电子商务中面向产品线的动态定价方法研究

研究电子商务零售中产品线动态定价决策的优化问题.决策的实时性需求和计算复杂性是该问题的难点.对此,首先提出市场需求状态模型和需求状态的估算方法,在此基础上,进一步提出产品线动态定价的优化模型,最后,提出一种基于自组织神经网络的Q学习算法来求解产品线动态定价的优化问题.模拟实验结果表明,用该算法求解产品线动态定价问题具有较高的效率和效用.     

电子商务中面向延迟购买行为的易逝品动态捆绑策略

研究电子商务零售中动态捆绑决策的优化问题. 延迟购买行为会大大降低易逝品零售商的收益水平, 动态捆绑策略是有效解决延迟购买效应的一种营销手段, 计算复杂性和决策的实时性需求是实施动态捆绑策略的难点. 对此, 首先基于延迟购买效用分析提出了易逝品市场需求状态模型和动态捆绑的决策过程模型, 并给出了决策过程模型中随机参数的估计方法. 在此基础上, 根据问题特点对传统Q学习算法加以改进, 使之适应动态捆绑策略的优化问题. 模拟实验结果表明: 1)延迟购买程度越大, 动态捆绑策略对收益的贡献也越显著; 2)用所提出的改进型Q学习算法求解动态捆绑策略优化问题具有较高的效率和效用.     

基于状态转换的顺序式异步数据融合算法

针对现有基于伪量测的异步融合算法存在的实时性差、融合时刻中心处理器计算负荷大以及引入噪声等相关问题,提出一种新的基于状态转换的多传感器顺序式异步融合算法。新算法通过连续系统离散化获得融合周期内各采样点同融合时刻之间状态的动态关系,并利用该关系来建立相邻两个采样时刻间符合标准Kal-man滤波条件的状态递归方程以及相应的测量方程,然后通过执行顺序Kalman滤波来实现异步数据融合。详细推导了融合算法的具体形式,并通过理论分析和计算机仿真证明了该算法不仅能避免现有基于伪量测的异步融合算法所存在的诸多问题,而且能获得更好的跟踪性能。     

集装箱班轮运输两阶段舱位分配与动态定价模型

为解决随机需求环境下集装箱班轮运输的舱位分配与动态定价问题, 依据班轮运输市场的合同客户和普通客户分类, 分两阶段分别建立了合同市场客户重箱运输与班轮公司空箱调运的舱位分配模型以及现货市场分时段动态定价模型, 并针对舱位分配模型的随机特征和动态定价模型统计量的误差特性, 分别设计机会约束和稳健优化算法求解, 算例验证了上述模型与算法的适用性和有效性.     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

改进Q学习算法在作业车间调度问题中的应用

为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明：该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。     

考虑采购数量的季节性商品动态定价问题

研究了一个同时考虑商品采购数量和动态定价的季节性商品销售策略问题.顾客可以通过网络订购 和现场购买两种方式购买该商品,且网络订购商品由销售商免费派送.两种方式下的商品需求量都是关于商品价格 和购买时间的函数,而网络顾客在收到商品之前, 会以一定的概率取消订单.销售商在销售期内, 需要通过动态调整 价格的策略来刺激消费者购买商品,以保证在销售季节内完成商品销售任务并提高销售商收益.提出了一个可以同时确定最佳采购数量和最优商品动态定价策略的数学模型,优化的目标是最大化销售商的收益, 并给出该模型的求解 算法.最后的算例表明, 模型和算法是有效的, 且相对静态价格策略,动态价格策略能为销售商带来更多的收益.     

基于强化学习的需求分布未知情境下酒店客房动态定价研究

传统酒店动态定价研究大多考虑改进需求预测方法或考虑需求环境已知,而现实生活中需求分布通常是未知的.本文考虑需求分布未知的情境,建立基于马尔可夫决策过程的酒店客房多周期动态定价模型,并利用强化学习方法,提出基于SARSA(λ)的改进算法对客房动态定价模型进行求解.为提升算法的求解能力和收敛速度,提出了基于改进ε-greedy策略的ε-SARSA(λ)算法和基于改进模拟退火策略的ISA-SARSA(λ)算法.通过数值实验对比SARSA(λ), ε-SARSA(λ), SA-SARSA(λ)和ISA-SARSA(λ)四种算法的收益优化结果,验证了改进算法的有效性,结果显示, ISA-SARSA(λ)算法求解性能最好.     

基于Q-学习和粒子群算法的区域交通控制模型

针对城市交通系统的动态性和不确定性,提出了基于Q-学习和粒子群算法相位差优化算法,对区域交通动态实时控制进行了研究。根据不同的交通流恃况确定不同的区域控制目标函数,捋Q－学习的类惩机制引入粒子群算法的选优过程中,通过改进的粒子群算法实时优化区域控制策略。编制该控制方法的仿真程序,应用AIMSUN仿真软件验证算法的控制效果。结果表明,该方法对不同交通量下可保持较高的控制效率,控制效果明显优于感应控制。     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

认知无线网络空闲频谱共享的竞争与合作定价

在频谱贸易中,价格是一个关键问题。针对认知无线网络中多个主用户的空闲频谱最优定价问题,在竞争模型下,基于非合作博弈论提出了竞争价格模型求解算法,并证明了该算法收敛到唯一的纳什均衡;在合作模型下,通过求解原问题的对偶问题,提出了合作价格模型求解算法,并证明了该算法在步长足够小时收敛到全局最优解。仿真结果表明,同已有的几个算法相比,所提的两个算法速度更快,取得的总收益相对更好,且均能较快地靠近最优解。     

