基于未确知集的软件可靠性模型选择研究

针对目前普遍存在的软件可靠性模型应用不一致性问题,提出一种基于未确知集的软件可靠性模型选择方法.本文首先对未确知集合进行阐述,并介绍了软件可靠性模型选择的一般方法,然后将未确知集软件可靠性模型选择方法应用于一组失效数据,为该组失效数据选择一个适应性较好的软件可靠性模型,最后给出结论.     

基于迁移学习的雷达杂波幅度统计模型选择

在对目标进行探测和识别的过程中, 雷达杂波幅度统计模型选择是重要步骤。为了提升杂波幅度统计模型选择的准确率, 基于样本分布适配, 提出了一种加权再均衡分布适配的迁移学习方法, 实现了仿真数据的信息向实测海杂波IPIX数据的迁移。通过与已有算法进行比较, 实验结果表明改进后的算法在IPIX数据集上能取得更好的分类准确率, 在迁移学习公共数据集Office-Caltech10上的验证结果也表明了算法的普适性。     

基于旅客舱位选择的航空收益管理

针对EMSR和传统旅客舱位选择行为研究中的不足，以logit模型为基础，运用变精度粗集方法构建了旅客舱位选择模型（passenger seat choice model，PSCM）和基于PSCM的收益管理模型（revenue based on PSCM，RPSCM）。该模型无需知道旅客舱位选择数据集合之外的任何先验信息和旅客舱位选择的概率分布的解析表达式，即可直接求解旅客舱位选择的真实因素及各因素权重．计算出特定航班旅客舱位选择概率和收益值。将计算结果与EMSR为控制策略的航班收益值进行比较，提高了4．82％收益，证明PSCM和RP-SCM具有较好应用价值，为航空公司进一步实施收益管理提供了借鉴和新视角。     

考虑停车选择概率的公共停车场规模优化模型

公共停车场是城市停车设施的重要形式,也是缓解城市中心区停车供需矛盾的重要方式.公共停车场规模不舍理,将导致资源浪费或无法满足停车需求.以往停车场规模确定仅以停车需求预测为依据,尚未考虑驾车者的停车行为对其选择停车场的直接影响,造成停车泊位不足或泊位浪费.本论文基于驾车者的停车选择概率提出了公共停车场的规模优化模型.以SP调查与RP调查数据为基础分析了影响停车选择的主要因素,包括步行时间、停车目的、停车行为等特征.应用非集计分析中的二项Logit模型建立了驾车者停车选择概率模型,结合停车需求的生成率预测模型,建立了公共停车场的规模优化模型.以珠海市停车需求调查数据为基础进行了模型参数标定,并将模型优化结果与实际停车场泊位进行了比较分析,验证了模型的有效性.     

考虑社会选择作用的社交网络生成模型

针对现有社交网络生成模型在解释网络中观结构和微观特性上的不足,提出了考虑社会选择作用的BA模型(SSBA).该模型基于社交网络用户的特征分布和同质性形成的内在机理,在建模过程中考虑了社会影响和社会选择的共同作用.在仿真数据与真实数据集上的实验表明, SSBA模型能很好地刻画不同类型社交网络在宏观特性和中观结构上的特点.发现不同作用机制下网络表现出相异的统计特性,社会选择作用较强时,网络度分布逐渐偏离幂律分布,且网络逐渐向同配网络转变.     

基于供应链协同的汽车制造企业入厂物流模式选择

集配中心是主流的汽车制造企业入厂物流模式,然而基于循环取货的集配中心模式正越来越受到汽车制造企业青睐,成为其入厂物流改进的重要选择.文中从供应链协同运作的视角研究了汽车整车制造企业零部件入厂模式的选择问题.基于整车厂JIT生产需求,建立了整合生产策略、运输策略、库存策略的综合运作模型,获得关键决策变量的最优解,进而利用三维仿真方法获得了两种入厂物流模式的对比特征.研究结果解释了当前汽车入厂物流模式分布格局,也为企业入厂模式选择提供了重要指标与仿真依据.     

