供应链集中决策下RFID技术应用决策分析

RFID技术可以对供应链系统中的产品信息进行有效追溯和实时共享,以化解系统管理效率、安全防范、监控和保障能力极其低下等问题.但是,由于应用成本的制约,使很多附加值较低的行业仍望而却步,严重制约了RFID技术的发展和普及.以单个零售商和供应商组成的供应链系统为研究对象,首先,对基于RFID的供应链产品入库及日常盘点管理流程进行了简要分析;在此基础上,分别构建了集中决策下采用与不采用RFID技术时的供应链利润模型,并对其最优决策问题进行详细分析,得出供应链系统在集中决策下实施RFID技术的投资决策条件,所得结论可以为供应链系统在集中决策下实施RFID技术应用决策问题提供理论支持.     

多属性逆向拍卖分组评标行为的实验研究

网络逆向拍卖已经成为政府和大型企业集团集中采购的重要途径,分组多属性拍卖是当今普遍采用的评标机制.构建了分组多属性逆向拍卖评标的数学模型,在评标专家有限理性的前提下预测该机制下可能存在评标专家组间对立情绪累积问题.借鉴实验经济学模拟与仿真、行为分析方法,在定义抬标、压标行为参数的基础上,利用学生评标实验数据,验证了当前机制确实存在情绪累积效应,提出增设综合专家组和标书中分组属性的信息相互开放等改进新机制,并通过角色实验比较其优越性.进而提出3点改进建议,利用多Agent技术进一步研究多属性逆向拍卖评标行为是下步工作.     

敏感性问题调研的再讨论——分组调研方法

网络调研已广泛应用于领导满意度评价等敏感性问题.网络调研时不存在令用户充分信任的随机数生成机制,从而导致传统敏感性问题调研的随机作答方法(RRT)失效.提出分组调研方法,通过合并分组降低问题敏感性、提高如实作答可能.同时依据样本量最小的原则,给出了最优分组方式,并在合理的参数范围内通过数值求解得到分组人数与总人数的经验公式k=(n+1)/2.方法也可以应用于随机数生成机制不可信任条件下的其它敏感性调研问题.     

基于规模不经济和网络外部性的捆绑手机供应链定价决策

考虑网络外部性和规模不经济的影响,对捆绑手机供应链的决策展开研究.构建了捆绑手机供应链的分散决策模型和集中决策模型,并对模型进行了比较分析.研究表明:1)规模不经济系数会阻碍系统利润的增长,而网络外部性系数促进系统利润的增长.2)手机制造商或电信运营商主导系统时所获利润远高于其不主导系统时的情形.同时手机制造商主导系统时,系统的利润要高于电信运营商主导系统时的利润.3)在分散决策下,手机制造商和电信运营商的利润均未达到最优:集中决策下,合约机套餐价格较低,总的销量更高,系统的利润更高.通过“补贴联合收益共享”协调契约,可以实现手机制造商和电信运营商的收益最大化.     

基于多Agent仿真的双元创新平衡与组织绩效关系研究

运用多主体仿真方法,探讨了双元创新平衡对组织绩效的作用机理,并且检验了个体间模仿学习速度、任务复杂度、人员流动、环境扰动等情境因素与双元创新平衡对组织绩效的交互影响。仿真实验的结果表明,当组织处于稳定环境下,任务复杂程度适中,并且个体间模仿学习速度中等时,双元创新平衡参数与组织绩效间呈现倒U型的影响关系;当任务过于复杂或者过于简单时,任务本身的特性削弱了双元创新平衡参数对组织绩效的影响,不同平衡模式对应的组织绩效没有明显的差距;当个体间模仿学习速度比较慢时,增强了组织的探索性,此时具有利用式创新倾向的组织可以更好地提升组织绩效水平。但当个体间模仿学习速度过快时,组织更多的倾向探索式创新对组织绩效的提升更有利;当组织存在人员流动和外部环境扰动时,更多的利用式创新可以提升组织对现有知识进行重组和整合的能力,从而更好地适应环境的动态变化。     

基于集对分析的多种不确定偏好形式大群体决策方法

针对具有多种不确定偏好形式的多方案大群体决策问题,提出一种基于集对分析的群决策方法。将区间数、三角模糊数以及语言值三种形式的不确定偏好转换为联系数,保留了不确定偏好信息中的确定性与不确定性。提出一种区间聚类算法,在决策成员权重未知的情况下对成员进行赋权。利用加权综合联系数对大群体偏好进行集结,根据方案的集对势大小给出方案的排序。该方法避免了确定权重时的主观性,同时考虑决策信息的确定性与不确定性,提高了决策结果的可信度。通过实例分析验证了方法的有效性和实用性。     

