基于系统动力学的多客户供应链库存控制研究

为了研究客户目标库存量变化以及订单方式调整对贸易商供应链库存控制的影响,构建多客户供应链系统动力学模型.在局部信息共享条件下,定量的比较了目标库存量变化对贸易商供应链库存的影响;改变参数设置,模拟了在订单方式调整下供应链库存的波动性.结果表明,客户目标库存量的增加降低贸易商供应链成本;全年订单量给定条件下的多频次小批量订单方式加强供应链库存系统稳定性.     

基于ARIMA与一元对数回归组合模型的中国果蔬发展战略研究

水果和蔬菜是重要的农产品,为人体提供必需的矿物质、维生素和膳食纤维.我国传统的饮食习惯并未重点考虑居民身体健康所需的均衡营养,导致了果蔬消费在营养学意义上的无序与盲目,进而影响到了果蔬的产业发展.从营养健康的角度出发,以近几年十二种主要水果和蔬菜消费量为研究对象,通过建立差分自回归一移动平均(ARIMA)和一元对数回归的组合模型,分析了近几年农村和城市主要水果和蔬菜消费量,并对未来七年主要蔬菜和水果消费量进行了预测.研究结果表明我国果蔬消费受季节、地域差别影响较大,整体与人均消费量均稳中有增.且随着城镇化进程的发展消费量不断向城市倾斜.此外,为了加强对果蔬产品消费的引导,以营养元素满足人体需要为约束,消费者和种植者经济效益最高为目标,通过多元线性规划模型计算得到了十二种主要水果和蔬菜的年人均合理消费量.其定量分析结果对我国果蔬产业发展有重要参考作用.     

基于蒙特卡洛方法的网络计划资源优化

蒙特卡洛方法由计算机产生伪随机数而生成试验点,根据约束条件找到优化解,据此编制C语言程序,可以成功求解网络计划的工期固定-资源均衡优化、资源有限-工期最短优化和资源有限-工期最短-资源均衡优化,并给出蒙特卡洛方法得到最优解的概率.算例结果表明:相同条件下,基于蒙特卡洛方法的工期固定-资源均衡优化方案资源方差较粒子群算法小,基于蒙特卡洛方法的资源有限-工期最短优化方案工期较遗传算法短,基于蒙特卡洛方法的资源有限-工期最短-资源均衡优化方案工期较遗传算法短.     

生态平衡制约下离散尺度结构种群的最优收获

研究基于扩展Leslie投影矩阵的离散尺度结构种群模型的最优收获问题,约束条件包括生态平衡和开发成本等.运用凸优化理论证明了最优收获策略的存在性,导出了最优收获模式,应用模型参数给出了收获比率.结论显示:最优策略具有两阶段结构.     

不完全序关系信息下的双边匹配决策

针对不完全序关系信息下的双边匹配问题,提出了一种匹配决策方法。为了解决该问题,首先将不完全序关系信息转化为不完全Borda分值矩阵,并进行规范化处理;依据规范化Borda分值矩阵,构建综合Borda分值矩阵和离差矩阵,进而构建匹配度矩阵。基于匹配度矩阵构建优化模型,通过求解模型获得匹配方案。最后,以软件服务外包供需匹配为例说明本文所提方法的实用性和有效性。     

基于稀疏重建的航空货运量模型研究

压缩感知(Compressed Sensing CS)理论广泛应用于应用数学、图像重建、信道估计以及谱估计等不同领域.在理论方面,依据压缩感知基本理论建立差分稀疏凸优化模型,并推导差分稀疏重建限制子空间特征值的稳定性条件;在应用方面,研究此模型在我国航空货运量建模与预测中的应用,以1998-2007年我国航空货运量的统计数据为基础,利用凸优化理论建立我国航空货运量的差分稀疏模型.通过拟合误差指标的详细比较可知:相对于灰色理论模型、回归分析模型,航空货运量的差分稀疏模型具有更高拟合精度.实验证明,差分稀疏理论可以为航空货运量的短期预测以及航空货运业调控提供有效理论支持.     

在两用户干扰信道通信中的帕累托最优解

从信息论的角度研究了两用户干扰信道的可达速率问题.将帕累托优化方法应用于耦合两用户干扰信道传输功率分配策略.结果表明:当系统处于帕累托最优时,使用最小发射功率可以达到最大信道速率.此外,每个信道的可达速率相等,且它仅与信道的参数有关.结论提供一个理论工具,应用该工具可以避免使用大量复杂的干扰抑制方法,达到获得最大信道速率的目的.     

乘积拓扑动力系统的转移不变集

研究一般拓扑动力系统的复杂性是很困难的,拓扑共轭、拓扑半共轭、嵌入映射和转移不变集都可以不同程度保持动力系统的复杂性.通过研究拓扑动力系统与符号动力系统拓扑共轭,找到了拓扑动力(子)系统存在转移不变集的条件,同时证明了拓扑动力系统存在转移不变集与乘积拓扑动力系统存在转移不变集的关系,通过研究相对简单、直观的符号动力系统,间接的反应一般拓扑动力(子)系统与其乘积拓扑动力系统的动力性状.     

收敛性随机森林模型及其遥感应用

通过引入全局损失函数,提出了一种全局优化的随机森林模型算法,称为θ-β型随机森林,并且利用改进后的模型对城市遥感图进行了检测与识别,识别准确率与识别速率都得到了一定的提高.方法在经典随机森林模型的基础上加入前向反馈模型(Forward Stagewise Additive Model),通过每一层节点的训练结果干预下一层的训练数据(从而改变阈值θ的选择)与训练步长(β),使得最后训练得到的型随机森林收敛速度更快,预测结果更为准确.     

基于UTA方法的多目标优化模型

针对多目标线性优化问题进行研究,提出了一种基于效用加性方法(UTA)的多目标线性优化方法.利用不同目标值的组合给出训练方案,决策者针对训练方案给出一些偏好信息,据此推断决策者的效用函数,并进一步求解多目标线性优化模型.进一步给出了算例来说明方法的实施过程及验证可行性.方法较多的考虑了决策者对于决策的偏好,注重决策者的意见,为多目标决策问题提供了一种新的思路.