基于"风险泡"概念的风险因素分析模型

针对目前风险分析中风险因素难以量化以及风险分析中存在的计算复杂性问题,该文提出一种对风险因素进行进一步量化分析的方法.首先提出"风险泡"概念并用于风险因素的分析.文章进一步对"风险泡"构成风险因素的过程以及"风险泡"之间的关系进行描述.通过引入风险能量的概念,建立起以"风险泡"为基础的风险模型,实现了对风险因素的结构化建模和量化描述.最后在此模型基础上,提出一种基于"风险泡"概念的风险分析方法,该方法可以降低风险分析中的计算复杂性.     

输入输出系统噪信比的计算

为改进噪信比的计算方法，利用系统相关函数的Ｚ变换和逆Ｚ变换关系，导出了系统噪信比的计算公式，它使得噪信比可以直接通过系统模型和噪声模型传递函数的复积分得到。同时，给出了这个复积分的递推计算式，避免了复积分留数的复杂运算，简化了用数字仿真确定噪信比的计算量。并将这一方法推广用于计算多变量系统的噪信比。数值例子说明给出方法是有效的。     

连续过程生产调度5 日滚动作业计划的研究

生产调度是ＣＩＭＳ中的关键环节,也是最困难的环节,它决定了整个ＣＩＭＳ开发的水平。本文用“过程优化”与“系统优化”相结合的方法,研究连续过程生产调度系统的优化问题。将系统优化的结果反馈给过程模型,指导局部装置优化的思想为大系统的总体优化探索了一个新方法,开辟了一条新思路。并给出了生产调度系统的框架结构、大系统的优化原理和应用实例。     

一种搜索全局最优解的工程方法

全局信息能有效地指导搜索全局最优解。本文提出了一种构造反映全局信息的趋势函数,指导搜索全局最优的新方法。通过离散傅里叶变换和反变换能构造出反映系统整体信息的趋势函数,它可以为搜索全局最优提供指导信息。对于没有解析表达式的目标函数,也可以通过离散傅里叶变换和反变换来重构目标函数。该方法可以有效地避免陷入局部最小点。实例分析显示了解点逐渐向全局极小逼近的过程。叠代过程中只需计算少量离散点的函数值,计算效率较高,对目标函数计算困难时的寻优问题很有帮助。     

采购过程风险管理

首先分析了企业采购过程中的主要风险因素 ,在此基础上提出了使用 Va R( Value at Risk,风险值 )方法分析其中由价格波动引起的采购风险 ,为进行有效的风险决策提供了量化的决策依据 .并且以石油化工企业为例 ,验证了该方法的有效性.     

随机梯度算法的收敛性分析

虽然随机梯度算法的计算量比最小二乘法要小得多,但是它的收敛速度很慢。为了提高随机梯度算法的收敛速度和参数估计精度,提出了遗忘梯度算法,它不仅具有较快的收敛速度,而且具有跟踪时变参数的能力。随机梯度算法的收敛性证明是辨识领域的一个研究难题,文章运用鞅收敛定理分析了它的收敛性,结果表明随机梯度算法给出的参数估计误差一致有界,在强持续激励条件下参数估计误差一致收敛于零。数字仿真表明提出的方法是有效的。     

基于多代理系统的敏捷供需链协调运作及其优化

描述了代理间协商时产生的协调计划和协调规则 ,并运用马尔可夫决策过程理论 MDP进行协调计划的优化 ,解决了代理之间在资源、时间等冲突条件下的协商问题 ,从而使整个敏捷供需链有效地运作 .     

敏捷供需链管理系统的体系结构

在竞争、合作、动态的市场环境中对供需网络中的物流、信息流、资金流进行有效的调度与管理是敏捷供需链管理 ( ASCM)的目标与核心 ,这就要求敏捷供需链管理系统( ASCMS)应具有快速的动态可重构性及集成性 ,建立良好的 ASCMS体系结构是实现 ASCMS功能及性能的重要保证。论文从 ASCMS的特点出发 ,分析了 ASCMS对系统体系结构的需求 ,提出了以 Internet、CORBA(公共对象请求代理体系结构 )、标准协议、电子商务等信息技术及相关标准为基础 ,以系统的建立、运作、重构为核心 ,支持动态企业联盟运作的敏捷供需链管理系统体系结构 ,最后概括了该体系结构的特点。     

Convergence Analysis of Forgetting Gradient Algorithm by Using Martingale Hyperconvergence Theorem

Introduction　　Considerthefollowinglineartime-varyingsystem[1,2],A(t,z-1)y(t)=B(t,z-1)u(t) v(t)(1)where{u(t)}and{y(t)}aretheinputandoutputsequencesofthesystem,respectively,{v(t)}isastochasticnoisesequence,andz-1representstheunitbackwardshiftoperator,i.e.,z-1y(t)=y(t-1),A(t,z-1)andB(t,z-1)aretime-varyingcoefficientpolynomialsintheunitbackwardshiftoperatorz-1,andA(t,z-1)=1 a1(t)z-1 a2(t)z-2 … ana(t)z-na,B(t,z-1)=b1(t)z-1 b2(t)z-1 … bnb(t)z-nb.Definetheinformationvector(t)andthetime-varyin…