基于可控提前期的库存优化模型

研究随机需求下连续盘点的库存控制问题.在满足提前期可控和服务水平约束条件下建立库存优化模型.模型允许缺货,且部分缺货可以延期交货,部分缺货造成销售损失;并假定运输成本与运输量线性相关,同时零售商的提前期是可以控制的,并且缩短提前期会造成一定的赶工成本.从理论上论证模型最优解存在条件,设计求解最优订货量、最优提前期、最优...     

线性规划模型解的判定

从线性规划模型解的存在性分析，线性规划模型存在“有解”和“无解”两种情况．“有解”指有最优解，即有可能存在唯一最优解也有可能存在无穷多最优解；“无解”即无可行解或存在无界解(无最优解)．唯一最优解、无穷多最优解、无可行解和无界解的判定是线性规划模型求解过程的主要组成部分．     

考虑赠品促销影响的供应链协调模型研究

在考虑赠品促销对市场需求具有影响效应的前提下,构建了市场需求预测与赠品相关的供应链协调模型,证明了该模型能使供应链渠道得到有效协调;并建立了这类契约的最优决策模型,得出最优解存在的条件以及最优解的表达式;然后分析了模型中相关参数的变化对最优决策变量及供应链利润的影响.     

未知需求分布下含数量折扣的可变提前期库存模型

针对上游供应链厂商提供数量折扣以及可变提前期的情况,探讨了零售商选择最优提前期和库存策略.将提前期、再订货点以及订货量作为模型的决策变量,并且放松了对提前期内需求服从具体分布的假定,考虑提前期内需求分布未知的情形.利用Minimax方法讨论了最优解的性质,给出了求解算法和数值算例,并分析了允许延期交货比例的变化以及需求波动对最优解和期望总成本的影响.     

库存-运输联合决策优化模型及算法设计

针对外部供货存在提前期的情况,构建一个配送中心-多客户库存和运输决策优化模型.根据模型特点,通过分解-迭代思路来分解模型,并利用模拟退火算法思想设计主算法.算例结果显示,近似最优解与精确最优解接近,且优化后的车辆运输效率得到了较大提高.这些结果可为此类结构物流系统运作决策研究提供理论参考.     

基于统计模型与混沌理论的大坝安全监测混合预测模型

为解决传统统计模型在大坝安全监测领域应用中由于缺少对残差的分析而存在拟合精度高但预测效果欠佳的问题，在传统统计模型中增加残差预测项，并应用混沌理论对残差预测项的计算方法进行探讨，从而提出了一种新的混合预测模型，同时结合实测数据对此模型进行了检验。结果表明，新模型可提高预测精度并具有一定的实用性。     

机会约束下不允许无风险借入的均值-VaR投资组合模型的再研究

文章在投资组合回报率服从正态分布的前提下,建立了允许无风险借出但不允许无风险借入的具有投资机会约束的均值-VaR投资组合模型,讨论模型最优解的存在唯一性,并指出最优解的位置.     

首达时间依分布最优模型与风险最小模型

研究了离散时间首达时间依分布（随机序）最优模型与风险最小模型。给出存在最优策略的若干充要条件及重要性质，证明最优方程序列存在唯一解，给出寻优的算法。证明了ｍ时段风险最小Ｅ最优策略必定存在。     

一类非线性群体动力学模型的最优收获控制

研究了一类非线性群体动力学模型的最优收获控制，证明了最优解的存在性     

平板的颤振参数研究

基于平板颤振理论 ,建立了颤振双参数优化模型 ;提出了搜索该优化模型最优解的混沌新方法 ,该方法利用混沌的内在随机性和遍历性来获得全局最优解 ;并详细给出了图解法和迫近法搜索优化模型最优解的步骤 .经算例验证 ,上述 3种方法计算简便 ,精度高 ,为平板颤振频率、颤振风速和折算风速等颤振参数的确定提供了新的有效途径 .混沌方法人为参与程度低 ,稳定性强 ,可以方便准确地绘出平板各种颤振参数的诺模图     

