企业社会责任下碳减排优化策略与协调机制研究

基于企业社会责任(CSR)的视角,本文研究由生产低碳产品的制造商和零售商组成的二级供应链的最优策略及供应链协调问题。通过构造供应链成员具有社会责任感的效用函数,分析了CSR对各成员的利润和环境的影响。研究发现:制造商和零售商都是通过降低碳排放水平来体现社会责任感;无论制造商有社会责任感还是零售商有社会责任感,供应链的利润都增大;在收益共享-成本分摊合同(RC合同)下协调,可以使制造商和零售商实现双赢(帕累托最优);零售商应该承担更多的社会责任,降低碳排放水平。     

一个具有三次非线性项的可积两分量Camassa-Holm系统解的持久性

研究了一个具有三次非线性项的可积的两分量Camassa-Holm系统Cauchy问题解的持久性.通过用权函数估计的方法证明:如果两分量Camassa-Holm系统的初值以及初值的空间导数都以指数形式衰减,则两分量Camassa-Holm系统的强解也在无穷远处以指数形式衰减,进一步,给出了动量的最优衰减估计.     

基于PCA-BP神经网络的光谱消光法颗粒粒径反演算法研究

光谱消光法广泛应用于颗粒粒径测量领域,在利用光谱消光法对颗粒粒径进行反演的过程中,由于颗粒的消光系数存在理论复杂、计算繁琐、收敛速度慢以及求解不稳定等问题,很大程度上影响了整个反演过程的快速性和准确性。且在众多波长的消光数据中,存在较多重复冗余的信息,也很大程度上增加了反演算法的时间。针对光谱消光法粒径反演算法计算繁琐、反演效率低的问题,提出了基于主成分分析（PCA）和BP神经网络的光谱消光颗粒粒径分析方法。基于Mie散射理论对不同粒径、不同波长下的光谱消光值进行了仿真计算,通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算,实现了最优特征波长的选取,利用降维后的光谱消光数据训练了PCA-BP神经网络模型,并利用该网络模型计算了粒径颗粒分布。通过仿真计算,比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度,并分析了波长数目对两种神经网络模型预测结果的影响。针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验,搭建了光谱消光法颗粒粒径参数测量实验系统,测量了粒径范围在0.5～9.7 μm内的6种不同粒径参数的聚苯乙烯标准颗粒。仿真和实验结果表明：基于主成分分析方法可确定各个波长向量之间的相关性,利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性,可实现光谱数据的降维。相比传统的BP神经网络模型,基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高,对于较分散颗粒系的分布参数的预测有更加明显的优势。而且,被选取的波长数较少时,PCA-BP神经网络模型依然有较高的预测精度。利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证,预测结果可瞬时输出,颗粒粒径分布误差在5%以内,验证了该算法的可行性。     

一种基于角谱理论的改进型相位恢复迭代算法

进行星间激光通信的光学发射天线光束整形器设计时, 首要解决的问题是根据输入光场及理想的输出光场, 确定整形器的相位分布, 其核心就是相位恢复. 基于角谱传播理论, 在传统 Gerchberg-Saxton (G-S)迭代算法的基础上, 提出了一种幅度梯度加成迭代算法, 给出了算法的详细流程与分析. 与G-S相比, 新算法利用迭代过程, 构建光场幅度反馈回路, 利用梯度搜索最佳迭代路径, 两者的联合作用加速其迭代收敛进程. 数值仿真表明, 新算法的单位迭代次数所引起迭代误差下降的速度是G-S算法的1.7倍, 其收敛速度明显优于G-S算法; 对不同的随机初始相位, 新算法都能进行有效迭代, 表现出适应性强, 且收敛一致性好的优点. 幅度梯度加成迭代算法为复杂光场的高效相位恢复提供了一种新思路, 为设计各种衍射光学元件提供了技术支持. 关键词： 相位恢复 迭代算法 角谱理论 光通信     

各向异性网格下特征值问题的有限元分析

主要目的是在各向异性网格下研究二阶椭圆特征值问题的两类非协调有限元—类Wilson矩形元和Carey三角形元—的收敛性分析.通过新的技巧和方法,得到了与传统有限元网格剖分下相同的特征对的最优误差估计.推广了已有的结果.     

污水处理站站址的合理选择

为确保“可持续发展”生态环境,市府规定所有生活和工业污水不能直接排入黄浦江.须经处理,达到规定指标后方可排放.考虑到费用较大,位于黄浦江附近的A,B两个工厂(如下图(1)所示)决定合作治理污水,经研究讨论决定修建一个污水处理站,并且铺设相应的排水     

线性规划多重最优解判别准则刍议

本构造了一些线性规划问题来探讨多重最优解的判别准则，补充了现行献中关于多重最优解判别准则描述的不足，并指出多重最优解判别准则在出现退化解时可能失效的例外情况。     

两层多人多目标决策模型及其凸性

本文提出了四种一般性两层多人多目标决策模型及其最优解概念，它们适应于下层以不同已知信息提供给上层并涉及多个决策者不同偏好的两层多目标决策问题，研究了与这些模型相关的几种集值函数（包括下层有效前沿面，下层目标空间构成的集值函数和上层的两种复合目标集值函数）在各种意义下的凸性。     

改进的非线性整数规划算法

通过对LUUS随机搜索算法的分析，本文首次提出了一种改进的随机定向搜索法（MRDISA）通过实例计算，说明该算法的优点是最优解的可靠性不受初始值X^(0)和初始搜索范围R^(0)的影响，并可用于求解高维约束非线性整数规划问题。