相对公平关切下考虑产品设计的再制造合作模式与供应链协调

将相对公平关切和产品可再制造性设计同时纳入由一个制造商和一个再制造商构成的供应链中,构建外包和授权两种再制造合作模式下供应链的决策模型,研究制造商的再制造合作模式选择问题,分析最优再制造合作模式下再制造商相对公平关切和产品可再制造性设计对供应链生产定价决策及利润的影响,并设计相应的协调策略.研究结果表明:外包再制造是制造商的最优再制造合作模式;在外包再制造供应链中,再制造商的相对公平关切虽会降低制造商利润,但能提高供应链系统利润;产品可再制造性设计对再制造商总是有利的;外包价格契约能够实现外包再制造供应链的协调.     

OEM再制造下双边资金约束闭环供应链生产与合作融资策略

构建由资金约束零部件供应商和负责废旧零部件再制造的资金约束原始设备制造商(OEM)组成的闭环供应链,并考虑3种融资策略:单独银行贷款(SBF)、银行贷款+供应商延迟支付(BF-with-SDP)、银行贷款+OEM提前支付(BF-with-OAP),前者属于不合作融资,后两者属于合作融资.利用数值分析探讨不合作/合作融资下的再制造生产策略和OEM再制造下的合作融资策略.研究发现:合作融资更有利于促进制造/再制造生产和提升供应链整体绩效;为应对融资偏好冲突,供应商需主动寻求与OEM构建满足激励相容约束的契约; BF-with-SDP和BFwith-OAP策略间的具体选择依赖于担保比例的高低;相较于BF-with-OAP策略, BF-with-SDP策略更能实现促进再制造生产、提升供应链绩效、降低银行违约损失风险的协同.     

考虑风险偏好的污染治理外包合同设计

研究排污者将污染治理业务外包给治污者的两部制线性计费的合同设计问题. 在考虑双方风险偏好的前提下讨论3种情况下的最优合同参数:完全信息、不完全信息提供单一合同、不完全信息提供可选合同.结果表明:1)当信息完全时,治污方的薪酬均等于其治污成本与风险成本之和,只能获得保留收益.2)当信息不完全时,排污方总可以通过提供可选择合同提高自身收益.3)不同的风险偏好组合下,单位可变支付随边际治污成本和环境扰动的变化是不同的.4)双方均为风险中性时,排污方收益最大;而双方均为风险规避时,排污方收益最小.     

互补性资产分布与创新者价值获取

通过建立Biform两阶段博弈模型,分析互补性资产分布与创新者价值获取之间的关系;通过以创新者的最小剩余代替其价值分配下界,以边际价值增加代替其价值分配上界的区间偏好条件,确定创新者在第1阶段的战略选择偏好;给定创新产品的数量,创新者价值获取大小受互补性资产总量、创新竞争差值、独立互补性资产方数量和总的创新竞争剩余的影响;进而,利用创新者偏向与所有可获取的独立互补性资产集合建立创新价值创造联盟.     

不同风险偏好下双渠道供应链定价决策

为了探讨风险偏好对双渠道供应链决策的影响, 基于条件风险值(CVaR) 准则建立双渠道供应链定价决策模型, 并给出了模型的求解方法和最优解. 研究表明, 根据不同风险偏好程度, 供应链成员会采取不同定价策略; 当制造商风险偏好程度确定、零售商风险规避度增加时, 最优零售价降低, 最优批发价升高, 直销价不减; 当零售商风险偏好度确定、制造商风险规避度增加时, 各最优价格均降低; 风险偏爱的影响则与风险规避相反.

     

基于改进遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的研究分析,建立了不带时间窗约束的物流车辆配送路径优化模型。针对普通遗传算法早熟和易陷入局部最优的缺点,通过引入小生境技术对遗传算法进行了改进。其中,选择操作采用了最优个体保留和轮盘赌结合的策略,交叉操作采用最优路径子路径保留策略;变异算子保证个体逐代进化。个体交叉前的配对选择以及交叉完毕后的调整都引入了小生境选择机制。这些方法大大增强了种群的多样性和全局寻优能力,加速了算法的收敛。最后通过实例验证了算法的可行性、实用性和高效性。     

基于负荷-容量模型的网络相继故障研究

网络相继故障是网络脆弱性研究中的热点问题.采用负荷-容量模型对复杂网络的相继故障进行建模分析.首先分析了网络流量负荷的突发模式对相继故障的影响.实证研究发现,网络实体间的通信活跃性具有自组织临界性.在网络安全地应急响应时,应该更关注那些原本不活跃的结点间流量的变化;其次,引入成本因子对经济、技术条件制约下的网络资源受限生成过程及网络容量-负荷关系建模,以揭示网络结点的容量-负荷之间存在着怎样的制约关系;最后提出了一种基于容量相互补偿的搜索式分配算法,以获得有限资源下最优的网络鲁棒性容量分配策略.实验证明,算法能够找到比线性分配或偏好负荷的偏好依附分配策略更好的结果.     

