具有两类需求服务的随机库存系统控制策略研究

研究具有两类顾客排队需求服务的随机库存系统.系统采取(s,Q)补货策略且当库存水平下降到安全库存s时,到达的第二类顾客以概率P得到服务.首先,建立库存水平状态转移方程并通过递推算法求解获得库存水平稳态概率分布和系统稳态指标;接下来,构建库存成本函数;最后,采用数值试验的方法研究该库存系统的最优控制策略并考察系统参数的敏感性.     

随机生产系统安全库存的JIT控制策略

本文研究了随机工件加工时间的生产系统在JIT（Just-In-Time）控制策略下的运行机制。基于文[1]所提出的看板控制生产系统的生产率与其马尔柯夫模型的状态空间相对应的理论，本文探讨了在JIT控制策略下生产系统的看板在安全库存受限的条件下的最优配置问题，并给出了工作站数目小于5的生产系统看板最优配置公式。     

动态价格和需求下两级生产系统的最优策略研究

本文研究了动态价格和需求下两级生产系统的最优管理策略问题.文章根据最优控制理论分析了最优生产库存策略的必要和充分条件,得到了特定情形下的最优生产策略,并且把结果推广到包含N个库存的情形。     

基于系统动力学的供应链库存策略仿真研究

针对一个动态、多级的供应链库存系统,应用系统动力学的方法,建立了供应链(s,S)库存策略下的物流成本模型,并通过动态仿真,分析了库存策略的变动对于供应链库存系统各级成员间库存供需的动态行为,提出了(s,S)策略下的供应链库存系统的有效管理方法.     

马尔科夫决策过程在R/M系统库存控制中的应用

给出了有限阶段R/M(再制造/制造)系统集成库存模式,利用马尔科夫决策理论对库存容量有限、具有随机再制造零部件的R/M系统集成库存进行研究,考虑再制造零部件单位成本、新零部件可变费用和固定费用、超过库存容量的那部分再制造零部件的附加费用及有缺货赔偿的情况,给出了马尔科夫决策过程模型,得到了随机最优控制策略.     

具有不耐烦顾客的生产服务库存系统最优生产策略

研究了基于(s,S)策略有不耐烦顾客的生产服务库存系统.建立了水平相依的拟生灭过程,通过截尾近似的方法求出系统稳态概率向量,并给出系统一些性能指标.最后,设计遗传算法并通过数值算例求解最优生产策略.     

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.     

基于多Agent的Supply-Hub库存策略建模与仿真研究

Supply-Hub是一种能较好地解决装配式供应链协同运作问题的供应链运作模式,其库存参数设置对于平衡上游供应商与下游制造商之间的利益,吸弓l供应商加入Supply-Hub非常关键.建立了由两个供应不同零部件的供应商向制造商补货时的供应商多周期成本模型,采用多Agent仿真方法,研究了三种情形下(s,S)库存策略参数的变动对供应商及制造商的影响,以期为Supply-Hub运营商合理确定库存策略参数提供一定参考.     

基于排队的库存服务系统最优控制策略

研究一个连续盘点的(s,Q)补货的库存服务系统。基于排队理论建立库存水平状态平衡方程,并推导出库存水平稳态概率分布以及作为库存控制的系统稳态性能指标。以库存成本最小化为目标,构建服务水平约束的库存控制模型。针对模型的非线性约束与整数型变量的特征,采用一种改进的遗传算法(IGA)用于决策变量的寻优。数值实验表明,当目标服务水平大于库存系统内生的服务水平时,实施服务水平约束能够降低库存控制成本。     

具有定价和开机成本的生产-库存系统的最优(s,d,S)策略

考虑一个具有有限容量和开机成本的连续盘点生产-库存系统, 其控制策略为(s,d,S)策略. 未被满足的需求都会丢失. 当机器处于关闭状态时,库存产品可以两个不同的价格进行销售. 当机器处于开机状态时,库存只能以较高的价格进行销售. 研究了如何发现该系统下的最优(s,d,S)策略,并开发了用于计算最优控制参数的有效算法.     

基于混合时滞观测器的混合反馈控制

对于一类具有状态和有限自动机输出时滞的离散混合系统,研究基于混合时滞观测器的混合反馈控制问题.通过系统线性部分和离散事件部分的Lyapunov函数构造了整个时滞系统的混合Lyapunov函数,进一步,给出混合反馈控制的设计方法且证明了闭环系统的稳定性.仿真例子说明该方法的有效性.     

