基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

大型冷冻站制冷控制仿真培训系统

结合研制“大型冷冻站制冷控制仿真培训系统”的实践,介绍了从数学模型、仿真模型的建立到系统软、硬件设计的仿真培训系统开发全过程,并首创了数学模型建模的“复合法”     

道路超限超载预测的灰色马尔可夫模型

文章针对超限超载预测数据量小、随机性大、影响因素复杂等特点,采用灰色模型预测和马尔可夫预测相结合,提出了一种超限超载预测的灰色马尔可夫预测方法.该方法利用历史信息建立超限超载的灰色预测模型,根据结果把超限超载划分为若干状态,再根据马尔可夫模型建立状态转移模型进行预测.应用该方法对某省的道路超限超载趋势进行了预测,实验表明,由于灰色马尔可夫模型充分利用历史数据信息,模型的预测精度高于灰色模型预测精度,可用于道路超限超载预测.     

面向运维服务的装备MRO知识管理系统研究

为提高知识管理的效率,实现精益维修的目标,文章在分析装备MRO知识特点的基础上,围绕运维服务对MRO知识的需求,提出了装备MRO知识管理体系。针对不同MRO知识的特点,建立了基于装备结构层次的知识体系,分别围绕维修规程、维修资源、维修历史和维修案例等MRO知识建立知识模型;构建了以维修BOM为核心的MRO知识组织方式,实现对类型繁多、结构复杂、动态变化的知识的有效管理;并围绕不同运维服务,面向应用领域构建了基于本体的知识管理框架和知识视图,实现了全面的MRO知识综合运用。最后,基于以上方法和模型,进行了车辆运维知识管理系统的开发和应用。     

考虑尾时间的同类机调度问题可变邻域搜索算法

研究了目标函数是最小化最大完工时间的同类机调度问题,其中作业具有尾时间.此问题等价于最小化最大延迟时间的同类机问题,并被证明是NP-hard问题.为此问题构造了一种启发式算法LPDT,进而以LPDT算法求解结果为初始解构造了问题的可变邻域搜索算法LPDT-VNS.大量的随机数据实验用于验证算法的性能和效率.     

敏捷信息系统体系结构的研究

根据现代制造环境下业务流程重组和动态企业建模的需要 ,提出敏捷信息系统的体系结构 ,讨论了敏捷信息系统体系结构的概念、组成、构造原则和结构框架。该结构采用构件支持动态企业建模 ,实现了系统级的软件重用 ,通过建立管理任务平台实现 MIS应用系统和企业过程的分离 ,从而使信息系统支持复杂的动态企业过程。     

基于模糊AHP的企业IT项目子系统建设后评价模型

企业IT项目是要建立一系列信息子系统,在某个子系统建设完成并投入使用一段时间后必须对其进行评价,为下一个子系统的建设积累经验;文章建立较为完整的评价指标体系,并在WSR方法论的指导下,综合运用了Delphi法、模糊层次分析法、灰色关联度方法及模糊综合评价方法,提出了一个基于模糊AHP法(FAHP)的综合评价模型,提高了评价过程的客观性和评价结论的准确性。     

智能决策支持系统:研究现状与挑战

综述智能决策支持系统的研究内容和现状，从基于知识的系统及其与决策过程的关系出发，讨论了IDSS中的知识和知识处理系统，以知识和学习能力为线索，分析几种智能决策支持系统的不同类型，并进行比较分析，介绍了智能决策支持系统的体系结构，智能决策支持方法和决策支持系统中的认知问题等的研究成果，最后，分析了智能决策支持系统面临的挑战，提出了进一步的研究方向。     

产品垂直差异化竞争下的闭环供应链决策研究

针对新产品与再制造产品实行差别定价,以及两家制造商的产品存在垂直差异化竞争的情形,研究了闭环供应链系统的定价决策与协调策略.结果表明,产品产异化战略可有效摆脱Bertrand悖论,分散决策时的双重边际化效应会造成系统效率的损失,而联合决策定价可以增加废旧产品回收量,降低产品售价,使系统绩效达到最优.为此,以联合决策下的均衡结果作为基准,通过收入-费用共享契约协调定价,确定合理的分享比例,就能够实现闭环供应链系统的完美协调.最后通过数值算例,进一步分析了产品替代和价格弹性系数等对供应链定价和利润的影响.     

结合先验知识的深度Q神经网络算法研究

深度Q神经网络(deep Q-network,DQN)算法在训练初期,由于动作选择随机性强,导致算法的训练时间过长。针对该问题,文章提出一种结合先验知识的深度Q神经网络(priori knowledge-DQN,PK-DQN)算法,将先验知识定义为特征状态与最优动作的映射,根据先验知识对动作选择过程的影响程度,将先验知识引入DQN算法,优化DQN算法的动作选择规则,降低其在探索过程中的动作选择随机性,并使用赛车游戏对算法进行训练。实验结果表明,PK-DQN算法能够更快收敛,有较高的学习效率,算法训练时长明显缩短。