基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

面向手机的云端VR三维场景立体显示与交互框架

针对手机无法渲染可交互的高质量三维场景这一弊端,提出一种面向手机的云端VR应用框架。此框架结合云渲染和VR技术在手机端实现可交互高质量三维场景的立体显示,并以手机浏览器作为客户端,利用视频块流传输图像数据、消抖算法(AJA)处理交互数据,实现Web端轻量级渲染,不仅降低了移动端数据可视化运算成本,还避免使用插件和下载安装包。实验表明本文框架的显示帧率能达到30帧每秒,带宽控制在80 kb/s以内,能稳定地在手机上实现传统App无法实现的逼真VR体验。     

基于SIRV病毒传播理论的装备保障网络级联失效分析

针对装备保障网络遭受敌方攻击时所显现出的复杂性现象,对比分析网络级联过程与病毒传播过程的相似性。在已有的负载容量级联故障传递模型基础上,融入了病毒免疫传播的过程,定义保障节点的4种不同状态,构建基于病毒免疫传播理论的装备保障网络级联传递模型,更好地再现了我方保障机构受到敌方实际打击和舆情攻击时的真实状况。通过仿真对比分析表明,在防御资源有限和时间迫切的情况时,优先考虑主动免疫策略,能够取得较好的抵御级联失效的效果,还可以辅助实施目标免疫策略,从而使装备保障网络具有较强的健壮性和较好的恢复能力。     

自适应的无线融断网络路由算法研究

无线融断网络具有长延时、高动态拓扑、链路不稳定等特点,伴随着网络联接缺乏源端到目的端的持续性,为解决网络通信困难的问题,将多头绒泡菌的智能性和自适应性引入,提出一种自适应的无线融断网络路由算法。搭建无线融断网络模型,推导出链路容量的数学表达;设计下一跳节点的选择策略和最佳路由选择策略,实现在融断网络环境下的数据尽力投递。仿真实验表明,该算法能够在网络开销率较低的情况下,达到良好的数据投递,且平均延迟小。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

市场机制和政府调控下的产学研合作创新网络演化博弈仿真——以新能源汽车产业为例

以新能源汽车产学研合作创新网络为实证分析对象，运用网络演化博弈理论和仿真分析方法，剖析在市场机制和政府调控下，产学研合作创新网络中创新主体合作行为与网络结构在互动过程下的演化规律。研究结果表明：市场机制和政府调控对于创新主体维护合作行为和网络集聚都具有促进作用；创新主体合作行为与网络结构之间具有协同互动关系，并且市场机制和政府调控的作用越大，两者间协同互动作用越明显。在市场机制下，市场机制作用的增强会降低网络演化的速度；只有当市场机制作用超过一定阈值时，维护合作行为才会在创新主体间涌现出来。在政府调控下，创新主体对于政府调控较为敏感；当政府调控力度处于阈值水平时，不利于创新主体间合作关系的维持。     

考虑企业风险感知的R&D网络风险传播建模与仿真

考虑企业风险感知的基础上，借鉴传染病模型(SIS)思想，将企业状态分为未发生风险有感知、未发生风险无感知和发生风险有感知3种。在此基础上构建了R&D网络风险传播的模型，并进行了数理解析与仿真分析。结果表明：R&D网络风险传播存在稳定状态下的解，即风险传播阈值，该阈值是由企业的风险感知、风险恢复率以及企业间的合作紧密程度决定；考虑风险感知的R&D网络比未考虑风险感知的研发网络具有更高的鲁棒性；随着企业风险恢复概率的不断增大，风险在R&D网络的传播范围越小；企业的风险感知对风险传播速度与传播范围均具有负向影响。该研究成果对于提高R&D网络的抗风险能力具有重要意义。     

竞争环境下新能源汽车嵌入技术服务的定价策略

构建上游技术服务商和下游新能源制造商合作创新的两级供应链，考虑两个制造商的竞争关系和权力结构，研究不同竞争模式对产品定价、产品利润的影响，为技术服务商和新能源汽车制造商的决策提供参考。结果显示，技术服务商在同等条件下会提供技术给具有竞争关系的制造商以优化利润；制造商之间的权力结构会影响技术服务商的利润，并且在“权力对等”竞争模式(FLC)下的利润最大。从制造商角度，竞争强度和技术产出贡献度均会影响产品价格。在技术产出贡献度较小的情形下，垄断模式(M)下的产品定价最高，“制造商1领导”竞争模式(SLC)和“制造商2领导”竞争模式(TLC)下的定价较高，FLC模式下的定价最低；反之亦然。算例分析进一步指出，当技术产出贡献度较小时，M模式下的产品利润大于竞争模式(C)下的产品利润；反之亦然。此外，制造商之间的权力结构会影响C模式下的产品利润，因此，制造商在C模式的占优策略是通过FLC模式实施定价或在SLC和TLC模式下取得定价领导权。     

创新生态战略与创新效率关系：基于创新生态网络视角

基于创新生态系统理论，通过引入创新生态环境和创新生态位，构建一个有调节的中介效应模型，并基于长三角制造业企业调研数据，采用Bootstrap方法进行检验，探究创新生态战略通过创新生态网络对企业创新效率的作用机理。研究结果表明：创新生态战略对企业创新效率具有正向影响；创新生态网络在创新生态战略与企业创新效率关系中发挥中介作用；并且创新生态环境和创新生态位调节该中介效应。研究结果从创新生态网络视角构建了创新生态战略向企业创新效率转化的中间机制，丰富了创新生态系统理论研究。     

Identifying US business cycle regimes using dynamic factors and neural network models

We use dynamic factors and neural network models to identify current and past states (instead of future) of the US business cycle. In the first step, we reduce noise in data by using a moving average filter. Dynamic factors are then extracted from a large-scale data set consisted of more than 100 variables. In the last step, these dynamic factors are fed into the neural network model for predicting business cycle regimes. We show that our proposed method follows US business cycle regimes quite accurately in-sample and out-of-sample without taking account of the historical data availability. Our results also indicate that noise reduction is an important step for business cycle prediction. Furthermore, using pseudo real time and vintage data, we show that our neural network model identifies turning points quite accurately and very quickly in real time.