用于供应链运作的MAS分布式仿真平台建模研究

把HLA时间管理机制引入到MAS中构建了运用于供应链的基于多Agent的分布式仿真平台;利用智能代理开发工具JADE实现了平台系统,给出了一个仿真模型实例实际运行所实现的多agent分布式仿真平台的基础构件,最后对结果予以评价.     

具有多种市场形态的多主体股市演化动力机制

股票市场呈现出的多种波动形态,对其内在机制的探讨备受学者和业界的关注.建立多主体股市演化模型,并抽象出一个常微分方程系统描述其核心动力机制.对该系统的定性分析和数值实验表明,受交易主体模仿学习倾向、价格追踪倾向和交易策略转移倾向等市场环境参数影响,模型呈现出基础价值均衡、非基础价值均衡、周期和混沌等市场形态.     

基于Swarm的股权拍卖机制设计与仿真研究

基于多主体的建模仿真方法,运用particle swarm optimization（PSO）群体智能算法模拟信息交互条件下外部投资者估价变化的学习机制和演化规律,在机制设计的基础上,建立了实现风险投资退出的股权拍卖模型.在Swarm平台上对股权拍卖模型的仿真分析表明,所设计的股权拍卖机制能够显著地提高风险投资家的收益,并能帮助风险投资家预测外部投资者的估价和拍卖参与度的变化.对股权拍卖模型的参数仿真发现,风险投资家可以通过引入更多的外部投资者参与股权拍卖来进一步提高自己的收益;即便外部投资者过度强化单一学习能力,最终也可以得到相对理想的股权拍卖结果.本文的研究可以为风险投资家的策略选择提供参考依据.     

“公司+农户”型订单农业供应链的Nash协商模型

研究了一类由农户与公司构成的“公司+农户”型订单农业经营模式下的农产品供应链,其中农户在考虑产出不确定性以及订单价格的基础上确定农产品的生产量,公司拥有农产品的批发定价权,并在产出与需求双重不确定性情形下确定农产品的订单价格和零售价格. 对比分析了供应链集中决策与分散决策下公司和农户的最优决策行为. 研究结果表明,在订单农业经营模式下公司可以通过主导地位从中获取绝大部分的收益,而且实践中普遍存在的“保底收购,随行就市”价格机制无法防止公司在市场行情不好时的机会主义行为. 为此,引入一种基于Nash协商的收益共享契约机制来协调公司与农户之间的利益. 实施该契约机制不仅可以实现“公司+农户”型订单农业供应链的完美协调,还能带来社会福利的增加.     

基于"涨落放大机制"原理的高技术产业化系统研究

“通过涨落达到有序”是自组织理论的基本原理。运用“涨落放大机制”理论的原理和方法，探讨了高技术产业化系统的内在规律性，提出了高技术产业化系统是一个正负反馈交错的复杂的动态系统，阐明了研究开发（R＆D）与技术创新涨落因素是高技术产业化系统向有序方向演进的内部诱因的观点，从而尝试为我国高技术产业化过程提供理论依据和指导。     

传感网络低占空比MAC协议同步机制研究

低占空比MAC协议通过节点休眠有效延长了传感网络的寿命,然而同步过程中许多节点监听多个计划,降低了协议的节能效果;同时节点休眠导致数据转发时延大大延长。提出了一种适用于低占空比MAC的新同步机制。基站成为唯一的同步发起者,它周期性地发布同步信息。其他节点仅监听一个计划并广播他们自己的休眠计划,多跳路径上的邻居节点交错监听周期。在一个树型拓扑网络上的仿真试验表明,此同步机制可以在更少能量的条件下进一步减少低占空比MAC的系统时延,提高网络在较重负载下的吞吐量。     

基于预期机制的供应链产品转移价格混沌预测研究

将供应链管理系统中与原材料和产品流动过程有关的产品转移价格作为上游企业基于提前期内下游企业对产品的反馈信息作出的预期价格.提出了预期机制下供应链产品的非线性、非均衡转移定价模型,研究了供应链管理系统产品转移价格决策的混沌动力行为,并基于最大Lyapunov指数对供应链产品转移价格进行预测.最后,通过实例进行分析其应用价值.     

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.     

城市群公共危机协同治理机制研究

本文从城市群公共危机协同治理的内涵出发,运用协同熵分析城市群公共危机多主体系统的演化机理,并进一步构建城市群公共危机协同治理网络,最后从完善法律法规体系、建立信息沟通共享机制和优化资源配置三方面提出城市群公共危机协同治理的路径。     

一种基于语义增强和指导路由机制的方面级情感三元组抽取方法

目前,细粒度情感分析已在观点挖掘、文本过滤等域获得广泛应用,通过细粒度情感分析,能完成更精准的文本理解和结果判断.其中,包含方面、观点和情感极性的情感三元组抽取任务是一个具有代表性的细粒度情感分析任务,且大多数相关研究是基于管道模型和端到端模型开展的.然而,一方面,管道模型本质为两阶段模型,存在错误传播的问题;另一方面,端到端模型也无法充分利用句子中各组成之间的联系,存在高层次语义关系捕获能力欠缺的问题.为解决以上问题,本文对句法和语义知识进行特征补充,提出一个基于语义增强和指导路由机制的情感三元组抽取方法(ASTE-SEGRM).首先,基于键值对网络学习源文本的句法特征和词性特征.区别于以往的建模方式,本文所提方法动态捕捉不同句法及词性类型的重要程度,并赋予不同的权重,以实现语义增强;其次,受启发于迭代路由机制,引入指导路由机制构建神经网络,使用先验知识指导情感三元组的抽取;最后,在四个基准数据集上的实验结果证明,本文所提方法优于数个基线模型.