考虑零售商竞争的供应链契约选择模型

传统的面向竞争性供应链协调的契约设计的高复杂度使得契约学习的成本大大提高,难以在现实中得到普遍应用。研究了由一个供应商和两个竞争性零售商构成的供应链的协调问题。分析了竞争性零售商对简单契约的选择问题,设计了一种不同于以往单一契约模式的契约选择模型,为订货能力不同的零售商提供可供选择的数量折扣契约和批发价格契约。实现了供应链的最优协调,使分散式决策的供应链的利润达到了集中决策的水平。最后通过具体算例验证了结论。     

非精确信赖域类型算法及收敛性分析

在求解大规模数据的优化问题时,由于数据规模和维数较大,传统的算法效率较低.本文通过采用非精确梯度和非精确Hessian矩阵来降低计算成本,提出了非精确信赖域算法和非精确自适应三次正则化算法.在一定条件下,证明了算法有限步停止,并估计了算法迭代的复杂度.特别地,我们分析了采用随机抽样时算法在给定概率下的复杂度.最后,通过二分类问题的数值求解,比较了本文提出的随机信赖域算法,随机自适应三次正则化算法和已有算法收敛效率.数值结果表明在相同精度下,本文提出的算法效率更高,并且随机自适应三次正则化算法的效率优于随机信赖域算法.     

发散一集中,再发散一再集中

发散思维是对同一个问题从多种角度思考,从多方面探求答案的思维过程。培养创造力,不仅要提倡发散性思维,而且要求有集中性思维,即对发散思维提出的多种可能性,在比较与评价的基础上进行选择,通过去伪存真获得较合理、较理想的一种可能。这一选择是思维从发散到集中的转化契机。因在教学过程中,正确处理思维的发散性和集中性的关系,是培养学生创造能力的关键。下面以实例来说明在教学中如何处理这两种思维的关系。     

给定限期条件下应急选址问题的量子竞争决策算法

为求解给定期限条件的应急设施选址问题,本文提出了一种量子竞争决策算法.将量子个体作为博弈者参与到竞争决策中,利用量子位、叠加态等理论提高竞争群体多样性,缩小群体规模,加快优化速度;基于进化博弈论中博弈者学习和策略调整的机制,实现竞争者学习和自演化的目的,增强算法的寻优能力.实验结果表明算法的可行性和有效性.     

改进遗传算法优化非线性规划问题

针对遗传算法在处理优化问题上的独特优势,主要研究遗传算法的改进,并将其应用于优化非线性规划问题.在进化策略上,采用群体精英保留方式,将适应度值低的个体进行变异;交叉算子采用按决策变量分段交叉方式,提高进化速度;在优化有约束非线性规划问题时,引入算子修正法,对非可行个体进行改善.MATLAB仿真实验表明,方法是一种有效的、可靠的、方便的方法.     

求解高维复合体函数的智能优化算法

由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.     

基于PT-MA理论的煤矿安全群体行为演化博弈分析

将前景理论(PT)和心理账户(MA)理论相结合引入到矿工群体、监管群体的演化博弈决策过程中,构建了效价账户和成本账户前景收益感知矩阵,得到不同情况下演化系统所达到的均衡状态,发现当实施安全行为和监管行为与实施对立行为的价值感知收益偏差呈同化正向收敛时,安全行为和监管行为的演化趋于理想状态。但在现实状况下,群体行为演化并不能达到理想的结果,原因如下:(1)安全行为成本、监管行为成本较高,安全行为效价、监管行为效价较低;(2)效价感知函数参照点高,成本感知函数参照点低;(3)矿工、监管群体面对效价收益时更倾向于风险厌恶,面对成本损失时更倾向于风险追求;(4)群体决策更倾向于低估高概率事件(事故概率、监察概率、举报概率)。最后构建Matlab算法,进行演化博弈数值模拟,验证了调节各参数对行为演化的影响作用。本文为煤矿安全监管提供了新的思路,同时对其他领域的安全监管提供了借鉴价值。     

延迟效应影响下的产学研协同创新知识共享研究

在高校和企业组成的产学研协同创新知识共享体系中,考虑成员的知识共享策略均存在延迟效应时的影响,构建了基于双延迟效应的动态微分模型。运用极大值原理,得到了协同创新主体在集中和分散两种决策下的最优知识共享策略、最优收益和体系的知识水平。研究发现:延迟时间的存在对高校和企业的知识共享策略具有负面效应,且均低于发生即时效应的情形;集中式决策并不总是优于分散式决策,两个延迟时间在满足一定的条件时,选择集中式决策为最优,否则双方企业将追求自身利益最大化而选择分散式决策;分散决策下,利润分配比例达到一定条件时,企业才愿意为高校提供补贴。且高校的知识共享延迟时间增加时,企业将提高该补贴比例。补贴比例越大,高校的知识共享水平越高,但对企业的知识共享策略没有影响。     