求解作业车间调度问题的改进遗传算法

使用遗传算法求解作业车间调度问题时,为了获得最优解,提高算法的收敛速度,提出了改进遗传算法.算法以最小化最大完工时间为优化目标,初始化时将种群规模扩大为原来的两倍以增加种群多样性;迭代时使用新的适应度函数让染色体间更易区分;通过轮盘赌法完成染色体选择;用POX(Precedence Operation Crossover)交叉算子完成交叉操作;用互换法完成变异操作;通过具有自我调节能力的交叉和变异概率不断地调整概率值来提高算法寻优能力和收敛速度.仿真结果表明,改进后的遗传算法收敛速度快,寻优能力强,获得的最优解优于标准遗传算法,更适用于作业车间的加工生产.     

改进的遗传算法求解旅行商问题

提出一种解决旅行商问题的改进遗传算法.在传统遗传算法的基础上,引入贪婪算法进行种群初始化;从遗传进化代数和个体适应函数值两个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

差分和扰动混合的多策略粒子群优化算法

通常的粒子群优化算法采取单一的学习策略,不利于搜索信息的有效保留,因此将改进的差分变异策略引入到粒子的速度更新中以增强算法的群体多样性;综合利用差分变异与扰动策略两种不同的产生新解的方式,提出了一种多策略交叉学习机制算法DPPSO（hybrid particle swarm optimization with differential and per-turbation）。每一个粒子通过引进的差分变异操作和扰动操作分别产生一个中间粒子,再选择较好的粒子作为当前粒子的新位置,从而实现所有粒子动态地选择更好的生成策略来更新自己的位置和速度,因此该交叉策略能够有效提高PSO算法的群体多样性和搜索路径的多样性,粒子可以获取更好的启发式信息,沿着不同的路径被引向更有潜力的搜索区域。实验结果表明了两种策略的有效性和互补性,DPPSO算法比其他三种算法有更好的综合表现,具有有效的全局收敛能力和准确定位能力。     

第三方再制造外包模式选择与协调研究

研究第三方再制造外包选择与协调问题,将制造商外包和零售商外包两种模式进行对比分析.研究结果表明:制造商外包模式下新产品的数量、原始设备制造商的利润以及系统总利润更高,新产品的价格更低;零售商外包模式下再制品的数量、外包价格以及再制造商的利润更高.制造商外包模式具有较高的消费者剩余和较差的环境绩效.当再制造优势明显时,零售商外包模式的社会福利水平高于制造商外包模式.采用合作博弈方法对零售商外包模式下多主体闭环供应链进行协调,可为供应链管理决策提供理论依据与决策方法.     

Win8的OA3.0技术探秘

Win8中微软采用了OEM Activation 3.0技术(简称OA3.0),那么这项技术与之前的激活有何不同呢?从Windows商业化运作开始,盗版与反盗版的争斗就没有停止过,而其中的OEM授权更是斗争中的焦点。因为OEM授权是电脑在出厂时就在BIOS写入授权信息,只要破解授权信息微软就会认为你的电脑是预装正     

基于遗传算法的彩色图像滤波器研究

为实现彩色图像噪声的滤波,基于遗传算法技术构建了一种新型的彩色图像滤波器,在彩色图像的矢量中值滤波过程中,该滤波器利用遗传算法具有寻找全局最优解的能力,获得滤波器窗口的最优权值。从滤波效果看,有一定提高,并进一步提出了一种基于个体相似性的遗传算法：当种群的多样性较好时,采用标准的交叉策略;当种群的多样性较差时,根据个体的相似性选择个体配对,避免相同的个体配对交叉,减少高度相似个体进行配对交叉的概率,从而提高交叉操作的效率。     

考虑政府补贴及环境设计的再制造闭环供应链生产决策

在外包及授权再制造模式下,研究考虑政府补贴及制造商环境设计的再制造闭环供应链生产决策问题.构建4种闭环供应链决策模型,分析政府补贴及环境设计水平对制造商与再制造商竞合关系、闭环供应链绩效以及环境的影响.研究发现,制造商可以通过调节单位再制造外包费或专利许可费实现与再制造商共享政府补贴,因此政府不同补贴策略不会对闭环供应链最优生产决策及绩效产生影响.政府补贴与消费者对再制造产品的认知程度,并不总是有利于提高制造商环境设计水平,但均有助于促进再制造产品销售.制造商总是有动机进行环境设计,而再制造商只有在环境设计能为再制造产品带来更多成本节约时,才有动力接受制造商的环境设计方案.相比于授权再制造,制造商及再制造商均在外包再制造下获得更多的利润.另外,政府补贴与环境设计并不一定总能起到减少产品环境总影响程度的作用.     

