两种需求情形下损失规避零售商的最优订货-定价联合决策

在加法需求情形和乘法需求情形下研究损失规避零售商的最优订货-定价联合决策问题. 基于前景理论, 建立损失规避零售商的期望效用函数, 并通过模型推导得到损失规避零售商的最优订货-定价决策的关系表达式, 发现库存因子满足特定条件时, 最优决策的关系表达式一定存在. 同时, 讨论零售商的损失规避行为对最优决策和期望效用的影响. 通过数值算例, 验证了所得结论的有效性, 发现商品定价较高时, 损失规避行为驱使零售商采取保守的订货策略, 使得最优订货量趋于均值需求.

     

考虑蓄意攻击的第三方物流多周期可靠性网络设计

研究多周期环境下的第三方物流(3PL) 可靠性网络设计问题, 并考虑蓄意攻击中断. 建立多层的3PL 可靠性网络设计模型. 网络优化模型在满足可靠性约束条件下优化各周期的网络结构, 包括物流设施的开设和运输量的确定, 使网络总成本最小. 蓄意攻击模型优化各周期的攻击策略使网络服务水平最低. 根据问题模型的特点, 设计改进的两层分布估计算法, 上层分布估计算法求解多周期3PL 网络设计模型, 下层分布估计算法求解多周期攻击模型. 最后, 通过仿真实验表明了模型的合理性和算法的有效性.

     

不确定多传感器系统鲁棒观测融合Kalman 预报器

对于带不确定模型参数和噪声方差的线性离散时不变多传感器系统, 用虚拟噪声补偿不确定参数, 系统转化为仅带噪声方差不确定性的多传感器系统. 用加权最小二乘法和极大极小鲁棒估计准则, 基于带噪声方差保守上界的最坏情形保守系统, 提出一种鲁棒加权观测融合稳态Kalman 预报器, 并应用Lyapunov 方程方法证明了它的鲁棒性, 同时给出了与鲁棒局部和集中式融合Kalman 预报器的精度比较. 最后通过一个仿真例子说明了如何搜索参数扰动的鲁棒域, 并验证了所提出的理论结果的正确性和有效性.

     

执行器饱和不确定NCS 非脆弱鲁棒容错控制

针对存在时变时延和丢包的不确定网络化控制系统(NCS), 同时考虑执行器饱和、控制器参数摄动以及非线性扰动等约束, 研究执行器发生结构性失效故障时系统的鲁棒容错多约束控制问题. 基于时滞依赖Lyapunov 方法和容错吸引域定义, 采用状态反馈控制策略推证出了闭环故障不确定网络化控制系统稳定的少保守性不变集充分条件, 并给出了非脆弱鲁棒容错控制器的设计方法以及最大容错吸引域的估计. 仿真算例验证了所述方法的可行性和有效性.

     

鲁棒线性优化问题研究综述

鲁棒优化（ＲＯ）是从计算复杂性的角度研究不确定优化模型鲁棒最优解的数学方法．从单阶段鲁棒优化和多阶段鲁棒优化两个方面对鲁棒线性优化（ＲＬＯ）理论的研究进展进行综述,前者的研究主要基于不同形式的不确定集合,后者的研究则基于前者的方法．研究多阶段不确定决策中决策变量受不确定参数实现值影响的情况,其核心是影响函数连续时的仿射可调鲁棒对应模型和函数离散时的有限适应性模型．最后对ＲＬＯ 的研究前景作了展望．

     

考虑单位车辆运力的运输-库存随机需求决策模型

针对提前期和客户需求不确定的生产、运输和库存协调控制问题, 基于整车直达运输策略, 从优化系统物流成本角度, 建立了在决策中明确体现单位车辆运力影响的运输-库存系统协调模型, 设计了求解模型的优化搜索机制并从数学上证明了其有效性. 最后, 进一步对单位车辆运力进行敏感性分析并得出以下结论: 在其他条件不变时, 单位车辆的运力会影响系统决策结果, 该运力既不是越大越好, 也不是越小越好, 而是某个适中值.

     

交互式凸组合法的混合时滞不确定中立系统的稳定性

针对带分布时滞和离散时滞的不确定中立型系统进行稳定性研究. 基于交互式凸组合方法和下界引理, 通过构造恰当的李雅普诺夫泛函, 适当分割时滞区间, 处理一组由凸参数逆加权的正函数线性组合(交互式凸组合), 给出线性矩阵不等式形式的系统鲁棒稳定性判据. 该方法允许离散时滞为变时滞, 增强了系统的鲁棒性能. 数值算例验证了所得结果的有效性和合理性.

     

分布式多输入系统的自律鲁棒自适应分散控制

为了实现一类分布式多输入系统的分散鲁棒自适应控制, 基于状态扩张和反演干扰抑制控制, 提出一种自律鲁棒自适应分散控制的新方法. 结合直接反馈线性化和最优控制, 给出了自律最优鲁棒自适应分散控制的设计方法. 仿真结果表明, 所提出方法能够有效实现各子系统的自律鲁棒稳定、全系统整体鲁棒稳定和不确定参数自适应, 同时通过求解LMI, 具备了最优干扰抑制的功能.

     

基于鲁棒自适应滑模观测器的多故障重构

针对一类不确定非线性系统, 基于滑模观测器研究执行器和传感器同时故障时的鲁棒重构问题. 引入线性变换矩阵并添加后置滤波器构建增维系统, 综合??_∞ 控制将鲁棒滑模观测器增益矩阵设计方法, 转化为LMI 约束下的多目标凸优化问题. 在滑模增益中添加了自适应律, 确保状态估计误差渐近稳定, 同时滑模运动经有限时间到达滑模面, 在此基础上给出执行器和传感器故障同时重构算法. 最后通过数值算例表明了所提出方法的有效性.