基于战略顾客行为的最优定价与容量选择模型

研究了当市场中同时存在战略顾客和短视顾客时零售商的最优定价与容量选择问题。零售商在正常销售阶段和出清销售阶段制定不同的销售价格,同时通过容量选择影响战略顾客的购买行为,而战略顾客则根据零售商的定价和容量选择确定最优购买时机。分别分析了零售商在无限容量时的定价决策、固定价格时的容量选择、固定容量时的定价决策以及有限容量下的定价与容量选择四种情形。研究结果表明,零售商在无容量限制时的最优定价决策是制定两阶段定价策略,在固定价格时的最优容量选择依赖于模型的参数,而当零售商的容量固定时,部分满足出清销售阶段的顾客需求始终优于完全满足出清销售阶段的顾客需求。     

再制造中零件供应系统整合优化研究

再制造企业里,在决策购买新零件或修复旧零件时,经常面对有限的拆卸修复信息和不确定的订货提前期.为了得到科学的决策,人们试图尽早地掌握拆卸修复零件的确切信息,与有能力的供应商建立良好的关系,或在企业建立管理信息系统来统计分析废旧品的状态和数量等.根据市场需求和产品批发价,以满足市场需求所要购买新零件数和拆卸修复机器数为决策变量,并考虑拆卸修复成功的概率,建立企业期望利润的数学模型,求得可能情况下的最优解或现实满意解.洞察再制造企业取得最大利润的主要影响因数及这些因数间的关系,为制作生产计划提供理论依据.最后指出进一步的研究问题.     

基于可回收应急物资共享配置的微分博弈模型

灾害救援阶段经常存在着应急物资的过度供给,导致恢复阶段应急物资回收困难和浪费严重.共享经济为解决应急物资回收信息不对称和过度供给提供了新思路.但是,共享平台回收应急物资面临合理分配成本-收益的难题.从灾后恢复期的应急物资回收视角,构建以应急物资供应方企业、共享数据平台和需求方企业为参与主体的无成本分担决策、集中决策和成本分担决策三种应急物资配置微分博弈模型.得到如下结论,需求方支付给供应方的资源使用费满足一定条件时,成本分担决策可以提高需求方的匹配努力度,实现帕累托改进.集中决策在应急物资配置过程中任意时刻满足整体理性和个体理性的一致性,促使应急物资共享量和整体利润均达到最优.无成本分担决策实现局部最优,加重应急产业链的双重边际效应.     

VMCI下考虑顾客退货的供应链联合促销与协调

在允许顾客退货的环境下,以供应商管理寄售库存(VMCI)的供应链为对象,探讨了供应链的促销决策及协调问题。研究发现,集中情景下最优的寄售库存量与促销水平均高于分散情景下的对应值;根据在供应链运营过程中双方成员承担的不同风险设计的滞销补贴-双向促销成本分担契约可以实现供应链协调;期望退货费用不超过某一阈值时,全额退货策略优于不允许退货策略。此外,通过数值仿真揭示了顾客评估风险对利润及协调契约的影响。     

搜索路径的优化设计模型

研究对指定区域进行全面搜索用时最少的行进路线.问题一中提出了往复式的搜索方式,结合拐弯处所用的时间,得到最优时间为49.806小时,添加三名队员后,最优时间为46.593小时:对问题二提出了分组进行搜索的方式,当分组队员数分别为22、23、5人时,最优时间为20.45小时.     

基于Agent仿真的个体有限理性与众包绩效的关系研究

如何筛选有限理性参与者是企业实施众包的关键问题。通过引入个体有限理性,扩展了经典的NK模型,构建了模拟竞赛式众包问题解决过程的多主体仿真模型,研究了个体有限理性水平、个体有限理性系统化程度以及个体有限理性水平标准差对众包绩效的影响。仿真结果显示,个体有限理性水平对提高众包绩效有显著的正向影响,尤其是在任务复杂性较高的情况下;个体有限理性系统化程度和个体有限理性水平标准差对众包绩效也有正向影响,但依赖于个体有限理性水平。当企业有一个复杂性较高的任务时,如果追求所有方案的整体改善,企业需要招募有限理性水平较高的个体,并组成有限理性系统化程度较高且有限理性水平标准差较大的群体;如果追求少数优质方案,企业需要招募有限理性水平较高的个体,并组成有限理性系统化程度较低且有限理性水平标准差较大的群体。