浅议电费收缴的管理和对策

分析了电费收缴困难的原因,提出要从增强法制观念、提高预警能力、推广付费购电制、采用高科技手段和提高内部服务质量等几方面入手,缓解电费收缴难的问题。     

关于电费收缴存在的风险及防范措施的分析

电是一种特殊商品，产、供、销同时进行，使得电力商品在供用双方的交易中出现了“钱货”交换时间的不同期，正是这时间差给供电企业电费收缴工作带来了一定程度的困难。供电企业需要承担一定的客户用电后不按期按约缴费的经营风险，一旦电费回收风险加剧，不仅严重影响着供力企业的资金周转，同时制约供力企业的继续不断发展。     

基于激励策略自报电量的电价算法研究

研究了用户自报用电量的激励电价的建模问题,并设计了相应的电价算法.该模型的主要思想是,让用户自己申报每月的计划用电数额,实际用电超额或是没达到自报额,将给予惩罚性质的电价.运用对策论中的激励Stackelberg策略对模型中的单位电价进行线性激励.此电价模型鼓励用户根据自己的实际需要自报合适的用电量,从长远效益来看,起到了节约资源、满足需求的作用.最后,利用MATLAB对所制订的激励策略进行了数值仿真,仿真结果说明所得方法的有效性和结果的实用性.     

我国专业皮划艇运动员奖惩机制及其效果研究

对我国多个专业皮划艇运动队奖惩机制及其效果进行了调查研究．结果表明,目前我国专业皮划艇运动员的物质奖励主要是奖金与津贴,而精神奖励则以口头表扬、点头或竖大拇指肯定、给予荣誉称号为主,最常用的惩罚手段是罚运动量、罚款和批评;奖励机制中激励效果最显著的是获得比赛资格、退役安置,惩罚机制中激励效果最显著的是禁赛和停训．     

奖惩机制下规范建筑垃圾清运行为的演化博弈

就现有情况而言,政府环保部门需要改革对建筑垃圾清运行为的管理并采取更加合理的奖惩机制,使得相关单位自觉进行建筑垃圾清运过程中的整改.本文对现有政府和建筑垃圾清运单位可能采取的两种策略进行演化博弈模型的构建,针对双方收益变化时出现的四种演化稳定情况分析政府奖惩机制的改变对演化稳定点的影响,并运用MATLAB进行数值仿真以分析策略选择的过程和演变趋势,验证模型的有效性.最后提出对政府奖惩机制的几点建议.     

基于奖惩的政府付费PPP项目支付机制研究

为解决政府付费PPP项目因公私双方信息不对称引发的偷懒问题和政府激励不足引发的整体次优问题,本文基于演化博弈理论,研究了不同奖惩制度对政府和私营部门的稳定策略的影响,并确定了最优奖惩系数的阈值。结果表明：在私营部门具有信息优势和政府激励不足的情形下,缺乏奖惩制度的支付机制会导致偷懒问题和整体次优问题,而引入奖惩制度、确定合适奖惩系数的支付机制可有效解决偷懒问题和整体次优问题。     

政府动静态奖惩机制下基于区块链的工程信息共享策略演化博弈研究

为确保区块链上的项目建设方参与节点遵循协议共享初始真实信息,基于有限理性演化博弈理论,建立政府-项目建设方双方博弈信息监管模型。在政府采取不同动静态奖惩策略下对项目建设方博弈策略进行演化稳定分析。结果表明：政府采取静态奖惩策略时,博弈系统不存在演化稳定策略,采取动态奖励静态惩罚、静态奖励动态惩罚、动态奖励动态惩罚策略时,系统存在演化稳定策略;动态奖励静态惩罚策略优于另外两种策略;项目建设方共享真实信息的概率与政府监管成本成负相关,与奖励上限值成负相关,与惩罚上限值成正相关。     

动态资本注入的最优投资策略

企业在维持原有经营过程中,将资金投资到股票市场.以盈余用作投资资本,进行多阶段动态投资.盈余过程由布朗运动刻画,效用函数刻画企业对风险和收益的态度.在效用函数最大的前提下,得到了各投资时刻的最优投资组合.该研究为企业提供了一种切实有效的投资策略.     

具有遗忘机制的在线宽度学习算法

对动态数据流的在线学习问题,传统的在线BLS(Broad Learning System)算法无法准确地捕捉数据最新的变化趋势。为此提出两种具有遗忘机制的在线BLS算法——基于遗忘因子的在线BLS算法(FF-OBLS:Online Broad Learning System based on Forgetting Factor)和基于滑动窗口的在线BLS算法(SW-OBLS:Online Broad Learning System based on Sliding Window)。FF-OBLS在在线学习过程中通过为旧样本添加遗忘因子以体现新旧样本对学习模型的不同贡献,SW-OBLS在在线学习过程中通过删除旧样本以消除旧样本对学习模型的影响,从而使学习模型对动态数据流的后续趋势做出更准确的分析和预测。为验证提出的两种在线BLS算法的有效性,使用动态回归数据集进行实验。实验结果表明,具有遗忘机制的在线BLS模型在预测精度和时间开销上均优于传统在线BLS模型,更适合处理动态数据流问题。     

激励Stackelberg策略下的电价算法

讨论了电力市场中制定电价算法的问题.首先将对策论中的激励Stackelberg策略概念引入到简化了的电力市场系统模型中.从用户获取最大效用函数的角度出发,研究了适合于电力市场合理发展的动态电价的新方法.该算法较以往单一电价的制定更加合理,具有激励性质.根据电力公司的生产能力再结合当时当地用户对电力的需求,分别采用线性激励策略和非线性激励策略,制定更加合理有效的电价政策.利用MATLAB对所制定的两种激励策略进行了数值仿真,仿真结果说明所得方法的有效性和结果的实用性.     

