两企业序贯博弈的动态古诺模型

依据产品的市场容量随时间发生变化的特点,修正了两企业序贯博弈的动态古诺模型,并得到新的最优产量解。通过分析可得:修正模型是对传统模型的进一步扩展,而且阶段数m往往是在博弈过程中随市场容量的变化而确定的。     

变换域通信系统基函数的最佳门限设计

提出了一种具有最优误码率性能的变换域通信系统基函数门限设计方法。首先分析干扰存在条件下变换域通信系统调制及解调信号的组成,推导出系统误码率与基函数门限的关系式,然后以误码率最小化为准则,采用遍历搜索门限的办法对系统的最优误码率进行求解,从而得到基函数的最佳门限。仿真结果表明,采用该方法得到的系统误码率是全局最优的,且适用于各种干扰条件的基函数门限设计,具有较低的计算复杂度。     

公路自动事件检测技术

介绍了智能交通系统 ( ITS)研究中一个重要的领域自动事件检测 ( AID) .通过对 AID各种检测器特点的描述和算法的分析比较 ,得知在现有科技知识水平下 ,只有通过综合集成的方法才能解决交通系统中存在的问题 .最后对交通事件检测研究提出展望 ,提出使用软方案和硬方案可以有效地提高 AID效率 .     

交通运输结合部系统管理的内耗与混沌现象分析

由两个或两个以上的运输单位或部门为完成特定功能进行共同管理而形成的相互联系、相互制约的交通运输结合部亦称界壳群部位 ,尤其是多种运输方式间相互作用的综合交通枢纽部位已成为管理的重点。运输部门间、企业间的“周边结合部”相互间接口问题变得越来越突出。影响了运输的效率和效益。在开放的市场条件下 ,加强多个运输子系统构成的界壳的界壳群的管理理论的研究是十分必要的.     

不确定多属性决策的单目标最优化模型

对于属性权重及决策矩阵元素均以区间数形式给出的不确定多属性决策问题，提出了一种单目标最优化模型，给出了规范决策矩阵的计算公式，并提出了一种基于可能度的决策方案排序法，通过算例说明了该模型及方法的可行性和有效性。     

一种求解混合非线性整数规划的支撑超平面方法

给出一种在可行域边界生成支撑超平面(Supporting Hyper Plane, SHP)的方法来求解凸混合整数非线性(Mixed Integer Nonlinear Programming, MINLP)问题.扩展切平面(Extended Cutting Plane, ECP)算法作为求解混合整数非线性规划的一种重要方法 ,在算法结构上简单,鲁棒性强,但是该算法收敛速度慢,特别是当被求解问题非线性程度比较高时.SHP算法在每次迭代过程中对可行域的估计比 ECP算法更准确(更小), 从而加快了算法的收敛速度.和ECP方法相比, SHP算法有效的提高了求解MINLP问题的效率,数值试验显示了该方法的有效性.     

基于辅助粒子滤波的风估计方法研究

对飞行中风场测量值含连续野值较多的问题,提出了将连续野值当作噪声处理的方法。噪声设置为随机游走模型并在状态方程中引入时变系数,利用辅助粒子滤波(APF)处理。与当前的自适应Kalman方法进行了比较,在含10个连续野值的模拟数据处理中,Kalman方法发生了跳变,而APF方法成功地处理了连续野值;APF方法和Kalman方法的平均均方误差分别为0.8313和1.0021。最后,将APF方法用于飞行测量数据处理。结果表明,APF方法能处理更多的连续野值,具有更好的精度和稳定性,适合工程应用。     

区间混合判断矩阵排序的线性目标规划法

研究了决策信息以区间混合判断矩阵形式给出的多属性决策问题。基于区间一致性混合判断矩阵的概念,建立了一个线性目标规划模型。通过求解该模型得到区间混合判断矩阵的权向量,并利用已有的区间数比较的可能度公式求得决策方案的排序。该方法具有简洁、实用、易于计算机上实现等特点。最后进行了算例分析。     

第三方物流多车型硬时间窗路线问题研究

针对租赁条件下的第三方物流多车型硬时间窗车辆路线问题的特点,建立了以车辆租赁费用和运行费用为目标的模型,并提出了结合模拟退火法的混合遗传算法.该算法以优先满足最小费用车型的策略来分配多车型车辆,同时采用客户直接排列的方法以实现车辆数的变化.最后,算例的应用和多车型容量的灵敏度分析表明:该混合遗传算法的搜索能力和求解稳定性均优于简单遗传算法和基于or-opt的模拟退火算法;按最小费用分配车辆策略可为第三方物流企业车辆的租赁决策提供依据.     

供应链中一种基于营销创新的合作竞争博弈模型

成员合作关系是供应链管理的重要研究内容.随着市场竞争程度日趋剧烈,供应链上企业成员为了自身利益不断进行创新性活动.本文利用信息经济学理论从投入产出的角度对一个制造商和一个销售商构成的供应链的营销创新能力进行了分析研究,研究结果表明,制造商与销售商不合作时,为了自身的利益,也会进行营销创新投入,但分别比合作时的投入少.