基于GM（1，1）模型的趋势预测方法及其应用

基于灰色理论中GM(1，1)模型提出了一种新的预测方法(趋势预测)，再将其应用到组合预测中，运用遗传算法调整组合预测权系数从而得到最优解。通过实例证明，该方法是正确的，算法是有效的。     

基于机会约束的均值—VaR投资组合模型再研究

在证券收益率服从正态分布的前提下，建立了允许无风险借贷并且借贷利率不同的机会约束下均值—VaR模型，讨论了最优解的存在性和惟一性.然后在均值—VaR模型有效边界的基础上引入机会约束，得到了该模型的有效边界及其最优解.     

灰色神经网络组合模型在区域水质预测中的应用

针对神经网络用于水质预测时需要大量数据才能获得较为准确的预测结果的局限性,为降低预测时对数据的依赖引入灰色模型,从而建立两者最优组合模型,以用于数据贫瘠时的情况.将该模型用于珠江支流的水质预测,结果表明,该模型拟合误差小,预测精度高.     

基于非参数回归的遗传神经网络集成股市预测研究

利用遗传算法改进神经网络集成个体的连接结构和初始连接权值,利用主成分分析法提高集成个体差异度,形成一组优良的神经网络集成个体,利用非参数回归生成集成结论,求出非线性时序函数的全局最优解,随即建立新型的基于非参数回归的遗传神经网络集成股市预测模型.仿真结果表明,该模型预测精度高,可操作性强,具有一定实用性.     

优势重组预测系统

不同预测模型在同一时刻都存在不同的预测误差, 最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,根据生物遗传原理,设计了一种优势重组系统,子代的基因由父代的最优基因重组得到,有着优良基因的子代预测的结果误差最小或不是最大.实证结果表明,优势重组模型预测性能高于所有父代模型.     

一类带约束运输问题的数学模型及其研究

提出了一类带约束运输问题的数学规划模型.证明了如果该类运输问题有可行解,那么它一定有最优解,且存在一个最优解,该最优解对应无约束运输问题的一个基础可行解.     

有限样本条件下多元线性回归模型的最优解

将分析多元线性回归模型和求线性方程组的最优解统一起来．线性方程组的最优解基于欧式赋范空间最短距离．研究结果表明：在多元线性回归模型不存在多重共线性的情况下,得到的回归结果解和线性方程组的最优解相同．在多元线性回归模型存在多重共线性时,通过求线性方程组的最优解,可以得到统计意义上的线性无偏有效解,此时的最优解不满足渐近性和一致性条件．因此,利用线性方程组求最优解适用于多元线性回归模型在有限样本条件下的情况,多于大样本的情况不适用．     

优先发展策略下的高等教育最优投资双层规划模型

高等教育投资具有“双层”的特点，上层为主管部门，下层为高等学校．分析了优先发展策略下高等教育最优投资的层次及步骤，分别建立了保证优先发展学校最优投资和用剩余资金对全部学校无差别最优投资双层规划模型，给出了上、下层最优投资方案的确定方法．通过扩大可行解范围，将双层规划模型转换为单层线性规划模型，证明了两者最优解的等价性，设计了求得模型最优解的多项式算法，最后给出了应用举例．     

基于量子粒子群的神经网络集成股市预测模型研究

利用量子粒子群改进神经网络集成个体的网络结构和连接权值,利用主成分分析法提高集成个体差异度,形成一组优良的神经网络集成个体,利用支持向量机回归集成生成输出结论,求出非线性时序函数的全局最优解,随即建立一个基于量子粒子群的神经网络集成股市预测模型。试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好。     

具有线性变价格物资的库存优化模型

讨论一类带线性变价格物资的库存系统。以订购次数n为主要变量，分别就不允许缺货与允许缺货两种情形建立相应的库存优化模型。给出模型最优解存在的条件。并导出最优解的形式。