关于群体惩罚评分映射的理性条件

提出基数型群体决策的匿名性、中立性、正响应性、非负响应性、强Pareto原则和局部非独裁性等理性条件,证明了与群体惩罚评分方法相对应的群体惩罚评分映射满足所有这些条件.     

具有惩罚策略的公共物品博弈与合作演化

采用演化博弈方法,研究具有代价的第二方惩罚机制对于公共物品博弈均衡选择及群体合作行为的影响.将群体策略选择过程描述成一个多维马氏过程,通过极限分布分析系统演化稳定状态.分别考虑只对背叛策略进行惩罚的一阶惩罚机制和同时对背叛及不惩罚背叛的合作(二阶背叛)都进行惩罚的二阶惩罚机制.研究发现,与一阶惩罚相比,二阶惩罚机制可以在更大参数范围内促进群体合作的产生,系统存在选择不同均衡结果的惩罚参数临界值.并将结果与复制动态模型进行了对比.     

第三方惩罚机制与双边合作秩序的维持——来自房地产征用补偿的实验证据

惩罚机制已被广泛认为是执行社会规范的有效机制.引入房地产征用补偿实验背景,设计了标准独裁者博弈实验,第二方惩罚的标准最后通牒博弈实验以及第三方惩罚的补偿调整情形独裁者博弈实验组成的三合一实验,研究了第三方惩罚机制对双边合作的影响.研究结果表明:行为人在不同类型实验中呈现出行为异质性,第二方和第三方为维持双边合作秩序会对利益分配不公平行为进行不同的惩罚行为;惩罚行为的伤害能力随着第三方的介入变得更加强大,进而有效地维持了双边合作秩序.因此,与第二方惩罚机制相比较,引入惩罚伤害性强的第三方惩罚机制更有利于双边合作秩序的维持,此结论对解决我国房地产征用补偿纠纷等社会合作难点问题提供了一定的政策借鉴依据.     

基于热门物品惩罚和用户兴趣变化的知识推送算法

为了提高用户相似度计算的精度和知识推送的准确度,提出了一种基于热门物品惩罚和用户兴趣变化的协同过滤推送算法。该算法首先对知识项进行聚类;其次在每一类中引入用户兴趣度函数来对类内未评分知识项进行评分值预测;然后在每个类的用户相似度计算中引入热门物品权重系数,用以惩罚热门物品对用户相似度的影响;最后在推送当中引入用户兴趣随时间变化的权重系数。实验还采用MovieLens数据集进行了测试,结果表明,改进后的算法比传统的协同过滤算法在推送准确度上有明显提高。     

区间信息下的大规模群体DEMATEL决策方法

针对现有区间数DEMATEL决策方法大多适用于中小规模群体,且未考虑区间数具有正态分布特征的情况,提出一种新的区间信息下的大规模群体DEMATEL决策方法.首先,给出一种群体区间数DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL评分进行分组;其次,在三维区间密度算子的基础上,对大规模群体DEMATEL评分进行集结;最后,提出一种改进的基于区间数DEMATEL的指标权重确定方法,并进行多属性决策.文末通过一个算例验证了所提方法的有效性与合理性.算例分析表明,该方法不仅能够较好解决具有正态分布特征的区间数DEMATEL决策问题,还能够充分考虑大规模群体决策的共识度,因此使得决策结果更为客观合理且更为可靠.     

递阶流率控制模型在流程工业生产系统中的应用研究

研究了由一套不可靠装置组成的流程工业生产系统的最优生产控制策略，该系统能生产多种产品，但在同一时刻只能生产一种产品，并且当装置由生产一种产品向生产另一种产品切换时，需要考虑stup时间及其成本。通过引入新的状态变量和目标泛函的积分上限，构造了新的递阶控制模型来逼近原始问题。并对系统中惩罚系数$C_i^+(C_i^-)$对最优控制策略的影响进行了讨论。     

