安全风险决策阶段性模型构建:神经科学探索

决策者的主观认知心理与决策行为密切相关，外在行为受内在的大脑决策支配，故明晰安全风险决策与安全/不安全行为之间的关系是有效控制不安全行为的关键。通过文献分析梳理了安全风险研究的主要领域、内容和方法以及安全模型构建存在的问题。在此基础上，以风险信息的思维过程为主线，将风险决策过程分为风险感知、风险认知和风险决策3个阶段，阐明了各阶段的内涵、特点、研究内容和分析路径，构建了3阶段相互衔接的安全模型。同时，明确了事件相关电位（Event-related Potentials, ERPs）和功能性磁共振成像（functional Magnetic Resonance Imaging, fMRI）两类神经科学技术在安全风险决策过程研究中的应用意义。所构建的风险感知-认知-决策的三阶段安全风险决策模型（SR-PCD模型），有利于进一步研究风险决策过程中的个体风险处理机制、明晰风险决策与行为的关系，对安全风险机理研究、事故管控、安全管理等具有理论和实际意义，可为未来安全风险研究提供可参考的实验研究框架。     

基于案例推理和灰色关联的直觉模糊决策分类模型

针对现有直觉模糊决策方法中指标权重的确定往往仅根据决策矩阵的数据而不考虑决策背景这一缺点,提出一种基于灰色关联和案例推理的分类模型.首先提出一种基于直觉模糊数的灰色关联公式,在此基础上构建基于案例推理的数学模型寻求最优权重以及分类半径,依据最优权重和分类半径对各个方案进行决策.本文提出的分类模型既考虑了专家的主观判断又根据决策矩阵数据,克服了上述缺点.最后通过案例说明了本文方法的合理性和可行性.     

集中控制型VMI & TPL集群式供应链的补货决策和协调契约

在集群式供应链中引入集中控制型供应商管理库存(VMI)与第三方物流(TPL),建立由n个供应商、一个主导TPL、一个零售商组成的三级供应链集成管理模型.首先,以运输成本最小化为目标,考虑单次运输成本与单次运输批量的关系,研究TPL从各供应商处分别取货和按送奶路线循环取货两种补货方式下的批量决策问题.然后以利益共享契约模型为基础,建立基于不对称Nash协商"风险共担-利益共享"契约分析该集群式供应链的协调问题.研究发现:边际运输成本因子是选择补货方式和补货批量的重要影响因素,并且按送奶路线循环取货的方式受此因子的影响更大;基于不对称Nash协商"风险共担-利益共享"契约可以唯一确定契约参数,从而实现供应链的帕累托最优.     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

基于判别矩阵的潜艇作战态势认知决策建模方法

潜艇作战具备复杂环境中的动态博弈对抗特点,作战人员的态势认知与决策行为对潜艇作战效能有着重要影响。针对潜艇交战级作战实验中的态势认知决策建模难题,在分析态势认知决策过程的基础上提炼表征变量集合,提出基于判别矩阵的潜艇作战态势认知决策建模方法,并以某型潜艇交战级对抗为例研究给定想定条件下的态势认知决策过程,验证了方法的可行性和有效性。建立的模型能够有效刻画作战人员认知决策过程,支持潜艇作战实验中的交战机理和制胜机理研究。     

需求推断差异下供应链成员的运营决策机制

供应链终端随机需求的分布不确定时，制造商和零售商将根据各自掌握信息推断需求分布。若零售商不与制造商分享历史需求数据，制造商将根据零售商的历史订单数据进行需求推断。分析了制造商是否有历史需求数据时的价格决策、零售商相应的订购决策，以及供应链成员之间需求数据分享决策。结论显示：制造商根据零售商订单数据推断的需求过高时，将制定较高的批发价格；零售商的期望利润将比与制造商分享需求数据时少，零售商与制造商共享终端需求数据的可能性较大。进一步分析了激励供应链成员分享需求信息并增加供应链利润的协调机制。     

科技智库研究方法:进展与趋势

 对全球科技智库的学科领域、理论体系、具体方法以及实践成果进行了调研与分析。调研结果显示，经济管理、政治法律、安全社会、能源环境等学科领域是科技智库研究方法关系网的核心，交通建筑、天文地学、生物医药、材料化学、数学物理、信息通信等学科领域处于辅助地位。科技智库的研究理论经由科技规划、科技评估、科技路线图的实践，逐渐向DⅡS研究体系发展。科技智库研究的具体方法可分为数据收集方法、信息整合方法、综合研判方法、方案构建方法4类，具有多主体、多对象、多介质、多因子、多组合、多渠道、多层次、多维度、多阶段、多角色等特征。随着科学技术在公共服务和决策咨询中的应用，科技智库的研究方法以可视化平台、跟踪调查平台、综合检索平台为依托，将进一步深化、拓展、完善。     

具有不可比状态信息的可修MS-PMS可靠性分析

针对复杂多阶段任务系统(PMS)中存在的元件状态多态性和不可比性问题,提出了系统与元件两层的分层模块构建方法,应用连续时间Markov模型(CTMC)描述可修元件之间状态的相依和变迁的动态行为,应用多态多值决策图(MVDD)构建系统的结构函数.为处理元件状态不可比情形,将其分为组内、组间及无约束状态三组,应用CTMC构建了不同变迁约束下部件处于不同阶段时的状态组的联合概率模型,发展了具有不可比元件状态的多状态多阶段任务系统(MSPMS)可靠性分析方法.最后,通过简约形式的飞行任务系统实例,结果表明CTMC下分层分组模块分析方法能有效计算MS-PMS的可靠度,验证了模型与分析方法的可行性.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。