     

基于时变Sigmoid 函数的鲁棒PSO 算法

在样本规模有限的情况下, 为了提高算法的鲁棒优化性能, 提出一种基于时变(随迭代次数变化) Sigmoid 函数的鲁棒粒子群优化算法. 采用拟蒙特卡罗积分方法近似估计有效目标函数, 以时变Sigmoid 函数为基础, 设计各代各样本规模的选取概率. 迭代前期, 样本规模期望值较小, 加快了算法探索速度; 迭代后期, 样本规模期望值较大, 提高了算法的开发精度. 标准测试函数仿真结果显示, 所提出方法具有较优的鲁棒优化性能.

     

摄像机镜头畸变的鲁棒校正方法

针对计算机视觉中的镜头畸变问题,设计一种鲁棒的校正方法.该方法基于空间直线的成像特性来定义畸变测度,通过非线性优化完成畸变校正.采用微粒群全局优化算法,将传统优化方法、标准微粒群算法和基于不同策略的微粒群算法的性能进行对比.实验结果表明,带变异算子基于对位学习的微粒群算法具有较强的鲁棒性,在低噪声下,微粒群算法的校正性能优于传统算法.最后通过不同畸变程度的校正实例验证了所提出方法的有效性.     

需求依赖减排水平和价格的供应链决策与协调机制

针对由一个低碳产品制造商与一个零售商组成的供应链, 考虑需求同时受减排水平和销售价格的影响, 分别研究寄售契约、收益共享契约以及收益共享与减排成本共担3 种契约下供应链企业的优化决策, 并进一步探讨当需求的确定部分为和式、随机部分服从均匀分布时的供应链系统的最优决策. 从理论上证明了制造商与零售商之间的合作利于促进减排水平的提升, 也利于供应链系统期望总利润的增加. 最后, 探讨了不同参数对协调供应链绩效的影响.

     

Affinely adjustable robust optimization for a multi-period inventory problem with capital constraints and demand uncertainties

This study focuses on a multi-period inventory problem with capital constraints and demand uncertainties. The multi-period inventory problem is formulated as an optimization model with a joint chance constraint (JCC) requiring the purchase cost for each period not to exceed the available capital with a probability guarantee. To hedge against demand uncertainties, an affinely adjustable robust optimization approach is used to convert the developed model into a robust counterpart. By approximating the JCC under a budgeted uncertainty set to which the demands belong, the robust multi-period inventory model with the JCC is transformed into a linear programming model, which can be solved efficiently. Numerical studies are reported to illustrate the robustness, practicality, and effectiveness of the proposed model and the solution approach. The numerical results show that the proposed model and solution approach outperform the sample average approximation approach. Numerical studies are used further to analyze the impact of the budget coefficient and the upper bound parameter on the inventory costs and the realized capital constraint satisfaction rate. The proposed model and solution approach are further extended to the multi-product case.     

加速收敛的粒子群优化算法

在基本粒子群优化算法的理论分析的基础上,提出一种加速收敛的粒子群优化算法,并从理论上证明了该算法的快速收敛性,同时对该算法中的参数进行了优化.为了防止其在快速收敛的同时陷入局部最优,采用依赖部分最差粒子信息的变异操作.最后通过与其他几种经典粒子群优化算法的性能比较,表明了该算法的高效和稳健,且明显优于现有的几种经典的粒子群算法.     

不确定奇异大系统分散鲁棒预测控制

针对一类不确定奇异关联大系统,讨论了当系统状态不可测时,基于输出反馈的分散鲁棒预测控制问题.通过构造Lyapunov函数以及应用线性矩阵不等式方法,将"min-max"优化问题转化为凸优化问题求解,从而得到了输出反馈分散控制器存在的充分条件和显示表达式.证明了优化问题在初始时刻的可行解能保证奇异闭环大系统渐近稳定且正则无脉冲.仿真结果验证了算法的有效性.     

量子行为引力搜索算法

为提高引力搜索算法的优化能力, 通过在原始算法中融合量子计算, 提出一种量子行为引力搜索算法. 该算法采用类似量子行为粒子群优化的寻优机制, 在每步迭代中, 计算个体适应度, 根据适应度计算个体质量, 取前K 个质量最大的个体作为候选集. 采用轮盘赌方法在候选集中选择一个作为Delta 势阱的中心, 调整其他个体向该中心移动完成一步优化, 在优化过程中使K 值单调下降, 以期达到探索和开发的平衡. 标准函数极值优化的实验表明, 所提出的算法比原算法在优化能力和优化效率两方面都有明显提高.

     

时延网络控制系统的H∞ 鲁棒预测控制

针对具有输入约束和外部扰动的不确定长时延网络控制系统(NCSs),研究了H_∞鲁棒预测状态反馈控制律的设计问题.基于预测控制的滚动优化原理,导出了闭环NCS渐近稳定且具有鲁棒性能指标上界的充分条件,给出了状态反馈控制律的设计方法.最后,通过仿真研究验证了所提出方法的有效性.     

存在未知时延和Markov 丢包的网络控制系统故障检测与优化

将网络控制系统(NCSs) 的未知短时延处理成范数有界不确定性, 结合Markov 丢包影响将NCSs 建模为不确定Markov 跳变系统, 设计模态依赖的鲁棒故障检测滤波器. 为了提高检测系统性能, 采用后置滤波器对残差信号进行时域优化, 并以Moore-Penrose 逆形式给出其最优解. 同时, 设计自适应检测阈值, 并给出时变参数阵的迭代方法,降低了计算量. 数值仿真表明, 所提出的方法能够有效地抑制时延和丢包影响, 提高故障检测系统的检测能力和检测速度.