基于道德风险的科技创业企业多阶段投资博弈决策模型

阶段性和风险性是科技创业企业成长的主要特征,分段投资是投资者对科技创业企业进行投资的基本运作方式.对Ramy Elitzur多阶段投资博弈决策模型进行了简化和改进,针对阶段性投资的安全性问题,从防范创业企业家道德风险的角度,提出了科技创业企业多阶段投资博弈的精炼决策模型,为科技创业企业的投资决策提供参考依据.     

高级管理人员工资与资本规模

讨论了高级管理人员的收入形式对企业的资本规模选择的影响问题,指出了资本规模的边际利润率及波动状况对管理者选择资本规模具有重要的影响,当资本规模的智能降低收益的波动状况时,管理者会提高资本规模;之则会降低资本规模,最后,给出管理人员收入形式的具体特征和设计要求,指出管理人员工资的制定应与目标企业进行比较,并根据企业之间的相关性确定管理人员的工资。     

风险基金管理中的最优激励合同研究

运用委托-代理理论对风险投资基金管理中的委托-代理关系进行了讨论;对基金管理人的工作成果为单一可观测变量时基金管理人的最优激励合同进行了研究,并对该情况下的代理成本进行了分析;最后讨论了除基金管理人的工作成果外存在其他可观测变量(如另一个风险投资基金的收益)时基金管理人的最优激励合同,指出当其他可观测变量能提供更多与基金管理人努力水平相关的信息时,把该变量写入合同将降低代理成本.     

多阶段抽样比率估计及其样本量的选择

讨论多阶段抽样比率估计及其样本量选择的问题 ,给出了比率估计抽样均方误差的近似公式及其渐近无偏估计的公式 .在调查费用给定及各阶段的样本量为等比例分配情况下 ,给出了各阶段样本量最优选择的一般结果 .     

两个在线零售商参与的供应链收益分配问题研究

研究了电子商务环境下具有两个在线零售商时的委托代理模型,制造商首先确定收益分配系数,在线零售商根据收益分配系数确定自身努力水平。获得了在线零售商合作和非合作情况下的收益分配系数（提成比例）及在线零售商的努力水平。进一步分析表明,与合作情况相比,在线零售商非合作时要付出较高的努力水平,而制造商和在线零售商此时都能获得较高利润;收益分配系数随在线零售商努力成本和风险规避程度增加而降低。     

逆向选择条件下委托代理最优激励契约模型分析

分别建立了逆向选择条件下离散类型和连续类型的最优激励契约模型,并利用最优化控制原理求出了模型的最优解.为保险委托人设计合理的激励契约提供了理论参考依据.     

基于双循环多级水幕塔的无机盐强化烟气脱硫研究

在传统双循环脱硫塔基础上对双循环多级水幕塔进行改进;上下段采用不同pH控制,以多级水幕代替复杂的多层喷淋,增强气液传质效果.研究结果表明:浓度均为0.2 mol/L MgSO4和Na2SO4促进石灰石溶解的效果明显,SO4-可促进石灰石溶解,而Cl-对石灰石溶解起抑制作用;MgSO4和Na2SO4对石灰石转化率的影响与空白实验相比最高分别增加15%和10%,反应时间缩短2 h,而NaCl对石灰石转化率的影响与空白实验结果相比低约3%;MgSO4和Na2SO4的加入明显延长pH缓冲时间,MgSO4加入时pH从7.9降至3.6需要2 h:MgSO4和Na2SO4能明显提高脱硫效率,0.2 mol/LMgSO4和Na2SO4对应的脱硫效率分别比非强化时提高7%和4%;MgSO4和Na2SO4强化后石灰石利用率与非强化时相比分别提高11%和5%.     

面向炼钢厂多机多任务天车调度的仿真方法

天车调度对于炼钢厂车间中各生产工位间物流的衔接、顺行以及整个企业生产节奏的调控具有重要意义,且同时受到时间、空间约束以及生产计划等的限制,是典型的多机多任务约束问题。为此,建立了一种时空约束下基于规则演化的仿真模型,以优先保证炼钢-连铸生产作业任务的完成为目标,合理安排多任务在车间作业跨中多台天车上的分配,并考虑多任务之间的时间约束和多台天车之间的空间约束问题,设计基于任务分配规则、冲突处理规则、任务结束规则的仿真模型运行规则用于控制天车执行任务的运行过程。该方法可避免对调度问题进行理论求解的困难,通过对某炼钢厂炼钢-连铸生产作业计划的离线模拟测试表明:能够避免天车运行过程中的时间空间冲突,以获得合理的天车运行调度方案,为生产调度提供指导。     

多工序制造过程误差传递分析与建模

通过用误差流理论,得到多工序制造过程中最终产品尺寸误差是由各道工序产品尺寸误差累积、耦合和传递的结果.采用控制理论方法将误差传递过程映射到状态空间方程得到误差传递模型.利用齐次变换方法,推导出制造过程中基准误差和夹具误差的具体影响,得到误差传递模型的详细结构.以制动钳的钳体制造过程为例验证模型的有效性,为多工序制造过程...     

基于情感轮和多任务卷积神经网络的图像情感分布学习

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel's情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能.