基于关联规则赋权特征选择集成的信用分类研究

针对信用分类数据集中常见的高维性特征,本文基于特征袋装法和关联规则挖掘算法,构建了新的赋权特征选择集成模型AR-WSAB.该模型能根据频繁项集的支持度和置信度,对各特征的重要度进行测度,进而选择出各特征子集,训练子分类器,再通过集成得到最终结果.通过在贷款违约预测数据集上进行实证分析,结果表明该模型分类正确率相对于Bagging集成模型和PCA算法都有显著优势,所提方法能够有效处理高维性特征,并且在各分类算法上都具有普适性.     

信息不确定下的主动打断项目组合选择问题鲁棒优化

在项目组合选择问题中,历史数据的缺乏以及预测和估计过程中出现的不可避免的误差,会导致模型中的参数无法被准确地估计,进而给决策带来巨大的风险.因此,构建合适的鲁棒优化模型,为企业提供能有效应对参数不确定性的鲁棒解,对企业的风险防范具有极其重要的现实意义.本文首先对确定参数下的主动打断项目组合选择问题数学模型的特点进行了分析.进一步地,介绍了鲁棒优化问题中不确定情境集的概念,并给出了允许管理者根据其偏好确定不确定情境集大小的方法,构建了全新的基于情境的鲁棒优化模型,进而计算出在所规定的不确定情境集内的最坏情境下能保持可行性与最优性的鲁棒解,实现了鲁棒性与最优性间的权衡,最后,通过GAMS/BARON进行了算例分析,验证了模型的合理性与有效性.从理论上,本文首次将鲁棒优化理论扩展到了主动打断项目组合选择问题中,针对现有的项目组合选择问题鲁棒优化理论仅能应对有限个可行解的不足之处,提出了一类新的鲁棒优化方法,使其能够应对具有无穷多可行解的主动打断项目组合问题.从实践上,随着我国高新产业的发展,具有超前性与特殊性的研究与发展(RD)、信息科技与信息系统(IT/IS)等新兴项目的投资日益受到重视.相较于传统项目,这类项目的高度不确定性使得探究项目组合选择问题的鲁棒优化理论日益迫切.故而本文的研究具有明显的理论价值和现实意义.     

基于惩罚组变量选择的COX财务危机预警模型

随着市场竞争的日益激烈,上市公司生存压力不断增大,如何从繁多的财务指标中选择重要指标,建立有效的财务危机预警模型显得尤为重要。COX模型具有对因变量分布无假设并可以对公司生存时间进行动态预测等优点,因此本文引入COX模型,并加入惩罚组变量选择CMCP方法,对具有分组结构的财务指标进行筛选。本文根据实际的财务危机数据特征设置模拟实验,并将CMCP-COX模型与Lasso-COX模型、逐步COX模型、COX模型和逐步Logistic相比,结果表明在不同的自变量相关性下CMCP-COX模型的指标筛选和预测效果均更优。实证分析中,CMCP-COX模型在测试集上的预测准确率高于80%,尤其在"危机"类别中预测准确率高于90%,其预测准确性和AUC值均优于传统的逐步Logistic回归和其他COX模型,并呈现出了理想的时点预测效果。综合对比认为CMCP-COX模型对于财务危机预测的综合表现较好,更具有现实意义。     

基于迁移学习的室内波束选择优化方法

使用基于深度学习的室内波束选择方法可以显著提高波束匹配概率和搜索效率,但该方法需要大型数据集来调整其大量可训练参数,导致了额外的系统开销。针对这一不足,结合一种迁移学习技术,使得目标场景神经网络以小数据集方式获得与大数据集相近的匹配精度,从而减小基于深度学习的波束选择方法中数据集大小对匹配结果产生的影响。首先使用大型数据集在一个源场景中对源神经网络进行充分训练,使得网络参数能够充分包含信道状态信息以及环境信息;而后利用源神经网络参数对目标场景中的神经网络进行不同程度初始化,使该神经网络在经过小数据集训练后依然可以获得较好的波束匹配性能。仿真结果表明,针对室内波束选择场景,在数据集有限的情况下,使用迁移学习方法进行波束选择,同样可以获得较高的匹配精度。     

交通流路线选择行为演化模型

根据司机对不同路线的效用函数 ,本文建立了交通流路线选择行为演化模型 ,并利用 Master方程对该模型进行了随机型描述 .进一步地 ,对该模型进行了分支分析 ,揭示出交通流路线选择行为的一些复杂性规律 ,并应用该模型进行了交通因素对路线选择行为的影响分析 ,以求为建立和评价实时交通诱导系统提供更加全面的理论支持 .     

