反倾销税率优化的信号博弈分析

运用古诺模型分析了寡头竞争条件下的最优反倾销税率,得出当国外企业和国内企业同时决策时,消费者需求弹性、外国企业的边际成本以及进口国政府与国内企业对国外企业的成本信念影响最优反倾销税率.由于进口国政府与国外企业存在信号博弈,于是建立信号博弈矩阵,分析了外国企业和进口国政府的最优策略选择.得出当信号伪装成本相对小时,博弈的纳什均衡为低成本企业决定不伪装成高成本企业,进口国政府执行单一反倾销税率;当伪装成本足够大时,企业放弃成本伪装,此时政府执行差别反倾销税率可以实现国家福利最大化.     

基于异质性公平偏好的行为博弈模型与模拟——对蜈蚣博弈实验结果的解释

针对蜈蚣博弈实验结果与传统博弈论预测的纳什均衡结果存在系统性偏离的现象,本文从行为博弈的角度,假设人是有限理性的,用人的公平偏好特征来解释这种系统性的偏离.通过运用Fehr和Schmidt(1999)模型来刻画博弈参与者的公平偏好,考虑不公平厌恶系数的异质性,构建行为博弈模型来模拟蜈蚣博弈的实验过程.模拟结果显示,本文建立的模型不仅能够解释蜈蚣博弈实验结果的所有定性特征,而且估计出了不公平厌恶系数的均值范围.根据极大似然准则,本文的模型有很好的拟合效果.     

配送系统优化问题的分析与建模——以多对一配送网络为研究对象

在VMI模式下,物流配送系统中,供需双方的库存与运输的全面整合优化问题是获得配送系统总成本最优化的重要问题.通过运用双层规划法,为物流配送系统中典型的多对一配送网络建立具有随机需求的、多产品的库存与运输整合优化数学模型;用改进启发式算法分析其解法;并确定配送系统优化问题的最优成本下限以验证所用启发式算法的有效性;最后,运用算例验证模型与算法在实践中对改善库存与运输系统总绩效的重要作用.     

非独立准则的MCDM问题权重确定方法

在很多多准则决策(MCDM)问题中,准则之间都是存在关联的.由于准则的替代和互补关系,综合评价时不仅要确定准则的权重还要确定准则间的相互关系,因此给决策者的工作带来很大困难.文章在分析了准则间非独立的MCDM问题的性质的基础上,提出了利用已知的样本数据以及专家事先给定的部分偏好权重信息情况下确定相关联准集权重的方法,并在最后给出算例.     

具有双边市场特征的电视媒体平台竞争模型

将消费者区分为广告厌恶型和广告无差异型,比较了电视媒体平台竞争均衡广告量、节目量与社会福利最大化广告量、节目量之间的关系.研究发现,广告厌恶型消费者的增加将提高电视媒体平台广告费,而广告厌恶型消费者对电视媒体平台利润的影响则取决于广告商市场是否被完全覆盖.电视媒体平台竞争的均衡节目量与广告量是否高于社会福利最优的节目量和广告量,这取决于广告厌恶型消费者的比例.     

两阶段非线性Wiener过程退化建模与可靠性分析

基于性能退化数据对产品进行可靠性分析一直是可靠性工程领域研究的热点与难点。针对多阶段退化过程中存在的非线性规律,同时考虑变点位置位于测试时刻之间的一般情形且各试样变点存在个体差异性的实际情况,提出了基于Wiener过程的两阶段非线性退化模型,给出了模型参数极大似然估计方法,建立了可靠性分析和寿命预测方法。最后通过高压脉冲电容器实例的对比分析,验证了所提方法的合理性与有效性。结果表明,与多阶段线性Wiener过程方法相比,所提方法能够更加准确地描述退化过程的非线性时变特征,进而得到更为合理的寿命评估结果。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于MIMO直达波的无人机分布式相参雷达相位同步方法

分布式相参雷达(distributed coherent aperture radar, DCAR)实现信号全相参的前提是相位同步,而各单元雷达的初始时钟参差、机动性引入的位置误差、本地振荡器的初始相位等因素均会导致DCAR相位不同步问题。为解决上述相位不同步问题,提出一种基于多输入多输出(multiple input multiple output, MIMO)直达波的无人机DCAR相位同步方法。该方法对各单元雷达接收的直达波,首先利用包络同步法联合双向时间比对的方式,估计出时间同步误差,再提出坐标线性变换法和偏移线性变换法用于各单元雷达位置误差的估计,并联合同一单元雷达分置辅助天线接收波以提高位置误差的估计精度。最后,利用误差估计值对直达波进行补偿,剩余相位即不同单元雷达收发对下的初相估计。仿真实验验证了所提方法的有效性。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明,所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。