基于改进型蚁群算法的多任务联盟形成算法

联盟形成是多Agent系统研究的关键问题之一,基于蚁群算法的联盟形成是一种有效的研究方法.创新地把能力互补性原则引入到下一个Agent的选择判断中,引导蚂蚁沿着能生成具有较大联盟值的联盟的方向前进;引入一种带有"调节剂"的扰动策略来预防算法陷入局部最优和出现停滞;在每一轮的任务分配中尽可能多地分配任务,使得联盟在执行任务时具有一定的并行性.算法能更早地搜索到最优解或次优解,在时间复杂度和全局搜索能力等方面均优于相关算法.     

竞合关系下共享制造模式选择与决策优化

随着共享制造的迅速发展,其服务模式逐渐丰富,衍生出共享生产设备和生产线的制造能力共享模式以及共享产品设计和研发能力的创新能力共享模式.共享制造供需双方通常属于同一垂直行业,因此,广泛地存在竞合关系.在竞合关系下如何进行共享制造模式选择与决策优化,进而提高参与主体利润是亟待解决的重要问题.鉴于此,针对竞合关系下共享制造模式选择与决策优化问题,首先,分别在两种共享模式下构建由供给方和需求方组成的博弈模型;然后,通过分析不同模式下供给方和需求方的均衡利润,给出供需双方的最优模式选择策略;最后,通过分析最优模式选择策略,给出在何种情形下共享制造模式是双赢模式.结果表明:最优模式选择主要由市场潜在需求规模和核心零部件占比决定,二者在不同情形下应选择不同的共享制造模式;当且仅当市场潜在需求规模中等且核心零部件占比中等时,共享制造模式是供需双方的双赢模式.研究结论可为竞合关系下共享制造模式选择与决策优化提供有益管理启示.     

遗传算法中遗传操作的改进策略

通过分析发现,二进制编码中不同基因位改变时,所引起优化变量的变化程度不相等。基于此,提出一种改进的交叉和变异策略,对编码串中各个基因位赋予不同的交叉点选择概率和变异率,并随进化调整各位的交叉点选择概率和变异率。仿真结果表明,同标准遗传算法相比,采用改进策略的遗传算法具有寻优精度高、稳定性好、收敛性强等优点;此外,同改进交叉操作相比,改进变异操作能更有效地提高算法的寻优能力。     

基于数据挖据表型预测最大精确值方法研究

本文研发了一个新基因组选择方法(mMAP,Mining the Maximum Accuracy of Prediction)是根据当前流行的基因组选择方法建立方法库,通过它去预测运算大量不同的物种对应不同表型数据,采用交叉验证得到精准值,形成具有参考价值的知识库.然后根据知识库采用挖掘技术去选择最优GS方法预测新的物种性状指导育种分析.知识库里面现有三百多种表型性状测得精准值,如果有新GS方法就加入到方法库,而测得的新物种性状预测精准值就累积到知识库中.     

多策略协方差矩阵学习差分进化算法

针对差分进化算法（DE）存在的早熟收敛和搜索停滞的问题,提出了多策略协方差矩阵学习的差分进化算法。通过协方差矩阵建立特征坐标系,通过在特征坐标系中执行变异和交叉操作,来充分利用当前种群的分布信息以及各变量之间的关系,保证种群能朝着全局最优解的方向进化;根据历史进化信息来选择变异策略的方式使得个体能选择当前最合适的变异策略,提高找到最优解的概率;交叉概率的自适应也一定程度上平衡算法的全局探索能力和局部探索能力。对算法的收敛性进行了证明,同时将算法在CEC2017测试集上进行了仿真实验,并将实验结果跟其他优秀的差分进化算法进行了对比,对比结果表明了该算法的有效性。     

外包体现帕累托改进

在新上任的世界银行副行长兼首席经济学家林毅夫所著的《外包与不确定环境的最优资本投资》中提到,当需求存在不确定性时,分别考虑存在与不存在外包可能性的两种情况下的最优资本投资模型,可以发现,当存在不确定性时,外包行为具有帕累托改进的性质。