考虑外科医生绩效的择期手术占台问题研究

考虑到择期手术排程过程中,不同的主刀医生可能会告诉手术排程中心虚假的手术需求信息。在收益函数中引入惩罚成本,分析了主刀医生虚报手术台数对收益函数的影响。数值算例结果表明,适当的惩罚成本能有效解决择期手术排程过程中虚报手术台数问题,以到达在主手术日多排一些手术的目的。     

伟大胜利后的悲剧

麻醉剂的发明:医学史上的里程碑事件1846年10月16日,美国波士顿哈佛医学院的教授沃伦做了一次里程碑性的手术公开表演。这次表演的特别之处是手术在乙醚麻醉下进行。主刀医生是沃伦,麻醉师是牙科医生莫顿,病人是一个左颈部长有一个肿瘤的青年阿波特。手术台四周有很多观看示范表演的医生和记者。     

保持清醒

车祸中受伤的汤姆逊被送进邻近高速公路的乡村医院时,已是生命垂危。医生在迅速查看孩子的伤情后,说:孩子颅内大出血,要尽快手术。说完就开始叹气,因为当时医院里根本没有主刀大夫,可最近医院的医生赶来也需要5个小时,更要命的是,医院连普通的强心药品都没有。孩子处于极度昏迷状态,随时都会因中枢神经失去知觉而使心脏停止跳动!这时,汤姆逊的父母异常沉着地告诉医生:“我们的孩子很勇敢,一定能坚持到主刀大夫赶来!” 漫长的5 个小时过去了,主刀大夫及时赶到了医院,成功地为汤姆逊做了手术。半个月后,汤姆逊竟死里逃生般地清醒过来,在场所有…     

基于马尔科夫过程的网络交易单积分声誉系统

基于鼓励商家在交易中选择守信策略,考虑对商家利益的保护,该文提出电子商务的单积分声誉机制的理念。分析电子商务平台上声誉与顾客到达之间的函数关系;建立基于连续时间Markov决策过程(CTMDP)的电子商务交易模型,给出不同策略下的收益函数;基于上述交易模型对单积分声誉机制提供设计方法,提出了合理惩罚强度的概念并论证了最优策略随惩罚强度的增大而收敛。研究表明:利用合理惩罚强度对电子商务的单积分声誉进行加权运算,既可以激励商家选择守信策略,又确保商家的利益不会受到意外事件的严重威胁。     

带成本性的背叛行动对间接互惠种群进化博弈的影响

间接互惠通过声誉起作用,是促进种群合作的重要方式之一。借助于声誉的二阶评估社会规范,在经典的种群捐助博弈中引入带成本性的背叛行动,寻求合作性进化稳定策略的条件并探讨其平均收益。研究发现,在3种合作性进化稳定策略中,对坏声誉接受者采取较小成本的背叛行动,其策略所产生的平均收益小于无成本沉默策略的平均收益,而高于成本较高的惩罚策略的平均收益。     

基于博弈的我国生产者延伸责任制度运行环境研究

为促进我国生产者延伸责任制(extended producer responsibility,简称EPR)的有效实施,重点研究了EPR实施过程中政府与企业的核心作用,分析了二者间博弈和策略寻优过程对实施EPR的影响,构建了两主体完全信息静态EPR博弈模型.通过对博弈的短期收益与长期收益的交叉分析,识别出政府实施EPR的成本、对企业不承担责任的惩罚、企业承担责任的成本、不承担责任受到惩罚或潜在收益、企业形象价值以及国际合作与国际市场开发等因素是影响EPR构建与实施的关键因素.据此,结合我国国情,剖析了我国现阶段实施EPR的运行环境特点,为政府部门以及相关行业企业提出对策建议.     