基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

基于EEP法的一维有限元自适应求解

基于新近提出的一维有限元后处理超收敛算法——单元能量投影（EEP）法,将有限元自适应求解问题转化为对超收敛解答的自适应分段多项式插值问题;对于大多数问题,一步便可获得满意的有限元网格划分,在该网格上再次进行有限元计算,一般即可获得满足用户给定的误差限的有限元解答．即便未能完全满足精度要求,一般只需局部细分加密网格一至二步即可．该法简单实用、高效可靠,是一个颇具优势和潜力的自适应方法．以二阶椭圆型常微分方程模型问题为例,对该法的基本思想、实施策略及具体算法做一介绍,并给出有代表性的数值算例用以展示该法的优良性能和效果．     

基于线性规划的网络流量流向控制策略

互联网的快速发展给运营商带来了网络流量流向控制的需求.控制网络流量流向不但要保证服务质量,而且要尽可能降低运营费用,更要保证各网络链路具备裕量能应对突发变化.在网络流量流向控制中结合成熟的线性规划方法从能全局角度实现网络流量流向的多目标控制,保障网络的健康运行.     

一种基于H-R变分的杂交广义元方法

基于Hellinger Reissner变分原理,通过构造合适的应力场函数使其能更方便和更准确地得到节点上的应力值,同时结合广义有限元构造广义位移插值的方法,在不提高单元节点数目的前提下提高位移场函数的阶次,从而提高其求解精度．这种方法能同时灵活地构造应力场和位移场,在同等精度条件下能占用较少内存和求解更少的方程数目,计算结果也显示了这种方法的有效性和很高的计算精度．     

一种新的基于PDF控制的电梯群控调度策略

针对电梯群控调度过程中交通特性的不确定性,建立了包括最短候梯时间,最短乘梯时间和最少能耗的电梯群控系统的模型,提出了一种适应电梯群控性能需求的伪微分反馈控制算法,并对算法进行改进来达到更好的调度效果,最后进行仿真实验.仿真结果表明该方法与其他算法相比在电梯群控调度性能和交通模式的适应性方面有较大的改善。     

基于混合模型的原油价格混沌预测方法

针对原油现货价格的非线性和时变性特征,提出一种小波变换结合Elman神经网络和广义自回归条件异方差(GARCH)模型的混沌预测方法。首先利用小波变换将原油现货价格序列分解和重构成概貌序列和细节序列。其次对概貌序列和原油期货价格序列进行相空间重构,建立Elman神经网络的混沌时间序列模型预测概貌序列的未来值;同时以细节序列为历史数据,构建GARCH模型预测细节序列的未来值;最后将概貌序列和细节序列的未来值求和作为最终的预测值。实验证明该方法能够提供更准确的预测结果。     

基于粒子群算法的面向节能的单/多列车优化决策问题

针对列车运行优化控制问题,首先对列车运行过程的受力情况进行分析,建立了列车运行模型;接着根据最优惰行点选择原则和再生制动节能的方法,确立了单列车区间运行优化模型与多列车节能运行模型;然后采用基于高斯白噪声扰动变异的粒子群算法(GMPSO)求解上述模型得出各情况下列车的最优控制策略;最后探讨了列车延迟情况下的节能调整方案.     

基于全局人工鱼群算法的变压器投切控制策略分析

钢铁企业中变压器的投切往往都是根据工作人员的经验而操作进行的,忽略了投切时机对于变压器损耗的影响.考虑到钢铁企业在电力负荷中占有很大的比重,所以投切不恰当而产生的费用是不可忽视的.针对上述问题,提出一种基于全局人工鱼群算法的变压器投切控制方法,根据钢铁企业变压器实际参数,计算出变电站不同运行情况下的临界负载量,通过结合实际负荷情况确定变压器投切点;全局人工鱼群算法具有较快的收敛速度,可以用于解决有实时性要求的问题.以最终节电效益用作为目标函数,基于全局人工鱼群算法得到最优投切方案.最后以某钢铁企业变压器投切为例,验证了所提方法的有效性.     

A Hybrid Mesh Selection Strategy Based on Conditioning for Boundary Value ODE Problems

An appropriate mesh selection strategy is one of the fundamental tools in designing robust codes for differential problems, especially if the codes are required to work for difficult multi scale problems. Most of the existing codes base the mesh selection on an estimate of the error (or the residual). Our strategy, based on the estimation of two parameters characterising the conditioning of the continuous problem, as well as on an estimate of the error, not only permits us to obtain a well adapted mesh, thus reducing the cost of the code, but also provides a measure of the conditioning of both continuous and discrete problems.