基于树的批价策略组织结构设计与实现

通过对传统的批价策略应用分析,提出了针对IPTV系统基于树的批价策略的组织结构(批价策略树),并以IPTV中的视频点播(VOD)服务的批价引擎的设计为例,详细阐述了批价策略树的原理及其实现.     

基于动态筛选策略的SMO改进算法

提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。     

基于博弈论及惩罚机制的多Agent协作控制算法

针对协作过程中自利的Agent选择回报更高的任务去执行,导致当前任务不能正常执行的问题,提出一种基于博弈论及惩罚机制的协作控制方法.在形成协作时优先选择信誉值较高的Agent,在协作执行过程中利用惩罚机制来约束退出协作的Agent的行为.仿真结果表明,该算法能有效地避免Agent在协作中随意的退出,确保协作任务的顺利执行,提高协作成功率.     

基于免疫机制的径向基函数网络动态训练方法

提出了一种针对动态系统的两级径向基函数（RBF）网络训练方法.该方法借鉴自然免疫系统的动态特性和自适应处理能力,将RBF网络的隐层节点分为粗、细拟合节点,分别对动态系统中的稳定部分和突变部分作不同强度的训练.通过自适应免疫机制,较大地降低了计算复杂度,提高了系统的动态追踪能力.仿真结果表明,所提出的方法能较好地平衡训练精度与收敛速度的矛盾,达到了很高的性能.
     

基于遗传-粒子群优化算法带有缓存机制的卸载策略

为了满足移动边缘计算(Mobie Edge Computing, MEC)场景中时延敏感型应用的需求,提出一种基于遗传-粒子群优化算法(Genetic-Particle Swarm Optimization Algorithm, GA-PSO)和缓存机制的卸载策略。该策略将遗传算法和粒子群优化(Particle Swarm Optimization, PSO)算法融合起来,以便求取边缘计算卸载中的最优卸载比例和缓存决策;将已完成且重复请求的任务及相关数据在边缘云上进行缓存,用以最小化任务的卸载时延。仿真实验结果表明,该策略可以有效降低移动边缘计算的时延。     

基于TLSmote-SVM的非均衡用户窃漏电诊断算法

针对支持向量机(support vector machines,SVM)检测异常用电用户精度受样本非均衡性和核函数选择影响的问题,提出一种基于TLSmote-SVM(tomekLink-smote-SVM)的窃漏电诊断模型.首先基于用电用户数据分布,利用Smote方法扩充少数类样本,同时采用Tomek-link剔除噪声...     

Event-driven Dynamic and Intelligent Scheduling for Agile Manufacturing Based on Immune Mechanism and Expert System

Based on the biological immune concept, immune response mechanism and expert system, a dynamic and intelligent scheduling model toward the disturbance of the production such as machine fault, task insert and cancel etc. is proposed. The antibody generation method based on the sequence constraints and the coding rule of antibody for the machining procedure is also presented. Using the heuristic antibody generation method based on the physiology immune mechanism, the validity of the scheduling optimization is improved, and based on the immune and expert system under the event-driven constraints, not only Job-shop scheduling problem with multi-objective can be solved, but also the disturbance of the production be handled rapidly. A case of the job-shop scheduling is studied and dynamic optimal solutions with multi-objective function for agile manufacturing are obtained in this paper. And the event-driven dynamic rescheduling result is compared with right-shift rescheduling and total rescheduling.     

武术技击模式演进的动力机制研究

运用文献资料、访谈、问卷调查、数理统计及逻辑分析法研究了影响武术技击模式演进的主要动力因素,并对其内外因素进行界定.认为其作用机制是主导与多元相统一的动力机制,在不同时序和不同阶段武术技击模式演进受多元动力作用是不同的,在诸动力因素作用中“技术轨道”是首位权重.     

一种基于Java应用构件动态重定位模型

提高分布应用性能和各种资源利用率的关键途径是尽可能地减少处理机间的通信量和让处理机忙于有用的工作．在因特网环境下，现有提高分布应用性能和各种资源利用率的工作存在一定的不足，如不能在邻居局域网范围内进行负载平衡．提出了基于局域网簇和“通讯录”的应用构件动态重定位模型．在该模型中，一方面对局域网簇内负载进行平衡，另一方面针对构件远程调用决策重新定位构件或复制构件副本以提高分布应用的性能．另外，构件动态重定位模型必须满足构件迁移前后一致性，给出了一种基于通讯录的构件通信算法，解决了该一致性问题并且具有较高的效率．实验结果表明该模型是可行和有效的．     

基于MANET接入Internet的负载均衡机制及其算法

在MANET接入Internet的网络环境中,由于移动节点集中使用某些位置上的网关来实现接入,造成这些网关的负载增加,性能下降.为了能够均衡利用网关及各移动节点,提出了一种新的利用动态网关和多径技术实现MANET接入Internet负载均衡的路由机制.该机制使用多路径进行传输,并在多个候选路径之间按一定的比例均衡分配通信流量;同时,在选择网关时尽量选择低负载的网关,均衡网关的负载.仿真分析结果表明:该算法能有效降低分组的平均传输延迟并提高网络的吞吐率.