虚拟企业伙伴选择的信任场模型

虚拟企业是应对市场竞争环境变化的一种柔性的能快速反应的网络化分布式动态组织. 在整个虚拟企业的组建过程中, 如何选择值得信任的合作伙伴是虚拟企业成败的关键. 针对虚拟企业的伙伴选择问题, 本文结合信誉和基于信任的合作机制, 借鉴"场"理论, 提出了信任场的概念, 建立了信任场的理论模型, 并讨论了基于信任场模型的虚拟企业伙伴选择方法. 最后, 通过实例及分析说明了该方法的可用性和合理性.     

基于图论的虚拟企业制造伙伴选择优化算法

虚拟企业是21世纪企业进行生产经营和市场竞争的主要模式,确定合适的,有竞争力的合作伙伴直接关系到虚拟企业的市场反应速度及合作的绩效和成败.针对此问题,提出了基于图论的优化算法的解决方案.首先描述了虚拟企业制造任务,明确了虚拟企业在选择制造伙伴时应考虑的因素,在此基础上,建立了虚拟企业制造伙伴选择的数学模型,提出以“合同网”方法选择制造伙伴,针对评标中对投标者如何选择的问题,论文给出了两种基于图论的优化算法,并以实例说明了算法的有效性.     

虚拟企业合作机制的建模研究

首先分析了不同的合作机制，合同网，市场机制在虚拟企业合作中的不足，针对虚拟企业的俣作过程在虚拟企业多代理模型中提出了新的合作协议，虚拟企业成员按照合作协议进行任务分解，任务分配，任务检测和任务评价，并给出了虚拟企业协商协议，以处理在虚拟企业合作过程中所发生的矛盾和冲突。     

虚拟企业中伙伴收益分配比例的确定

首先对虚拟企业中收益分配比例确定的基本原则进行了分析 ;在此基础上 ,针对一个产品研发级的虚拟企业 ,综合考虑其伙伴投资及所承担的风险 ,利用模糊综合评判法 ,给出一种收益分配比例计算方法 ,并进行了实例分析以说明其有效性.     

虚拟企业伙伴选择过程及方法研究

在虚拟企业的组建过程中 ,合作伙伴的选择是一个非常重要而且复杂的环节 .能否选择出有竞争力和相容的合作伙伴 ,关系到虚拟企业的成败 .本文分析了虚拟企业伙伴选择过程中应考虑的因素及应遵循的原则 ,在此基础上给出了伙伴选择过程的三阶段模型及其实现方法 .     

面向协同设计的任务调度问题研究

针对协同设计任务调度存在的问题,综合考虑了协作项目间、任务间及任务自身的具体因素和约束,在建立设计任务网络图的基础上,提出了一种以"任务优先系数"为指标的可并行执行任务集内任务的执行调度算法.综合考虑协同设计过程中的诸多动态、不确定性及非量化等因素,基于均衡一适度原则建立了任务到团队成员分配的扩展数学模型,并利用匈牙利算法进行求解.研究表明,该方法能有效对复杂产品的协同设计流程进行规划,且简单易用.     

技术开发虚拟企业的动态契约设计

跨领域技术开发项目组建虚拟企业是非常必要的,然而公正、合理的利益分配机制、协调机制是组建虚拟企业的关键。运用委托-代理理论提出逆向选择下的3种两阶段动态契约模型,意在解决拥有私人信息下的工作努力与利益分配问题,为虚拟企业中分期付款问题提供一定的理论依据。     

模糊完工时间和模糊交货期下的虚拟企业伙伴选择

在企业的生产实际中,完工时间和交货期是一个模糊数.针对这类情况下的虚拟企业伙伴选择问题,提出了考虑模糊完工时间和模糊交货期的以极大化最小客户满意度为优化指标的伙伴选择模型,并给出了自适应遗传算法.在遗传算法的适应度函数处理中引入模糊数处理方法,解决了带模糊数的伙伴选择问题.仿真结果表明了该方法的可行性和有效性.     

零售商价格竞争下供应链的均衡及协调研究

研究了收益共享契约下,单供应商和多个价格竞争的零售商构成的供应链系统的均衡及协调问题.基于经济博弈理论的最新进展--超模博弈理论,证明了价格敏感的随机需求下零售商间的价格竞争一定存在纯策略纳什均衡,分析了均衡的特点,并给出了存在唯一均衡的条件;基于以上分析,对契约机制的设计进行了优化,既保证各方接受对契约的优化,又可实现多赢和系统协调.     

分布式卫星系统协作任务分配模型及优化算法

面向未来分布式卫星系统(DSS)自主协作运行模式,对DSS任务优化分配问题进行了分析和建模.在此基础上给出任务组的概念,并利用集覆盖理论将任务分配问题转化为集覆盖问题.从而引入MAS理论中的合同网协议,以系统完成任务目标的总耗能最少为原则,加入限定卫星可回应子任务数的约束后,提出了一种基于合同网的严格启发式的优化算法对分配模型进行求解.同时,证明了算法搜索结果的上确界;分析了算法的收敛性和时间复杂度.该算法具有分布性,搜索空间缩减快,适合于中小规模的任务分配.     

