非对称信息下以制造商为核心的供应链协调模型

在假定关于销售商单位产品库存成本信息不对称及制造商生产率为有限值的前提下,建立了由单制造商单销售商所组成的供应链协调及最优价格折扣模型.分别制定了对称信息与不对称信息两种情形下供应链协调机制.在保证销售商利润不减的前提下,给出了求解使制造商利润达到最大的全单位量折扣算法,同时给出了相应情形下制造商的最优生产批量及销售商的最优订购批量.最后,利用数值实例说明了模型的求解过程.     

求解DRS多目标优化问题的新颖ε-支配进化算法

首先分析ORS(dominance resistant solutions)多目标优化问题的特点,证明基于Pareto-支配关系的多目标优化问题算法求解该类问题很难收敛.然后,提出一种新的基于ε-支配关系的进化算法-ε-支配进化算法(EDMOEA),给出该算法框架和详细流程.最后,将ε-支配进化算法和NSGA-Ⅱ算法应用于求解一组典型的DRS多目标优化问题和常用的多目标优化测试问题,基于算法的收敛性和Pareto最优解集分布性进行评价和比较分析,表明ε-支配进化算法的有效性.     

电力备用市场资源优化配置的模型与求解方法

对于发电公司在电力备用市场中的资源优化配置问题,建立一种均值一方差模型,同时允许发电公司从市场购买某种产品以满足其它产品的需求.针对模型中出现的非光滑问题,引入极大熵函数将其光滑化,并采用非线性互补方法求解.该方法利用Karush-Kuhn-Tuchker(KKT)条件得到一个非线性互补问题,然后利用非线性互补函数将其转化为非光滑方程组,并引入参数再次进行光滑化,最终通过求解一组光滑方程组以逼近原问题的最优解.数值分析验证了该方法的有效性.     

北方农牧交错带土地利用结构的最优规划

运用线性规划、层次分析和模糊数学的隶属函数对北方农牧交错带土地利用结构的不同经济效益、投入水平和水土流失为目标的函数进行分权计算与综合评价,最后再运用模糊数学的隶属函数,得出几种评价中最可行的方案.优化方案为土地利用由2005年的农、林和草面积比例54:10:36调整为30:13:57.表8,参7.     

倾斜转弯导弹三回路鲁棒自动驾驶仪设计

针对倾斜转弯导弹,提出了最优/经典综合设计方法设计自动驾驶仪.该方法应用最优控制设计出俯仰/偏航混合通道三回路自动驾驶仪,设计中同时对开环系统的奇异值频域曲线进行约束,以保证系统具有一定的鲁棒性,获得的三回路自动驾驶仪结构简单,易于工程实现.仿真结果证实了其具有良好的跟踪性能和鲁棒性,也表明该自动驾驶仪能满足倾斜转弯导弹协调倾斜转弯的要求.     

基于MTO-MTS的钢厂合同计划方法

建立了基于MTO-MTS的钢厂合同计划的整数规划模型,模型同时考虑库存余材匹配和生产计划,以提前/拖期惩罚、交货时间窗内拖后惩罚、生产费用、库存匹配费用、合同违约惩罚总额最小为目标.根据模型特点,构造了对非可行解进行启发式修复的改进粒子群算法求解策略.仿真实验首先对参数设置进行分析,然后对多组数据进行了结果分析,并在相同条件下,对比了本文模型与分阶段考虑库存匹配/合同计划方法的实验结果,验证了本文模型和算法的有效性.     

基于随机最优反应均衡的认知层级模型

随机最优反应均衡与认知层级理论是在有限理性框架下对纳什均衡的修正方法,在解释实验结果时,2个模型存在参数范围变化过大的缺陷.将二者结合起来,并在表述参与者判断认知层级概率分布时引入噪声干扰,修正了各认识层级参与者选择策略的行为方式,从而建立了认知层级模型框架下,参与者依据反应函数决定策略选择概率的模型.通过算例进行比较,结果表明,该模型的精度更高、解释能力更强.     

多任务多联盟并行生成：模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.     

经理人过度投资行为的柔性决策

由于委托代理关系的存在,经理人往往存在过度投资行为,这种行为损害了股东利益.本文在经理人过度投资行为决策柔性和投资项目价值不确定的条件下研究经理人的过度投资行为.通过建立模型,分析发现基于投资决策柔性时,经理人更倾向于过度投资,且要求更大的分成比例,进一步分析发现完善的市场机制、适度的股权集中及人力资本产权化可有效约束经理人的过度投资行为.     

一种二元决策图底事件排序的新方法

故障树分析(Fault Tree Analysis, FTA)是对系统进行可靠性分析的一种有效方法.而在现在所有的故障树分析中,二元决策图(Binary Decision Diagram, BDD)又是其中最有效的方法之一.由于BDI)的节点数在很大程度上依赖于输入的底事件的排列次序,所以从故障树到BDD的转换过程中,需要先对底事件进行排序.而如何对底事件进行有效的排序则成为一个重要且未完全解决的课题.本文提出了一种新的底事件排序法--相邻底事件优先法.其基本思想是利用故障树的相邻关系来给其赋予不同的排序优先级.该排序方法所具备的特点包括:其底事件排序过程是静态的,但在BDD的构造过程中,能动态地对已经排序的底事件进行筛选,同时它还支持在BDD的不同分支采用不同的底事件排序方法.实验证明,与现有的最优方法相比,相邻底事件优先法可有效提高75%的故障树的BDD转化效率.