需求变化的多阶段EOQ算法稳定性分析

多阶段库存管理是供应链研究的重要课题,现有文献中独立需求的订购策略问题,即在设定计划期内各阶段的需求（计划执行过程中需求不再变化后）,已给出了相应的算法。现针对订购计划执行过程中,需要调整某一个阶段的需求,而其它阶段的需求不变情况,选择对EOQ算法进行数据仿真来分析其稳定性,为库存决策系统的算法选择提供依据。     

基于供应链成员风险态度的行为演化研究

为研究供应链成员的风险态度对供应链中断风险的影响,采用演化博弈理论方法,建立了供应商与零售商行为交互的演化博弈模型,研究了决策参数的变化对演化结果的影响,并用数值仿真展示了决策参数的不同取值和初始条件的改变对演化结果的影响。研究发现,供应商和零售商风险态度的路径演化系统收敛于两种模式,既可以向良好状态演化,也可以向不良状态演化,并形成"锁定";通过调节参数,系统可以跳出不良"锁定"状态。     

论矩形物体布局的启发式近似计算问题

针对待布局矩形物体在布局空间中可行位置，给出了其可行域的定义，并据此对待布局物体的摆放规则进行了讨论，提出了一种基于空间分解的启发式算法，实例计算表明了该算法是有效的。     

需求变化的多阶段库存控制动态规划算法研究

多阶段库存管理是供应链研究的重要课题,其中独立需求的订购策略问题,在需求率不是恒定、计划执行过程中各阶段需求不再变化的情况下,动态规划方法（WW算法）效率较高。给定费用参数（物资单价、一次订货费用、单位库存保管费用）,订购计划执行到阶段i（1〈f〈m）时需要调整阶段m的需求,而其它阶段的需求不变,订购策略如何调整,使得库存总费用最低;文中研究了此类独立需求多阶段订购策略问题,并改进了WW算法。     

二次订货策略在单周期产品逆向供应链中的应用

在单周期产品逆向供应链中,为了研究二次订货策略的协调机制,将零售商面临的需求划分为两个阶段,在每个阶段中分别进行订货,以利润最大化为目标建立了目标函数.采用数值方法分析了供应链的总体收益,并对二次订货和一次订货进行了比较.数值算例表明二次订货策略能够显著提高供应链尤其是零售商的收益,可以有效的协调逆向供应链系统.     

复杂网络中基于记忆长度的合作行为

网络结构和群体总数对合作行为有重要影响.为进一步研究个体的学习行为和记忆长度如何影响群体的合作率,构建了三种不同类型的网络,采用基于代理计算实验方法,将网络的节点看作有限理性的个体,并构造了个体的适应函数和个体学习和策略的演化方式,研究系统的合作行为.计算实验结果表明偏好选择学习策略提高了无标度网络的合作水平,降低规则网络的合作水平.此时,记忆长度显著改变群体的合作水平,而个体采用随机选择策略时,记忆长度对群体的合作率产生很小的影响.另外,群体总数越高在无标度网络中合作水平越高,而小世界网络中合作水平越低,规则网络中则呈现不规则变化.从而证明偏好选择学习策略选择有一定的适应性,记忆长度和群体总数针对不同的学习策略和网络结构会带来截然相反的结果.