储存系统中的最优调度问题

本文研究存货控制中，货物单价和仓库系统输出量随时间变化及存在“数量折扣”等情况下的存货控制问题。本文采用了一动态规划算法解决以上问题，算法的复杂性是Ｏ（ｎ＾３）。     

考虑前置仓选址与服务策略的同时取送货车辆路径问题研究

本文在电子商务环境下研究了面向城市小件物流配送的同时取送货车辆路径问题,兼顾前置仓的选址策略,允许车辆在配送途中前往前置仓进行补货与存货操作.依据退回货物的状态差异构建两类配送子模型,统筹安排车辆的服务路径、前置仓选址以及补货存货策略使得物流企业整体运营成本最低.其次,设计了一种基于节约算法与自适应大邻域搜索的混合启发式算法CWIGALNS求解上述问题,提出改进算子提升算法的求解效率.随后,通过9组小规模算例验证了模型的准确性和算法的有效性.最后,采用多组较大规模算例进行数值实验.实验结果表明,两类配送子模型中,前置仓提供存货服务的模式有助于车载容量的循环使用,减少车辆使用数目降低物流配送成本.本文提出的模型与算法可以为城市小件物流配送企业服务策略的制定提供良好借鉴与帮助.     

活动网络资源均衡问题及其遗传算法

本文对活动网络资源均衡问题的建模和算法分别进行了讨论，首先提出了资源均衡控制目标的概念．给出了单资源均衡问题的两类控制模式—水平型控制和单峰型控制，并就多资源均衡的目标函数进行了讨论．其次，在分析已有算法的基础上，提出了资源均衡的遗传算法，用理论分析和示例表明该方法优于传统的启发式算法．     

JOB SHOP投入控制与调度研究

在生产系统中，有效地控制工件生产指令的下达可降低库存水平，提高企业对市场的反应能力．本文将投入控制定义为一个双目标问题，即在满足工件交付期的条件下，使工件的投放时间之和达到最大．对上述双目标问题，给出了两个启发式方法和一个将分支定界法与活动调度构造算法相结合的混合最优算法．计算结果表明利用本文所提出的方法可极大降低库存水平     

集装箱多式联运系统装卸与运输一体化优化问题

集装箱多式联运（Container Multimodal Transport）是一种以实现货物整体运输的最优化效益为目标的联运组织形式。本文针对集装箱多式联运系统优化的一个核心问题——装卸与运输一体化作业优化问题，进行深入分析，提出一个分析模型，为该模型开发了实用优化算法，并通过与基准问题（benchmark problems）的对比实验显示了该算法实用性及有效性。     

平衡装载问题的优化模型和算法

根据运输条件和铁路现场实际情况，建立了以平衡配装为主要约束、车辆利用率最大化为目标、多批货物多车配装问题的数学模型，并详述了用遗传算法求解的关键技术．文章假设货物都是长方体的，并适于装在封闭容器中．长方体货物装载优化问题是NP完备的，问题本身具有重要的理论价值，并在交通运输、工业生产和空间规划等领域有着广泛的实际应用背景．     

大系统稳态优化控制的改进新算法

引入标志算法抗干扰性能强弱的灵敏度指标，讨论了稳态优化控制两步算法（参数估计与模型优化相结合）最优性的参数灵敏度问题，特别对线性模型且具有二次性能指标控制问题的标准两步法和修正两步法的灵敏度作了分析比较．并提出了适合参数估计和模型优化中存在误差时的新算法．     

多批次存货质押融资下的库存管理

存货质押可以解决企业的资金约束问题,通过动态存货质押实现可销售货物量的增加,从而减少缺货损失,增加销售利润。通过对随机需求环境下的企业收益进行分析,构建多批次存货质押融资的库存管理模型,确定最佳的存货质押业务办理次数,并对利润空间、质押率和需求波动进行敏感性分析。研究表明:利润随着产品利润空间的增加呈线性增长;随着质押率的增加,质押次数减少,利润则出现了先升后降的变化;质押次数随着需求的波动增加而增加,利润出现随着需求的波动增加出现先下降后上升的变化形式。     

确定性联合补充问题的模型及算法研究

对确定性联合补充库存控制系统进行分析，得出其关键问题是确定系统的联合补充周期和各品种货物的补充频率。建立问题的确定性联合补充数学模型，并分别介绍解决此类问题的传统算法。针对传统算法的局限性，提出一个新型的启发式算法。该算法可通过迭代过程求得问题的近似最优解。最后，通过算例对该算法进行验征，并同其它传统算法进行比较分析。结果表明该算法可以有效地解决此类问题。     

空间柔性双臂机器人系统建模、控制与仿真研究

空间柔性多臂机器人系统是高度非线性，强耦合的动力学系统，其动力学的研究是比较复杂和困难的问题．本文针对极为复杂的空间柔性双臂机器人系统，建立了其系统动力学模型，利用逆动力学控制算法对该动力学模型实现了轨迹跟踪控制，仿真结果表明该方法具有较好的控制效果，分析了在仿真过程中出现的有关数值算法的问题．     

多品种配送的库存优化模型研究

针对有容量约束的多品种配送的库存问题，通过分析各因素之间的关系，建立相应的混合整数非线性规划的教学模型，进而对该模型进行转化，在此基础上提出求其最优解的方法。     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.     

