基于相对业绩比较的报酬契约与代理成本分析

有效的报酬契约是企业所有者激励经营者努力工作的最佳动力，该文在考虑了相对业绩比较信息条件下，运用委托代理理论探讨了将货币收入和享受闲暇作为经营者的激励物的最优报酬契约，分析了非对称信息条件下实施契约的代理成本，得出了经营者利润分享系数与影响因素之间的关系模型以及代理成本与影响因素之间的关系模型，该文还设计了经营者的股票期权激励机制，并地某些企业作了案例分析，文章阐明股票期权激励能够将经营者的长期行为和利益与企业的长期目标结合起来，是调动经营者积极性的有效手段。     

无界报酬向量值折扣马氏决策规划—最优平稳策略及算法

本文主要讨论了无界报酬向量模型的平稳策略问题，给出了改进平稳策略的方法，建立起向量模型的最优方程，获得平稳策略为强最优策略的充要条件．指出最优平稳策略的期望报酬函数必为极大不动点，最后提出一种寻求最优平稳策略的策略迭代算法．     

现行科技成果奖励办法的利弊分析与对策初探

文章对现行科技成果奖励办法的利弊进行了分析探讨，并提出了相相应对策建议。     

侧析我国的学术环境——对诺贝尔奖困惑的反思

诺贝尔自然科学奖是比较公正的,但政治对科学发展的影响又是现实的。我国之所以未曾问津诺贝尔自然科学奖,在很大程度上是由于政治环境影响了基础研究的学术自由和学术交流。     

基于强化学习的电磁悬浮型磁浮列车悬浮控制

为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮（EMS）型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家（SAC）智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分（PID）控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

一种无先验地图的移动机器人导航方法

为了提高移动机器人在复杂环境下的无先验地图导航算法模型训练速度及导航成功率,提出一种基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)的移动机器人导航方法。利用2D激光雷达的均匀分布测距信息,降低环境噪声的干扰及高维度环境信息的计算量;采用人工势场法构建移动机器人从初始位置到目标点过程的奖励函数;通过Actor-Critic网络结构提高模型训练的稳定性和泛化能力。实验结果表明,提出的方法具有模型训练速度快、导航成功率高及泛化能力强等优点。     

奖励能否激励员工创造力:不同成就动机氛围下的匹配研究

激活员工创造力、凝聚新的发展动力是企业面临的紧迫任务.基于系统而权变的视角,以"语义感知-心理计量-行为强化"为理论主线,针对60个团队274名员工样本,运用跨层次分析考察了不同成就动机氛围下奖励(水平和结构)对创造力的影响.结果表明,精熟氛围、扁平型奖励结构正向影响突破式创造力;表现氛围、陡峭型奖励结构正向影响渐进式创造力:三项交互检验显示,在高精熟氛围及扁平型结构下,提高奖励水平能够更好地激活突破式创造力;而在高表现氛围和陡峭性结构下,提高奖励水平能够更好地激活渐进式创造力.研究揭示,成就动机氛围、奖励结构与创造力类型之间存在一种相对最优的匹配关系.蕴含的实践价值在于,企业应从执行角度在项目团队营造表现动机氛围并辅以竞争性激励结构,以提升渐进式创造力,快速获取局部竞争优势;但鉴于"渐进式创新有余,突破式创新不足"的企业创新格局,我们更应从战略视角在技术核心部门营造精熟氛围并辅以高位均衡的激励模式,以催生突破式创造力,赢得持久竞争优势.     

Modeling and Performance Analysis of Dispatching Policies in Dispatcher-Based Web Server Cluster

There are two kinds of dispatching policies in content-aware web server cluster; segregation dispatching policy and mixture dispatching policy. Traditional scheduling algorithms all adopt mixture dispatching policy. They do not consider that dynamic requests＇ serving has the tendency to slow down static requests＇ serving, and that different requests have different resource demands, so they can not use duster＇s resource reasonably and effectively. This paper uses stochastic reward net （SRN） to model and analyze the two dispatching policies, and uses stochastic Petri net package （SPNP） to simulate the models. The simulation results and practical tests both show that segregation dispatching policy is better than mixture dispatching policy. The principle of segregation dispatching policy can guide us to design efficient scheduling algorithm.