ATIS环境下动态选择模型的研究

建立了一种ATIS环境下的动态选择模型。该模型考虑出行者采用贝叶斯方法根据ATIS提供的交通信息和出行经验来更新路径运行时间预测（意识），并运用意识运行时间效用函数作出出行选择计划。该模型适用于模拟信息化条件下的动态选择行为。     

基于顾客选择行为的移动资费套餐优化模型

移动资费套餐是电信企业通过移动资费产品的多样化来满足市场中不同顾客需求的一种有效手段.在移动资费套餐的设计过程中,如何合理设计套餐的数量和定位细分市场,并选择套餐分档的属性值,是电信企业管理部门的一项重要任务,也是一项复杂的管理决策问题. 文中提出了一种基于顾客选择行为分析的移动资费套餐优化模型,在模型中首次引入了新产品定位中的顾客选择行为分析的思路和方法,并采用多项式分对数规则来模拟顾客的选择购买行为.同时,在优化模型中考虑了移动资费套餐的收入长期性、未来收益和资金折现率的 影响,强调以最大化顾客终身价值为目标来进行移动资费套餐方案的优化选择.最后给出了某电信公司套餐的一个实例,对所提的模型和方 法进行了计算和验证.     

拥挤交通网络中组合的交通出行、OD、路径分配与收费定价模型

提出交通网络中出行选择、讫点选择、路径选择和道路收费定价的组合模型。模型被表示为两层规划,低层表示出行选择、讫点选择和路径选择的随机均衡模型,预测驾驶员对道路收费模式如何响应;上层确定最优道路收费,以达到网络出行费用最小。     

ATIS条件下的城市交通网络系统优化模型及算法

考虑了影响ATIS(advanced traffic information system)条件下的出行者道路和停车选择行为以及影响ATIS市场占有率的主要因素,构造了基于概率的SUE模型来描述ATIS条件下的道路和停车选择问题.在此基础上,构造了双层规划模型来解决道路及停车信息条件下交通网络的系统优化问题,其中上层模型是一个系统优化问题,下层模型是描述出行者道路和停车选择的SUE模型.最后,通过一个数值例子分析了模型及算法的应用效果     

Combinatorial Model Involving Travel Choice,Destination Choice and Route Choice

1 Introductionln l952, Wardrop presented the principle of equilibrium of route choice: '7he journeytimes on all routes actualIy used are equal and less than those on any unused ones". Inl956 Beckmann et al. formulated an mathematical problem whose optimal solution satisfythis principle. lt is well known that most of the model concerning network equilibriumstudied and used are based on following simplified hypothesis: each trave1er has perfectinformation of his trip and he only choose the route…     

通勤出发时间和驻停次数联合选择模型

分析了对通勤出发时间和驻停次数进行联合建模的必要性,基于离散选择的理论方法,建立了通勤者通勤出发时间和通勤途中驻停次数的联合选择模型。并以居民出行调查数据为基础,进行了模型标定,分析了影响因素对通勤出发时间和通勤驻停数的影响。分析了出发时间和驻停数的关系,结论是出发时间与驻停数呈负相关关系,与实际的统计结果相吻合。     

多重均衡与社会选择

将社会看作一个N人博弈,以微分动态系统和微分几何为基础研究了多重博弈均衡选择问题,研究结果表明强加的或者独裁的均衡选择模式意味着在均衡选择中存在着一个强加的或者独裁的度量系统.此后,对度量系统引发的效率损失和度量系统对博弈局中人的策略选择进行了讨论.     

认知层次与信念更新对博弈合作行为影响研究

将认知层次模型引入到虚拟博弈中,考察具有异质认知层次的个体,其信念学习与更新规则对协调博弈最终均衡收敛的影响.研究表明:高阶认知层次局中人策略选择依赖于其关于低阶认知层次局中人策略选择的信念;局中人策略选择与其关于对手初始策略选择的信念有关;信念更新与博弈次数影响最终系统的合作水平.