RFID射频识别技术在物流行业的应用现状与展望

射频识别技术RFID作为一种新型的自动识别技术在物流行业的应用具有巨大的潜力。本文简单介绍其技术特征及分类,以及在物流行业的应用情况,并提出在使用过程中存在的问题和对未来发展的展望。     

基于MILP模型和QPSO算法的绿色物流调度方法

针对物流网络中绿色且经济的物流调度问题,提出一种基于混合整数线性规划(MILP)模型和量子粒子群优化(QPSO)算法的物流调度方法 .首先,根据实际情况设定物流网络中的各种元素属性,如制造商、分销商和经销商的能力以及运输方式.然后,构建一个综合考虑交付时间最小化和碳排放量最小化的目标函数,并根据网络属性约束构建一个物流调度的MILP模型.最后,通过一种QPSO算法来求解该MILP模型.在一个汽车销售物流网络上的实验结果表明,提出的方法能够很好地均衡交付时间和碳排放量.     

医疗服务供应链管理模型研究

在分析医疗服务特点的基础上,建立了基于信息平台的医疗服务供应链管理模型.其中,供应商、医院和患者通过信息平台进行有效沟通,进行需求管理、人力资源管理、医疗服务能力管理、供应商关系管理、医疗服务质量管理和医患关系管理,以及与卫生局、食品药品监督管理局、银行和政府等医疗服务供应链外部的联系.通过CR医院的实证分析,证明了基于信息平台的医疗服务供应链管理模型的有效性和实用性.     

基于动态语义服务描述的服务匹配的研究

本文将动态描述逻辑与语义服务描述语言相结合,提出了一种动态语义描述方法来描述Web服务,并在经典服务匹配基础上进行改进,完善了服务匹配的类型,提高了Web服务的查全率与查准率。     

竞争市场环境软件即服务提供商最优定价策略

SaaS服务提供商通常可以选择按使用付费和订阅付费两种定价方式向用户提供软件服务。按使用付费指的是用户根据实际使用量的多少来支付费用,订阅付费指的是用户定期支付固定费用而使用量不受限制。研究了SaaS服务提供商与传统软件提供商竞争性共存的市场环境下,SaaS服务提供商的最优定价策略选择问题。通过构建两阶段的双寡头竞争博弈模型,分析了用户交易成本、软件可定制性和软件贬值率等因素对软件提供商定价策略选择的影响。研究结果表明:①当SaaS软件服务的可定制性较低时,用户交易成本越低,SaaS服务提供商更愿意选择按使用付费的定价方式;当SaaS软件服务的可定制性较高时,用户交易成本越低,SaaS服务提供商反而更愿意选择固定价格的订阅定价方式。②传统软件提供商应该选择较低的产品维护升级价格,使所有传统软件用户都选择软件的维护和升级。③当市场价格竞争较强时,SaaS服务提供商应降低软件的可定制性;当价格竞争较弱时,SaaS服务提供商应提高软件的可定制性。④随着软件产品贬值率的增加,各软件提供商的收益都相应减少。研究结果在一定程度上为SaaS服务提供商选择定价策略提供了理论依据和实践指导。     

设施拥堵状态下的层次性备用覆盖网络模型与改进遗传算法

经典的分层覆盖位置问题(HCLP)是在有限预算内找到设施位置以提供分层服务的问题.这个过程中,需求点的差异化服务需求可以来自层次型网络中不同服务可用性的设施.我们设计了混合服务可用性的层次型网络,通过讨论层次型设施数量为定量和变量的情况构建混合层次网络备用覆盖问题的整数规划模型,并设计、改进元启发式算法来求解问题.结果表明考虑变量的混合服务可用性的优化模型在一次覆盖中能更好的满足客户的需求,而其备用覆盖能力和系统造价并非始终优于单类型层次网络;建议的启发式算法在合理的计算时间内产生高质量的解.     

云环境下基于EDF和LWF的回填算法

由于云资源有限,如何保证时限和提高资源利用率一直是提高成本效益的关键问题.提出一种基于最早截止时限优先算法(EDF)和最大权重优先算法(LWF)的回填算法.该算法通过使用LWF算法支持等待队列中所有的任务按照时限评分排序,在回填任务时,考虑任务的权重,以提高资源利用率;当检测到回填的任务错过了截止时限,则采用EDF算法,以满足时限保证.仿真结果表明,相比平衡螺旋法回填算法和EASS回填算法,提出的算法具有更短的服务延迟时限和更高的资源利用率.     

高职院校社会服务能力评价体系构建与实际测度研究

在清晰界定高职院校社会服务能力的概念基础上,通过实际调查,从培训咨询服务能力、应用科技服务能力、社会公益服务能力与社会服务效果4个一级指标中,遴选12个二级评价指标,构成高职院校社会服务能力评价体系,采用层次分析法和模糊综合评判法确定12个指标的权重和综合评价值.以该评价体系为工具,对湖北省3所高职院校社会服务能力进行实际测度和排序,说明该研究的高职院校社会服务能力测评结果是可信和有效的.     

考虑多重不确定性的托管药房物流调度优化

为有效控制药房托管的药品物流运营成本,本文首先结合时空网络架构,将托管药房的药品物流调度过程描绘成一种多层时空网络,继而将研究问题构建为优化领域中的多重货物网络流问题.在此基础上,综合考虑药品物流调度过程中的需求不确定性、配送服务时间不确定性以及药品供应成本的可变性,建立基于药房托管模式的药品物流调度随机优化模型并设计具有挑选规则的混合遗传算法进行求解.参数测试表明,当挑选判断系数设为0.6时,求解算法可以收敛到比较理想的解;算例分析表明,本文所设计的随机优化模型在各决策回合的解与完全信息模型解之间的逼近程度不一,但总误差仅为0.56%;敏感性分析则发现药房最低安全库设置存在一个最优均衡点.     

P_MOEA：一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下,SLA约束下的服务组合优选是实现服务质量管理的重要基础之一．服务组合优选既是一个组合优化问题同时也是多目标决策问题,需要高效的算法以支持大规模的候选组合方案集合,同时也需要有效的评价模型来明确定义候选方案的优劣程度,从而为决策者提供支持．现有的服务组合优选方法多基于两种模型定义其优化目标：线性效用函数和Pareto最优．前者需要量化权重配置以定义效用函数,但是对于用户来说精确的量化权重配置是一个非常困难的任务,特别是在涉及到的QoS维度较多时;后者无需权重配置,将Pareto最优的skyline集合作为优化结果返回给用户,然而skyline集合的规模是不可控的,最优结果集的规模会随着问题的规模增大而显著增大,过大的最优结果集显然难以为决策者提供有效参考,针对上述传统方法的不足,在本文中,我们将PROMETHEE方法弓I入服务组合优选问题,结合Pareto和PROMETHEE两种评价模型,将skyline集合基础上的Top—kPROMETHEE最优方案作为优化目标,提出并实现了一个高效的遗传算法：P—MOEA．算法可以针对大规模问题,高效地返回Top—kPROMETHEE最优组合方案集合,从而为进一步的决策提供有效的参考．我们实验验证了算法的效率和有效性．