分布式资源受限多项目调度问题研究综述

传统的资源受限多项目调度集中式决策方法已无法满足信息不对称环境下的多项目管理需求，分布式资源受限多项目调度问题研究的是多个自主决策者分别进行全局资源的协调分配决策与局部项目的调度优化决策。鉴于较强的实际应用背景，这类问题逐渐成为项目调度领域新的研究热点。首先，在系统介绍分布式资源受限多项目调度问题特点与模型构建的基础上，分类梳理并评述了问题求解的代表性方法；其次，总结了分布式多项目调度的相关扩展问题以及在不同领域的典型应用；最后，讨论了目前研究中存在的主要问题与未来可能的拓展研究方向。     

共担风险 共享利益 共同发展——建立厂家与经销商双赢机制

渠道建设是家电企业的生命线．在现阶段工商分离、商业资本寡头垄断的现状下．在产品同质化、市场大众化、价格趋同的背景下．渠道为主的观念在被广大制造商所认同。这种状况使得渠道的争夺日益激烈．使得有限的实力派经销商成为烫手的山芋。但成也萧何败也萧何的例子不胜枚举．使得制造商也心有余悸．怎样才能建立一个运转畅通．机制灵活．忠诚而赢利的渠道体制呢．根据笔者的亲身体会．主要做好下几点：     

基于DDPG的无人机追捕任务泛化策略设计

无人机追逃对抗问题是当今空战领域的研究热点,传统解决方案对此问题存在诸多限制,如模型难以适应复杂动态环境从而快速做出决策、对不同任务场景泛化性较差等问题。基于DDPG(deep deterministic policy gradient)算法设计了无人机追逃对抗策略;在此基础上,设计多种逃逸无人机的对抗机动策略,利用课程学习思想,在DDPG的训练过程中逐步提高逃逸无人机的智能程度,从而递进式地训练追捕无人机的对抗策略。仿真结果表明,相较于直接进行训练,利用课程学习的方法所训练的追捕无人机的追捕策略能够更快收敛,并能更好地执行对敌机的追捕任务,且能够适用于具有多种对抗机动策略的敌机,有效地提升了无人机追逃对抗决策模型的泛化性。     

视觉系统在活塞环闭口间隙检测中的应用

通过视觉系统的检测机理介绍,以及该系统在活塞环闭口间隙检测中的实际应用情况和效果比较,充分说明了视觉系统在活塞环闭口间隙项目乃至更多其它项目检测上是一条行之有效的新方法。     

高校论文答辩排班模型与应用

论文答辩排班是高校教务管理中的重要任务,答辩排班结果的质量直接影响评审的公平性。详细分析高校论文答辩排班问题的特性和情景,保证评审的公平性,考虑评审人在不同研究方向上擅长程度的差异、评审人能参加答辩的时间安排要求、评审人与答辩人可能存在的师生关系、评审人评审工作量的限制、每个答辩组中答辩人数和评审人数的限制,等等因素,建立答辩分组和组内评审指派的两阶段非线性整数规划人员排班模型,对答辩排班问题的复杂性进行分析,基于lingo软件中的分支定界算法对问题进行求解,通过实例验证了模型的可靠性和求解结果的合理性,较好地解决了高校答辩排班问题。     

混凝土偏压柱非线性分析及承载力的研究

本文在总结混凝土偏压柱二阶效应规律，分析方法及其简化运算的基础上，研究了用有限元单元方法考虑二阶效应计算压柱的合理和不足，编制了相应的非线性分析程序，计算结果与试验数据较好吻合。此外，对混凝土柱承载力与稳定的关系进行了较深入的探讨。     

汽油/LPG两用燃料发动机性能试验研究

本文介绍了一种可用于电喷发动机的LPG改装系统，该改装系统应用于捷达发动机，在燃烧汽油时性能没有变化，使用LPG时动力性稍有下降，排放有明显改善。     

汽油/LPG两用燃料发动机性能试验研究

本文介绍了一种可用于电喷发动机的LPG改装系统,该改装系统应用于捷达发动机,在燃烧汽油时性能没有变化,使用LPG时动力性稍有下降,排放有明显改善.     

超高直流电场作用下金属化膜电容器的老化特性

为揭示超高直流电场作用下金属化膜电容器的老化特性，对电容器设备及其介质材料进行了研究。基于电容器的实际运行工况，对特殊设计的电容器元件在60℃下分别开展了直流场强为0En、1.4En、1.5En与1.6En的老化试验。对老化中的电容器元件电容量和老化失效后的基膜（双向拉伸聚丙烯（BOPP）薄膜）进行测试。结果表明：电容器失效机理与老化电场有关，存在阈值电场。当老化电场低于阈值电场时，电容器发生长期失效，受到薄膜性能劣化的影响电容量降低，薄膜的电气强度随分子链段运动活化能的降低而降低；当老化电场高于阈值电场时，电容器发生短期故障，极高的电应力使薄膜介质原有的电弱点迅速击穿，自愈面积快速增大，设备寿命大幅缩短。     

多混沌差分进化算法及其神经元学习应用

深度学习在人工智能领域占据重要的位置,在图形处理、语音识别等方面取得了杰出的成功应用.近年来,基于树突状的单独神经元模型受到了广泛的关注,该模型成功地从机理上突破了McCulloch-Pitts(MCP)模型的一些限制.但是传统的训练树突状神经元模型的方法容易陷入局部最优,以进化计算替代传统的训练方式来训练树突状神经元模型可以改善这个问题.为了验证基于成功强度的混沌差分进化算法(SCJADE)能够有效训练模型,文章用7个不同的分类数据集进行实验,并与混沌差分进化算法(CJADE)和传统误差反向传播法(BP算法)进行比较,结果表明了SCJADE能够更好地训练神经网络.