基于智能Agent的复合学习方法

从实例学习和事例推理的关系出发,分析了专家经验累积的过程,指出传统知识获取瓶颈的根源.在此基础上,借助agent理论,提出了一种从专家分析实例学习和事例推理的有机结合模型,给出了专家知识获取的基本框架.构成此框架的各归纳学习agent在专家的协助下,可通过加强学习机制相互促进.     

交互式多目标决策方法综述

本文在叙述了多目标决策问题的数学模型和基本概念的基础上,把交互式多目标决策方法分为四类,并对各类方法的研究情况及特点进行了讨论,最后对该领域的进一步研究提出了一些想法。     

基于未确知三值判断的层次分析法

研究了层次分析法中对元素重要性进行两两比较时判断值的不确定性问题.给出了两两比较判断值为未确知三值互反标度时判断矩阵的构造方法,并通过将这种互反判断矩阵转化为属性判断矩阵,给出了其一致性检验方法及权系数的简明计算公式.最后给出了算例分析.     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。     

管理者信息披露的委托—代理模型

为了研究当管理者的能力类型和努力都是不可观察时的最优激励方案,建立了一个管理者的信息披露模型.在模型中,企业主和管理者都是风险中性的,企业主是委托人,管理者是代理人.有两个约束,一个是激励相容约束(IC),即在最优契约下,管理者可以通过披露真实的能力类型最大化其效用,另一个是个人理性约束(IR).企业主在两个约束下最大化其预期效用.根据显示原理,采用最优控制理论求解模型.在一些条件下,若能力水平越高,则最优工资越高,最优努力越多;若竞争度越高,则最优工资越低,最优努力越少.     

最短路树的计数、产生和优化问题

首先给出了在非负网络中构造最短路网络的算法，然后将树形图的计数算法到最短路网络中，设计出了最短路树计数问题的算法，将Gabow算法应用到最短路网络中，设计出了产生全部最短路树的算法，最后研究了最短路树的优化问题。     

一类二层决策问题的Frank－Wolfe算法

提出了一类二层决策模型，在某些假设下研究了其解的若干性质，并给出基于Ｆｒａｎｋ－Ｗｏｌｆｅ算法．最后给出的算例表明，提出的算法是可行的且具有较好的可操作性．     

基于公平偏好的供应链质量激励机制效率演化

针对供应链质量管理中的群体激励问题,将收益共享契约作为供应商零部件质量改进的激励机制,设计了批发价契约与收益共享契约相结合的菜单式合同. 分析出制造商通过设置合理的报酬结构能够实现其收益与零部件质量的"双赢".在此基础上,将公平偏好引入到多阶段群体激励中,研究了公平偏好对激励效果的影响. 研究表明:不考虑公平偏好情况下能够取得较好激励效果的报酬结构并不适用于具有公平偏好的多阶段群体激励; 个体的公平偏好对激励绩效会产生负面影响;制造商实行同一报酬结构在多阶段激励中难以维持高效率; 仅针对单一激励力度进行调整或忽视激励力度间的协同均不能实现较好的激励效果.     

一类厂商业务量决策模型的改进及复杂性研究

参与人出于财务、生产能力、谨慎等方面的考虑,通常会对其业务量作一定限制,以避免其业务量过高或过低.考虑到这一情况,对有限理性的Bischi模型进行改进,对参与人每期的业务量加下限或(和)上限的限制,使之更符合实际.以添加下限为例,对改进后模型的动态性进行分析并与原模型进行对比.从分析中可以看到,下限在一定范围内取值时模型仍出现复杂的混沌行为,但与原模型有显著差别.在下限的取值达到一定程度时,模型的混沌现象会消失,出现稳定的周期行为.这个结果说明参与人可通过给状态变量加下限的方法来预防或抑制某些经济系统中的混沌.     

MR-CGS:一种最小剩余CGS方法在DDM求解中的应用

从CGS方法入手,针对该算法在收敛过程中出现的残差不平稳的缺点,对CGS算法进行改进,给出了一种最小残差CGS(MR-CGS)算法.算例给出了该改进算法在求解DD模型中的应用.