手术服为什么不是白色的

<正>采用浅绿色的衣料做手术服,不仅可以消除因视觉补色产生的绿色错觉,还能减轻医生视神经的疲劳程度,从而保证手术的顺利进行一说起医生的形象,人们立刻会想到白大褂。若是医生出入手术室,则是一身颜色偏蓝或绿的衣服。看上去,医生的这身打扮稀松平常。可仔细一琢磨,却又生出了疑惑:一席白大褂一直是我们印象中的医生形象,为何上手术台的医生却要穿着蓝色的手术服呢?灰长袍到白大褂在20世纪前,欧美医生的穿着倒像是绅士。戴着高耸礼帽,穿着灰色     

基于非零和博弈的多路径组合攻击防御决策方法

针对网络攻防中多路径组合攻击的防御策略问题,根据网络中多攻击路径对抗的非合作及双方收益的特点,提出了一种基于非零和博弈的防御策略选取方法。首先,根据网络攻防的实际资源受限定义了攻击成本、惩罚因子、防御代价等参数,并对攻防双方的收益计算方法进行了优化;其次,基于多路径组合攻击过程,构建了非零和动态博弈模型,并计算出相应的攻防效益矩阵;最后,利用纳什均衡原理得出攻击者的最佳攻击效用,以及防御者的最优策略。该策略在多条攻击路径并存的威胁下,能够选择出防御效果最优的策略进行安全加固及防护。仿真实验验证了本文所提出方法的有效性,并分析了实际资源受限下攻击成本、惩罚因子、防御代价等参数设置对防御策略选取的影响。     

考虑拥堵道路停车惩罚的定制公交调度研究

为了满足城市产业聚集区乘客出行的个性化需求，同时缓解路网过饱和问题，提出了考虑拥堵道路停车惩罚的定制公交调度模型。分析定制公交运营条件和调度规则，标定拥堵道路停车载客成本惩罚函数和违反乘客时间窗惩罚函数，以乘客在车时间成本、车辆运行时间成本、违反乘客时间窗惩罚成本和拥堵道路停车惩罚成本构成的系统总成本最优为目标，建立了响应实时需求的定制公交调度决策模型。设计了改进遗传算法和插入算法进行问题的求解，以中关村软件园为实例来验证模型和算法的有效性。结果表明，定制公交在班次时长、满载率以及成本控制等目标上均能达到预期效果，模型和算法具有一定的可行性。     

政府信息披露机制下绿色建筑消费者购买意愿演化博弈研究

从绿色建筑需求侧出发,运用前景理论与演化博弈理论构建政府信息披露机制下绿色建筑消费者购买意愿的演化博弈模型,分析政府信息披露政策下系统的演化稳定策略。结果表明,当政府建立信息披露平台的感知收益大于其支出、消费者购买绿色建筑的感知收益大于购买普通建筑的感知收益时,系统会演化至理想状态;政府建立信息披露平台的感知收益、绿色建筑信息对消费者感知收益的激励程度和惩罚政策对购买普通建筑消费者的惩罚强度,均与绿色建筑消费者的购买意愿正相关。因此,建议政府从降低管理信息披露平台成本、完善信息披露平台、加大惩罚力度等方面增强绿色建筑消费者的购买意愿。     

本科生导师制激励问题研究

运用博弈论的分析方法解释本科生导师制在推行过程中遇到的激励问题。通过构建一个非对称信息的静态模型,发现导师指导学生的努力程度将取决于学校的惩罚力度、考核成本以及该制度给学校带来的收益,而学校对教师指导情况的考核概率则主要受到其制定的奖惩规则和教师科研水平的影响。     

负二项回归模型的重对数律和强相合性

本文构建负二项回归模型选择架构,研究在模型选择中对数似然函数的渐近性质及其与联系函数之间的依赖关系;推出模型参数最大似然估计的重对数律,并建立该类模型选择的强相合准则;证明在一些条件下,如果惩罚项阶数随模型的维数增加且介于O(lnln n)和O(n)之间,则由负最大对数似然和其惩罚项组成的模型选择准则几乎必然选择最简单的正确模型。     

非对称信息条件下的成本控制策略

运用委托代理理论方法探讨了信息不对称条件下风险中性的企业主如何激励风险中性的生产者努力降低成本的问题·企业主根据自己的要求和生产者的自报数确定合约基数,将实际成本与该基数做比较后对生产者进行奖励或惩罚,以此为基础建立了生产者和企业主的目标函数,确定了生产者最优自报成本,并建立了非对称信息条件下的企业主期望效用最大化模型·最后,以奖励系数和惩罚系数作为决策变量,运用进化规划算法作了仿真计算·计算结果表明,企业主可以通过对奖励系数和惩罚系数的选择来达到控制成本从而最大化自己期望效用的目的·     

