The rectilinear distance Weber problem in the presence of a probabilistic line barrier
2026-06-17 14:37
🔍 耿同学打假报告
论文信息
- 论文来源:1-s2.0-S0377221709002987-main.pdf
- 标题:The rectilinear distance Weber problem in the presence of a probabilistic line barrier
- 作者:Mustafa S. Canbolat, George O. Wesolowsky
- 期刊:European Journal of Operational Research 202 (2010) 114–121
- DOI:10.1016/j.ejor.2009.04.023
- 发表年份:2010(在线发表:2009年5月5日)
综合评定:🟡 存疑
详细发现
发现 1:参考文献存在明显的“复制粘贴”错误(张冠李戴)
- 位置:References 部分 (Page 120)
- 描述:在检查参考文献时,发现两篇论文的期刊卷号、期号和页码出现了违背常理的完全一致。
- Aneja, Y.P., Parlar, M., 1994. Algorithms for Weber facility location... Transportation Science 28 (1), 70–76.
- Batta, R., Ghose, A., Palekar, U., 1989. Locating facilities on the manhattan metric... Transportation Science 28 (1), 70–76.
- 证据:Batta 等人发表于 1989 年的著名论文,其真实的期刊出处应为 Transportation Science 23(1), 26-36。而在本论文中,作者直接将上一篇 (Aneja & Parlar, 1994) 的卷号(28)、期号(1)和页码(70-76)原封不动地“抄”给了 Batta 的文献。这种神仙级的巧合在学术界只有一种解释:写参考文献的时候在用复制粘贴,且没有进行最终核对。
- 严重程度:🟡
发现 2:核心数学推导与数据逻辑高度自洽(无随机编造痕迹)
- 位置:Section 2 (Theorem 2 证明) & Section 3.1 (Example, Table 2, Table 4)
- 描述:作为一篇运筹学/数学建模类论文,核心看点是公式推导和算例计算。造假者往往在使用随机数编造实验结果时露出马脚(如末位规律、数据太完美)。
- 证据:
- 代数推导检验:作者在证明 Theorem 2(期望距离函数的凸性)时,展示了将期望距离公式展开并化简的过程。我进行了人工推导复核,代数变形 \(E[l_1^B] = \frac{(x-x_i)^2}{2r} + (1 - \frac{l}{r})|x-x_i| + \frac{l^2}{2r}\) 完美对应了论文中的给出的凸函数标准形式,逻辑严密,无伪造迹象。
- 算例数据检验:Table 4 给出了不同区间的目标函数值(51.43, 48.78, 46.46, 46.25, 48.21...)。这些数据呈现出非常平滑的分段凸函数极值寻找轨迹(在 x=7 处取得最小值 46.25,这与 Table 2 的结论完全吻合)。数据既有合理的非线性波动,又符合数学定理,绝不是用随机数生成器能敲出来的。
- 严重程度:✅(反向证明,此项加分)
发现 3:无法进行像素级图片分析
- 位置:Fig. 1 ~ Fig. 5
- 描述:文本中未提供足够的高清图片信息。
- 证据:虽然无法提取像素,但从论文性质来看,Fig 1-3 为几何逻辑示意图,Fig 4 为坐标系散点图,Fig 5 为三维表面图。这类图形通常由 MATLAB 或 Mathematica 根据算例代码直接生成,结合前面完美自洽的数据推导,图片造假(如 PS 拼接)的可能性极低。
- 严重程度:ℹ️ 信息不足
耿同学辣评
这论文的核心算法和数学推导算得明明白白,凸函数证明得严丝合缝,算例数据也是经得起推敲的“真货”。但一到写参考文献的时候就原形毕露了——把 1994 年论文的卷期页码直接复制粘贴给了 1989 年的论文。咱们就是说,做学问可以“ hard ”一点,但写排版的时候别这么“ lazy ”好吗?虽然不影响核心学术成果,但这排版态度得扣个大鸡腿!
建议后续行动
- 逻辑和算法无误,无需向作者索要原始数据。
- 建议作者在未来勘误中修正 Batta et al. (1989) 的引文格式错误。
- 无需在 PubPeer 上提出质疑(引文格式错误属于无心之失,非学术不端)。
⚠️ 免责声明
本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。