel Nasri 共同合作的研究论文《MCHH-TF: Dynamic hypergraph optimization framework based on hyperbolic space and coupled tensor and its application in organizational networks》在国际顶级期刊 《Applied Soft Computing》 在线发表。《Applied Soft Computing》期刊是软计算、人工智能与计算机跨学科应用等领域国际上的权威刊物，现为Jcr分区Q1，中科院SCI分区计算机科学大类1区Top，影响因子7.8

随着数字化转型不断深入，企业和组织内部的协作关系日益复杂，跨部门项目、层级管理结构和多目标资源分配问题频繁出现。传统静态图模型难以有效刻画组织关系的动态变化，也难以兼顾短期突发协作、长期战略合作以及不同管理层级之间的目标冲突。针对这一难题，论文提出MCHH-TF动态优化框架，融合自适应时间窗口分割、双曲空间嵌入、四阶管理耦合张量和多目标优化等关键模块，实现对组织协作网络的动态建模、冲突识别和资源优化。

该研究的核心创新在于：通过自适应时间窗口机制，提升不同时间尺度下协作事件的捕捉能力；通过引入双曲空间嵌入方法，更准确地表达组织层级结构中的非线性关系；通过四阶管理耦合张量，对节点、层级和时间维度之间的交互冲突进行动态量化；通过稳定性约束下的多目标优化方法，在社区质量、跨层冲突和资源成本之间寻求更具实践价值的平衡方案。

实验结果表明，该框架在多个真实及大规模网络数据集上表现出良好的有效性和稳健性，能够提升组织网络社区划分质量，降低跨层目标冲突强度和资源配置成本，并在噪声干扰环境下保持较稳定的性能。相关成果不仅拓展了动态超图建模、双曲空间表示学习和复杂网络优化等领域的研究思路，也为企业跨部门协同、组织结构调整和资源配置优化提供了数据驱动的决策支持工具。 

此次成果的发表，体现了广州华立学院在人工智能、复杂系统管理、数据科学与组织网络分析等交叉研究方向上的持续积累和创新能力。学校将继续围绕应用型科研和服务产业发展需求，推动多学科交叉融合，鼓励教师面向真实管理场景和行业痛点开展高水平研究，为提升学校科研影响力、服务地方经济社会发展和培养高素质应用型人才提供有力支撑。

DOI：doi.org/10.1016/j.asoc.2026.115843

官网链接：https://www.sciencedirect.com/science/article/abs/pii/S1568494626012913