B2C 电子商务物流中心选址-路径综合优化研究

为优化 B2C（business-to-customer）电子商务物流系统,结合 B2C 电子商务特点,构建以物流成本最小为目标函数、以运输时间和供需关系限制为约束条件的电子商务物流中心混合整数规划模型,采用改进的遗传算法将电子商务物流中心选址的混合整数规划模型求解过程转换成求解最优运输路径问题,并且设置惩罚算子对超过运输时间限制的方案进行特定的惩罚处理,设计合适的染色体编码方式、交叉算子、变异算子、惩罚函数等。通过随机生成的数据运用 Matlab 软件进行算例仿真模拟,验证模型的有效性。     

电子遥控外科手术

不久前,巴黎普塞医院的中心手术室中进行了一次别开生面的胸外科手术,手术室里除了患者外,并没有手术医生,围坐有手术台边的是三台由电脑控制的机械手臂,只见这些机械手动作熟练敏捷的切开胸膛、切割血管、缝合创伤,一切进行的有条不紊,令人叹为观止,这就是最近在法国正式投入临床使用的电子遥控外科手术系统TESS。     

模糊价格下的最优利润

探讨二次需求函数以及线性成本函数得到的模糊利润函数的最优情况:通过对商品的收益函数运用模糊数的理论讨论其最优模糊利润,考察在对称及不对称模糊教条件下解的情况.最终得到,在对称模糊数条件下,模糊利润模型与经典数学利润模型最优结果一致;而在不对称模糊数条件下,模糊利润模型在环境调整因子细微的差异下能推导出更多结果.可见,以模糊数学的方法来建立经济模型,进而研究商品价格和利润之问的关系,较经典数学方法研究更能反映需求量、价格各种动态因素所带来的利润问题.在影响因素不断变化的经济市场,应用模糊教学利润模型使企业尽可能做到利润最大化.     

基于惩罚回归样条的函数导数拟合

在函数形式未知,而已知该函数的带误差的离散数据点情况下,运用基于p次截断幂基的惩罚回归样条拟合数据点,并在拟合出的曲线基础上求出函数的一阶导数。该方法将经典最小二乘法和惩罚样条方法进行结合,既考虑了拟合优度,又兼顾拟合曲线的光滑性,模拟和实际应用的例子显示此种方法效果较理想。     

不同信息反馈策略下两阶段众包竞赛最优投入努力和收益

众包竞赛中众包方的信息反馈策略可以影响众包方获得最大收益,以及使得参赛者获得最大收益的最优投入努力。将众包方的信息反馈策略分为无信息反馈、完全信息反馈、部分信息反馈3种策略,在不同信息反馈策略下构建两阶段众包竞赛参赛者的最优投入努力以及众包方的最优收益模型,并对各模型进行了数据仿真分析。研究发现,不同信息反馈策略的优劣和参赛者的投入努力的成本函数类型有关系。如果参赛者在第二阶段的边际成本为单调递增的凸函数,则无信息反馈策略情况下,众包方获得最大收益且此时参赛者有最优的投入努力;如果参赛者在第二阶段的边际成本为单调递增的凹函数,则完全信息反馈策略情况下,众包方获得最大收益且此时参赛者有最优的投入努力。     

前馈神经网络的逐层优化学习算法

提出了求解前馈神经网络的逐层优化学习算法，首先对输出层权值进行优化，然后再对隐层权值进行优化，如此交替迭代直至求出最优解。在分层优化过程中，对节点激池数进行了线性，同时为防止由于线性化造成较大的误差，在目标函数中加入惩罚项。     

自适应约束惩罚的粒子群聚类算法

提出了基于惩罚约束问题的群体智能聚类算法PCSI,不必穷尽搜索样本集,利用粒子群算法的优化搜索机制在数据集中有指导地随机搜索聚类中心向量,能够以较小的计算代价确定样本集的类别数.有约束优化过程的罚函数为两部分之和:①目标函数,各样本与其类别中心的均方误差;②自适应惩罚项,即数据集的边界作为粒子群移动的约束条件,对约束违反程度进行惩罚.为降低不平衡数据集的影响,按照数据集的方差和模糊高斯函数,将样本到其类别中心的距离进行模糊映射,归一化到[0,1]区间.粒子群优化方法免去了传统方法的求导计算.聚类IRIS数据集和Reuters-21578文档集以验证算法的有效性,对大规模数据聚类有明显优势.