钢铁原料物流计划问题的建模与求解

研究了钢铁工业从原料采购到初级产品生产的物流计划问题,包括运输、库存和面向生产的配送.以所考虑的相关成本最小化为目标建立了数学规划模型,并采用列生成的方法求解.对0-1变量的线性松弛采用启发式的分支和深度优先搜索策略尽可能快地获得好的可行解.在分支结点上,通过求解最短路子问题获得限制主问题所需要的列,分支树上的根结点提供了体现可行解质量的下界.最后,计算机随机试验验证了该模型的有效性和算法的稳定.     

品牌专卖三级供应链收益共享契约协调优化模型

研究了市场需求不确定且与零售价格相关条件下,品牌专卖三级供应链中的收益共享契约协调模型,并以使供应链达到利润最大化为目标对模型进行了优化,给出了最优解组合。通过分析得出要使得供应链达到协调,批发价格和收益共享比例需满足特定的线性关系式,制造商和分销商要保证货源充足。数值计算和仿真分析证明,契约参数变化对供应链及其成员利润是有影响的。     

存货质押融资业务最优清算策略

研究了存货质押融资业务中企业违约后银行高效率、低成本清算质押存货的最优清算策略.构建了银行的损失效用函数,使用最优控制理论,获得了使得银行损失效用函数最小化的最优清算策略,并给出了相关参数的敏感性分析及算例分析.研究得出针对不同数量的质押存货所应采取的最优清算策略以及内生的最优清算时间.     

Compressed sensing based channel estimation for fast fading OFDM systems

A compressed sensing (CS) based channel estimation algorithm is proposed by using the delay-Doppler sparsity of the fast fading channel. A compressive basis expansion channel model with sparsity in both time and frequency domains is given. The pilots in accordance with a novel random pilot matrix in both time and frequency domains are sent to measure the delay-Doppler sparsity channel. The relatively nonzero channel coefficients are tracked by random pilots at a sampling rate significantly below the Nyquist rate. The sparsity channels are estimated from a very limited number of channel measurements by the basis pursuit algorithm. The proposed algorithm can effectively improve the channel estimation performance when the number of pilot symbols is reduced with improvement of throughput efficiency.     

一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

实施最优排污权配置

对不完全信息下的最优排污权配置问题进行研究,设计了相应的实施机制——修改的Duggan机制.研究表明:该机制不仅实施了排污权的最优配置,而且在均衡路径上厂商缴纳的排污税总额等于排污造成的社会成本,达到预算平衡.此外,讨论了社会成本函数不可微、排污权最优配置为非内点解以及厂商地位不平等的情况下,排污权的最优配置实施机制.     

动态质押模式下的存货质押融资业务风险控制

动态质押模式下的存货质押融资业务的风险伴随着整个质押期。本文研究了控制价值量下限模式的存货质押融资业务的风险,在质押期间,针对可能出现借款方违约的情况下,采用L-VaR的方法研究了流动性风险,提出了最优变现时间模型以及变现策略,在此基础上给出预期收益模型,与此同时也给出了度量业务的风险度量模型,并给出具体案例供银行操作借鉴。     

组合聚类与最优核v-SVR融合方法在能源系统应用

针对能源复杂系统样本数量有限、变量维数高、偶合关系复杂等问题,提出了一种组合聚类算法和最优核v-支持向量回归机SVR融合的方法。该方法采用SOM自组织映射神经网络和K-means组合的聚类算法对初始样本集合进行聚类,构成不同核函数的子支持向量回归机SVR模型,再用均方误差标准（MSE）和小误差概率对其各核函数进行优选,得到最优核函数的v-支持向量回归机SVR模型。仿真结果表明,采用这种方法进行能源供需预测是有效的,其精度优于常规的支持向量回归建模方法。

Abstract：

A method of fusion strategy with Optimal Kernel v-SVR （Support Vector Regression） and assembled clustering algorithm was proposed,facing the issues of complex energy system like limited samples,high dimension,complex coupling.The assembled clustering algorithm was used to cluster the initial samples related to energy data to form sub-SVR models based on different Kernel functions,combining Self-Organizing Map （SOM） neural network with K-means algorithm.The Mean Square Error criterion （MSE） and small error probability were used to evaluate the Kernel functions to obtain the optimal Kernel v-SVR model.The simulation results demonstrate that the proposed method is valid for predicting energy supply/demand and its accuracy is superior to the conventional SVR method.     

基于模型概率的多模型融合定轨建模及仿真

针对实际定轨系统中存在的不确定性和非线性性,提出了一种基于模型概率的多模型融合定轨方法.通过多个线性模型的组合来逼近卫星定轨复杂非线性时变过程,将卫星状态的最优估计与多模型融合方法相结合,利用残差的大小来设计性能指标函数,给出了两种模型概率的表示形式,并建立了多模型融合估计相应的算法.仿真结果表明,与单一模型定轨方法相比,该方法不仅能大大提高卫星定轨精度和可靠性,而且还可以最终辨识和估计模型参数的真值,且对外界环境发生的变化有很强的自适应能力.     

基于MCMC方法的虚拟试验贝叶斯校准研究

虚拟试验利用计算模型研究复杂物理过程,并预测其性能.计算模型输入参数中通常包含部分固定但未知参数,可利用计算模型结果和少量有限的试验数据校准未知参数,并研究存在建模不确定性时虚拟试验的预测问题.提出了一种贝叶斯统计方法,采用高斯过程为仿真计算模型以及模型不确定性建模,利用Markov chain蒙特卡罗抽样方法计算校准参数和仿真模型预测后验分布.设计测试算例演示所提出方法的高效性.