动态惩罚机制下互联网金融平台行为及监管策略的演化博弈分析

运用演化博弈理论研究了互联网金融平台行为及监管策略的博弈演化过程,系统考察了互联网金融平台行为及监管博弈过程的影响因素,并重点对固定惩罚机制和动态惩罚机制下互联网金融平台行为及其监管策略博弈均衡进行了比较.研究表明,固定惩罚机制下,互联网金融平台和金融监管机构的博弈过程不能达到稳定的均衡状态,两个群体的行为呈现周期模式.动态惩罚机制下,互联网金融平台和金融监管机构间的博弈演化轨迹呈螺旋收敛的趋势;互联网金融平台的"自律"的初始概率不同,其随时间演化收敛到不同的均衡值;提高最重惩罚度上限,互联网金融平台选择"自律"行为策略的概率增加.     

大维数据背景下金融协方差阵的估计及应用

协方差阵在投资组合和风险管理中扮演着重要角色,但是大维数据给传统的协方差阵估计方法带来了巨大挑战.本文将改进的乔列斯基分解和惩罚函数等非参数方法应用到DCC模型的估计中,提出了非参数DCC模型(NPDCC).NPDCC模型首先通过改进的乔列斯基分解方法,将DCC模型估计中复杂的协方差阵估计问题转化为一系列的回归模型,然后通过引入惩罚函数,将一些回归系数压缩为零,解决了维数诅咒问题,使得大维动态条件协方差阵的估计成为可能.通过模拟和实证研究发现:较DCC模型而言,NPDCC模型明显提高了大维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.     

带有惩罚项的多项式样条函数利率期限结构模型实证比较

针对多项式样条函数利率期限结构模型在曲线近端存在过度拟合的问题,首先提出了带惩罚项的自适应半参数回归方法来确定拟合函数的未知参数,同时应用广义交叉验证法确定正则化参数,并利用遗传算法求解惩罚因子的最优值.其次与多项式样条函数利率期限结构模型进行了实证比较.结果表明:所给模型能够提高曲线拟合的平滑度, 但可能降低曲线的拟合精度.     

两种基于CVaR准则的供应链返利与惩罚契约研究

研究随机需求下,当零售商是风险厌恶时两种不同类型的供应链返利与惩罚契约,即基于零售商的订货量(ORP)或基于产品的实际销量(SRP)进行的返利与惩罚,并与零售商是风险中立时的情形进行对比.研究表明,与传统SRP契约不同的是,如果制造商对零售商的返利与惩罚幅度太大,ORP契约下零售商会无限提高订货量而不能实现供应链协调.当零售商的风险厌恶程度满足一定的条件时,通过设计合适的契约参数,两种供应链返利与惩罚契约均可使供应链达到协调.最后通过算例验证了不同情形下契约的有效性.     

装配式供应链企业间缺货惩罚契约模式设计

针对零配件供应商产量不确定对制造商后期装配生产的影响, 本文在一个“两供应商-单制造商”构成的二阶装配式供应链系统中, 构建了分散决策下的供应链成员利润模型和集中决策下的供应链总利润模型. 并研究了不同类型缺货惩罚的设定对供应商产量决策的影响, 从提高供应商协同积极性的角度提出了一种惩罚契约模式, 使供应商主动选择集中决策下的供应链最佳产量. 数值分析表明该模式可以调节供应链总利润在供应商与制造商之间的分配, 这有利于促进供应链成员之间关系的和谐.     

变权决策中均衡函数均衡效果

讨论和型与积型可分解均衡函数的均衡效果.首先引入惩罚力度和激励力度两个概念,它们分别反映可分解惩罚式均衡函数和激励式均衡函数在变权决策过程中的均衡能力.然后从三个角度分析均衡函数在不同惩罚力度或激励力度下的均衡效果:一是对变权向量的orness测度值的均衡效果;二是对因素权重的均衡效果;三是对综合决策值的均衡效果.结果表明,从可分解均衡函数的惩罚力度和激励力度出发,能很好地掌握均衡函数在变权决策中的作用规律,并且能为变权决策过程中如何选择合适的均衡函数从多方面提供考量准则.     