基于自组织算法的股市预测

在简要地介绍GMDH算法的基础上,讨论了基于自组织算法的股市预测问题。建立带移动平均的预测模型,使预测值可以逐个地得到。以上证指数为应用实例,实验结果表明了GMDH算法在股市预测中的有效性。     

基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用

给出一种新颖的用于股价预测的基于扩展Kalman滤波的神经网络学习算法。与传统的BP算法相比，该方法具有更好的收敛率和学习能力。通过对股票的预测实验验证该方法的可行性和有效性。     

基于Takenaka-Malmquist自适应时频分布的特征指标——来自上证和深证的数据

股票价格指数度量并反映了股票市场总体价格水平及其变动趋势，包含了丰富的市场信息，受到投资者和政策制定者的普遍关注.利用一定的数学方法对其进行分析和研究，挖掘股指的潜在价值，对加快资本市场治理，提升金融效率，促进国民经济的平稳快速发展具有十分重要的意义.本文利用基于Takenaka-Malmquist自适应傅里叶分解（简称自适应傅里叶分解或AFD）的时频分布，有效提取了股票价格指数的时频特征，分析股票市场的变动趋势.为满足自适应傅里叶分解的要求，首先利用H-P滤波算法对时间序列进行预处理，去除时间序列的趋势项，然后利用AFD算法处理周期项数据，在此基础上得到股票价格指数的时频分布，并进一步分析股指变动趋势.基于自适应傅里叶分解的算法可以有效提取股指在时频两域的信息，避免了单一域分析的缺陷，且比现有的小波分解方法具有更高的分辨率和准确度.为检验指标的有效性，本文利用上海证券交易所的上证综合指数（代码000001）和深圳证券交易所深证成份指数（代码399001）实证检验了指标的有效性，结果表明基于自适应傅里叶分解的时频分布提出的股市技术分析指标可以用于中短期股票市场的变动特征分析.     

基于模糊关联规则的股票市场交易规则抽取

将模糊关联规则应用于股票市场的交易规则抽取,以期能为投资者投资做出正确决策.首先选用聚类方法对模糊集属性进行离散化,进而构造模糊集和隶属函数,给出模糊集构造算法,最后提出适合股票交易规则抽取的模糊关联规则算法FARS.实验结果表明,所得规则能很好的反映股票交易中的实际情况.     

遗传算法在股票短期投资决策中的运用

针对传统投资分析方法的局限性和一定程度的片面性 ,提出将遗传算法运用于股票短期投资分析 ,具体解释了染色体、适应值等参数在股市分析中的实际意义 ,并设计了选择、杂交、变异算子的使用方案 ,同时改进了算法——提出“伸展算子”.最后以上海股票市场为例 ,进行实证研究 ,通过实验数据和结果的分析 ,说明算法的有效性 .     

分布式MPC在网络化制造环境下SCM中的应用

针对网络化制造环境下动态供应链管理特点,利用分布式模型预测控制技术解决供应链中动态优化控制问题。首先,阐述动态供应链运行机理,并以此提出完整的随机动态优化控制模型及其控制约束;其次,给出分布式模型预测控制算法,并构建了优化控制序列模型;最后,仿真实例结果表明,利用分布式模型预测控制技术计算供应链中各阶段订货率,可以预测企业各阶段理想库存,从而快速响应市场动态变化,有效控制供应链管理中的不确定性。     

集合竞价算法对股票价格的影响

构建集合竞价数学模型,设计实现算法,采用理论分析与金融实验相结合的方法,从静态与动态两个角度研究集合竞价机制中的成交价决定原则对股票价格的影响,得到结论: 1)不同的集合竞价成交价决定原则, 产生不同的股票价格;2)从长远来看, 集合竞价成交价决定原则,对股价走势的影响是长期和重大的; 3) 是否引入更少系统风险,集合竞价算法中的中间成交价和参考价格原则并不比最小或最大成交价决定原则好多少.研究结论对证券交易机制设计具有理论和实践指导意义.     

基于T-S模型的模糊神经网络在股市预测中的应用

采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.