利用k近邻区间距离的异步抗差航迹关联算法

针对异步和系统误差并存情况下的航迹关联问题, 提出利用航迹序列k近邻区间距离的异步抗差航迹关联算法。定义区间序列与区间点的k近邻区间距离度量, 提出系统误差区间化方法, 通过不等长航迹区间序列间的灰色关联度, 利用经典分配法进行航迹关联判定。与传统算法相比, 对系统误差先验信息的要求低。仿真结果表明, 算法能以较高正确率实现稳定关联, 具有良好的抗差性。算法亦可处理异步不等速率航迹关联问题, 无需时域配准, 具有明显的优势。     

基于定时的航空集群机载网络更新方法

针对当前异步网络更新方法更新时间长且无法避免更新死锁的问题, 为降低更新期间的网络性能损失, 提出一种基于定时的航空集群机载网络更新方法。考虑真实的链路时延, 将时间参数与更新依赖图相结合。首先，构建基于时间的更新依赖图。其次，设计贪婪调度算法为每个更新操作分配更新时间步。最后，实现定时网络更新, 避免了异步更新中的更新顺序协调。仿真实验表明, 与现有异步更新方法相比, 所提定时更新方法能够降低50%~60%的更新时间, 减少网络更新期间的更新死锁率和网络拥塞。     

基于最大化能效的海上中继通信频谱分配算法

为提升海上无人艇编队多跳中继网络整体能效, 降低中断发生概率, 提出一种基于最大化能效的分布式多跳中继频谱分配算法。为将节点间通信中断概率控制在阈值范围内, 首先对莱斯衰落信道进行分析, 计算满足需求的最低发射功率; 之后计算所需最多子载波个数, 引入异步分布式定价算法选取备选子载波组; 而后通过求解KKT条件, 利用次梯度法从备选子载波组中选取子载波并分配功率, 求得优化分配的次优解; 最后在系统可靠性与能效等方面进行仿真分析, 验证了所提算法的有效性。     

基于SCA的欠定跳频网台分选方法

针对组网跳频信号在欠定条件下网台分选效果不佳的问题,提出了一种基于稀疏成分分析(sparse component analysis, SCA)的欠定跳频网台分选方法。在估计混合矩阵时,首先利用观测信号的实部与虚部方向一致性检测时频单源点,在采用S变换构造时频比矩阵的基础上,利用方差法实现了混合矩阵估计;在源信号恢复时,利用改进的子空间投影法得到源信号的时频域分离,最后可通过S逆变换得到时域分离信号,从而实现了欠定条件下的跳频网台分选。仿真结果表明，该方法有效实现了混合跳频信号在欠定条件下的网台分选且适用于跳频同步或异步组网方式,提高了分选性能和抗噪性能。     

基于信息素异步更新的蚁群算法

针对基本蚁群算法中蚂蚁速度无限且信息素同步更新的假定前提,提出一种基于信息素异步更新的改进蚁群算法。该算法以蚂蚁的速度有限为前提,采用异步更新规则来调整各个蚂蚁的信息素浓度,从而间接改变蚂蚁间合作方式。该算法更忠实于实际蚁群的寻路过程,算法具有更好的全局搜索能力。基于旅行商问题的实验验证了算法的有效性、鲁棒性及解的多样性。     

基于IGA的异步电机功率因数和机械效率优化(英文)

为提高三相异步电机在轻载和空载运行时的功率因数与机械效率,提出运用智能遗传算法对功率因数和机械效率进行综合优化,算法借助于正交表试验设计和智能型交配运算等步骤,改善遗传算法的性能。仿真结果表明基于智能遗传算法的异步电机功率因数和机械效率综合优化,方法简单、有效,能明显提高功率因数和机械效率,提高节能控制效果,提高优化精确度和计算速度。     

一种时空联合约束的多源航迹相似性度量模型

针对传统方法无法有效度量多源异步航迹时空相似性的问题,该文提出了一种适用于多源异步航迹的相似性度量模型。基于时间和空间联合约束下寻找近似时空特征匹配点的思想,通过设置时间和空间阈值上寻找符合要求的匹配点,并通过空间相似函数度量匹配点的相似性,确定最优匹配点并计算多源航迹间的航迹时空相似度。实测数据表明,该模型可以有效度量异类传感器航迹的相似性,且时间性能较优。基于该模型的航迹关联算法在仿真的复杂多目标环境中的关联准确性优于现有算法,且在对海雷达误差估计中得到了应用。     

基于博弈论和效用论的认知无线电功率控制算法

提出了一种基于博弈论和效用理论的认知无线电功率控制算法。算法将认知用户发射功率净效用函数表示为效用部分和代价部分之差。对效用部分,用Sigmoid型效用函数替代David提出的幂指效用函数,并对替代误差进行补偿;对代价部分,提出了参考历史发射功率经验的代价函数,使得代价的变化更加平稳。仿真分析表明,本文算法与传统算法相比,不仅提高了系统稳定性,而且减少了系统的误差和控制开销。     

分布式MIMO系统中基于矩阵分割的检测算法

针对分布式多输入多输出(multiple input multiple output, MIMO)系统中由于收发天线在地域上的离散分布所引起的异步接收问题,提出了一种基于矩阵分割的串行检测算法。该算法先从等效信道矩阵中划分出较小的矩阵,然后在此矩阵内进行检测。检测出的结果,部分用于干扰消除,部分用于和之后的检测结果合并。最后,从干扰消除后的信道矩阵中再划分矩阵,重复检测步骤,直至所有信号被检测出。在瑞利衰落信道下的计算机仿真表明,该算法与已有的分布式天线下的排序干扰对消(distributed antenna ordering successive interference cancellation, DA-OSIC)检测算法相比,可支持信号的连续发送,且随着发送序列的增长,算法性能逐步逼近DA-OSIC算法,并具有较低的计算复杂度。