一种新的有优序综合评价的群决策方法

在群决策中存在着多个决策者根据自己的知识、经验和偏好独立选择决策方法 ,对决策方案集作出决策后 ,如何综合确定群体决策方案的多人多指标群决策问题。针对这类问题中决策信息量较少 ,而决策一致性较差的特点 ,在分析一些决策方法的基础上 ,提出了一种多人有优序综合评价的群决策方法。该方法首先采用总体偏差法对决策方案进行分类 ,然后对元素个数多于 1的类采用足码法进行排序 ,最后综合得到整个决策方案的排序。通过具体算例的比较 ,表明该方法弥补了原有方法的不足 ,具有明显的有效性。     

An Exact Penalty Function Method for Linear Static Stackelberg Problem with Multiple Leaders and Multiple Followers

ＡｎＥｘａｃｔＰｅｎａｌｔｙＦｕｎｃｔｉｏｎＭｅｔｈｏｄｆｏｒＬｉｎｅａｒＳｔａｔｉｃＳｔａｃｋｅｌｂｅｒｇＰｒｏｂｌｅｍｗｉｔｈＭｕｌｔｉｐｌｅＬｅａｄｅｒｓａｎｄＭｕｌｔｉｐｌｅＦｏｌｌｏｗｅｒｓＬＩＤｅｎｇｆｅｎｇ；ＣＨＥＮＳｈｏｕｙｕ（Ｄｅｐ...     

二维足码定位法的缺陷分析与综合评价新方法

用具体例子说明了“二维足码选择定位法”存在不足和缺陷 .在考虑保持每个方案排序的相对重要性的前提下 ,给出一个新的综合评价方法 ,并通过实例说明了新方法的计算过程 .该方法不存在二维足码选择定位法的不足和缺陷 ,且更加简单、实用而有效.     

基于模糊区间分和模糊重心的决策方法

首先分析了传统的模糊决策理论的不足，提出了一种基于模糊重心的多目标方案决策方法，该方法能利用评测专家所给的模糊区间分，从而既方便了评测专家表达其评测意见，又充分利用了专家的评测意见，因而有利于提高决策的准确性.     

用混沌搜索求解非线性约束优化问题

提出了一种用混沌搜索求解非线性约束优化的新方法 .利用罚函数思想将约束问题无约束化 ,再利用混沌的内在随机性与遍历性进行求解 .算例仿真结果表明 ,算法简单实用 ,性能良好 ,是解决非线性约束优化问题的有效途径 .     

一种通用的阵群目标队形识别方法

受传感器检测性能和观测噪声的影响,阵群成员位置观测集合往往具有不完全性和不确定性,并含有杂波。这种情况下,基于固定基准点的传统阵群目标队形识别方法不再适用。为此,提出了一种通用的阵群目标队形识别方法。该方法根据不同的队形模板和队形观测,动态选择二者队形描述的基准点,有效地抑制了漏检、位置噪声和杂波对阵群目标队形描述的影响;通过队形观测和队形模板的队形描述之间的匹配来对前者的队形进行识别。仿真实验验证了所提方法的有效性。     

The distribution-free newsvendor problem with balking and penalties for balking and stockout

This paper investigates the ordering policy for the newsvendor problem with customer balking and penalties for balking and stockout. Our analysis is based on the assumption that only the mean and the variance of the demand distribution are known. In contrast to the existing research, we provide a new tradeoff tool as a replacement of the traditional one to weigh the holding cost and the goodwill cost segment： the balking penalty cost and the stockout penalty cost. Specifically, in addition to the stockout penalty, we also introduce the balking penalty, provide a new proof of the optimality of robust ordering policy to guarantee that the lower bound of expected profit obtained by us is tight, and get an robust optimal order quantity which is an exact solution but not an approximate one as before. Numerical experiments are conducted to illustrate the effect of penalties for balking and stockout.