基于稀疏型支持向量回归的时间序列预测

为提高支持向量回归在时间序列预测应用中的学习速度和泛化性能,提出了稀疏型支持向量回归方法.通过牛顿优化法,直接优化支持向量回归的原始问题.然后利用Cholesky分解更新原始优化中的Hessian矩阵实现稀疏型支持向量回归算法.最后将该算法运用到Mackey-Glass,Lorenz和Logistic混沌时间序列预测,仿真结果表明本文提出的方法能够在确保预测精度的前提下,有效地降低支持向量的个数.     

学习联盟中防范机会主义机制的博弈分析

多数文献都把学习联盟中的价值创造与防范机会主义的治理机制问题分开来进行研究。利用动态博弈的方法，本文发现，学习联盟的价值创造活动中隐含着一种具有自我执行特点的治理机制，其特点是，通过联盟成员的资源的互补性和两种类型的学习能力之间的关系所具有的承诺作用，该治理机制就可有效地防范学习联盟中可能发生的机会主义现象，从而就将价值创造与防范机会主义的研究统一起来了。     

支持向量回归参数调整的一种启发式算法

对支持向量回归 （Support Vector Regression, SVR）的自由参数进行调整是提高SVR模型推广能力的重要途径，通常通过最小化模型的推广误差估计来实现。交叉验（Cross Validation, CV）误差是推广误差的一种近似无偏估计，基于CV误差的参数调整大多采用网格搜索法，计算比较费时，需要寻找高效的参数调整算法。通过对径向基核函数SVR的CV误差随参数变化趋势的分析，提出一种启发式搜索算法。该算法采用阶梯式搜索以找出近似最优解，然后用局部算法求取更精确的解。基准数据集上的实验表明所提算法的有效性和高效性。     

应用于虚拟内窥镜系统的拓扑细化算法的优化

虚拟内窥镜技术是近几年迅速发展起来的一种独特的技术。它的关键在于三维物体中心路径的提取。拓扑细化算法可以有效的提取中心路径,但是耗时很长,严重的影响了该算法的实用性。针对这一缺点,作者提出了几种改进,主要通过减少扫描图像的次数和减少体素数目等方法在不同程度上加速算法,提高了算法的效率。实验证明,改进后的算法可以快速稳定的处理体数据,很大程度上起到了优化的作用。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

SVR在切削颤振状态趋势预测中的应用

针对当前准确地预测机床切削颤振状态趋势存在的困难,提出了基于支持向量机回归算法(SVR)的切削颤振状态趋势的预测方法,给出了运用支持向量机进行回归分析时的参数选择原则。研究了基于小波包分解的切削信号特征提取方法,首先将切削信号进行小波包分解,计算信号分解到各频带区间内的能量并对其进行归一化,并将其作为切削信号的特征向量输入到支持向量机回归分析模型。在CA6140车床上进行了数据采集和仿真,结果表明,通过这种方法得到的信号在各频带区间内的能量变化曲线能准确地反映切削颤振的过渡过程,并且通过SVR对其进行趋势预测也取得了比较满意的结果。     

一种连续无创血压预测的改进向量机学习方法

因不同人体生理特征的差异性,影响了基于光电容积脉搏波（PPG）和心电信号（ECG）的连续无创血压测量精度,提出一种基于优化的支持向量机模型预测血压的方法。该方法将PPG、ECG及人体特征进行处理并组成特征矩阵,通过水银血压计测得实时血压值,运用主成分分析法和遗传算法改进的支持向量机学习模型对特征矩阵和实时血压值进行回归训练,从而建立最优血压预测模型。实验证明,优化改进支持向量回归血压预测方法比传统支持向量机学习法准确度提升了10%~15%。     

基于PSO的SVR参数优化选择方法研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sinc函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较。仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于支持向量回归的地铁牵引能耗预测

预测地铁线路未来牵引能耗.有助于评价线路的牵引用能效率、节约能源.地铁牵引能耗影响因素众多且呈非线性关系.因此基于历史数据建立支持向量机回归模型对地铁牵引能耗进行预测.首先,将牵引能耗的影响因素分为供电系统、线路条件、列车属性、运营组织及环境因素五类,并选取线路可变影响因素作为模型输入;然后,利用遗传算法对模型参数进行寻优,适用度函数设计采用交叉验证方法:最后,基于模型最优参数对牵引能耗进行预测.案例结果表明,交叉验证方法有助于提高模型预测精度;支持向量机回归模型的预测精度高于BP(back-propagation)神经网络模型与多元线性回归模型.     

基于RBF网络的中国信贷规模稳健预测

将M-估计稳健损失函数与基于统计贡献度的动态确定核函数方法相结合, 提出一种有效的非参数RBF预测模型, 该方法克服了稳健性缺失问题, 在估计参数的同时动态确定最佳网络结构, 并且在学习中自动消除噪声和异常点的影响, 加快了网络的学习和收敛速度. 利用中国月度信贷数据进行实证分析表明, 本文模型与基准模型相比具有最好的预测稳健性和准确性, 对于提高货币政策有效性和前瞻性具有很好的应用价值.