随机需求下易变质产品的订购与定价策略

考虑:需求率为随机波动函数且依赖于产品销售价格,即dX(p)=(a-bp)X/μ且X服从Gamma-分布Γ(λ,k),其中λ0,k≥2;允许缺货,缺货部分延期供给,拖后率是β(t)=e-kt,k0,t是等待时间,研究了单一易变质产品的最优订购与定价策略。采用周期盘点的(T,S)库存策略,即每隔相同的订购周期时长T,将库存水平补充到S,在不考虑固定订购成本及订购提前期的前提下,短缺量部分延期供给,建立了库存模型。利用最小二乘法原理和泰勒展开分析了易变质产品最优订购与定价策略的算法,并给出算例进行仿真,说明了算法的有效性。     

多阶段随机选址库存模型研究

为了在存在多种不确定因素的多阶段战略周期中,确定最优的库存、选址和分配决策,提出了一类多阶段的随机选址库存模型.该模型不仅考虑了风险分摊的效益,而且还利用情景规划考虑了整个多阶段战略周期中各参数的不确定性.该模型的目标是寻找一个最优解,使得整个战略周期内系统的总期望成本(包括库存、运输和选址成本)最小,使用基于拉格朗日松弛与次梯度的启发式算法对该模型进行求解.多个算例的计算结果表明,该算法是求解所提出的多阶段随机选址库存模型的有效算法.     

自适应周期滤波器及其学习算法

针对周期平稳随机信号,提出自适应周期滤波方法.该文给出自适应周期滤波器的一般结构和实现步骤,推导出周期最小均方算法和周期最小二乘算法.完成的仿真算例验证了所提出的自适应周期滤波方法的有效性.     

同好推荐算法的实践

针对传统推荐算法在运算速度及稳定性不足等问题提出了基于矩阵模型的创新算法.通过对手机社区用户图书近一年的下载数据进行分析,依次测试每个月不同数据量下新旧算法的推荐效率,改进算法的离线计算方式,提前计量物品与物品之间的同好度表,同时,随机抽取百多名用户,计算新旧算法平均耗时表和数据量时间比指标表.实验表明,改进的算法具有明显的效率优势,不仅运算速度提高,运算结果可以重复使用,还提高了算法耗时的稳定性.算法拓展可用于商品的同好推荐,计算两物品之间的关联度,分析事件发生的影响因素等.     

辅助模型辨识方法(6):性能分析

辨识方法的性能分析是系统辨识领域的重要而困难的研究课题.新的辨识方法一诞生,就伴随着收敛性分析.辅助模型辨识是辨识的一个分支,辅助模型辨识方法已成为一大类辨识方法族,关于其收敛性也提出了许多课题.本文研究了输出误差系统辅助模型随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息随机梯度算法、变间隔辅助模型随机梯度算法和变间隔辅助模型递推最小二乘算法的一致收敛性,近似分析了Box-Jenkins系统辅助模型递推广义增广最小二乘算法的性能.     

用于多源信息中制导的MM-LS时间配准算法

针对目标做匀速直线运动以及时间配准周期与雷达采样周期成整数比两个假设限制了最小二乘时间配准算法应用范围的问题,结合多模型的思想,研究了无限制条件下的多模型最小二乘时间配准算法．在推导匀加速模型、加加速模型最小二乘时间配准算法的基础上,由最小均方误差准则得出多模型最小二乘时间配准算法．利用各模型求解得到的一阶、二阶、三阶导数,进一步通过外推算法,解决了时间配准周期与雷达采样周期比为非整数这一问题．仿真表明,当目标的机动过载从1g至9g变化时,雷达的探测误差从10m至100m变化,多模型最小二乘时间配准算法虽然不能取得最好的结果,但是可以确保得到值得信赖的时间配准结果．     

随机性多产品联合补充问题的优化

多产品联合补充问题研究中通常采用批发价格机制,批发价格机制常导致制造商和零售商的利益冲突。目前的商业环境中充满着各种不确定性,制造企业要进行有效竞争,就需要发展灵活应对市场变化的能力。期权机制是一个可行地实现一个高效的供应链的协同机制。期权合约机制可以有效地协调制造企业和销售商之间关系,避免产品生产过剩或不足的弊端。已有的资源约束的联合补充问题研究文献中没有涉及到这一点。因此,将期权合约机制引入到资源约束的联合补充问题研究中,基于间接成组策略方法,建立相关的总成本最小优化模型,并采用遗传算法进行模型的优化求解。最后,算例验证优化模型和算法的正确性。     

多周期易腐库存模型及一种启发式算法

易腐物品的特点导致了求解其最优库存策略的复杂和困难.以易腐物品的订货量以及即将到期物品的销售价格为决策变量对长时期多阶段补充的库存系统建立了随机动态规划模型,并利用一启发式方法将长时期多阶段、不易求解的随机动态规划模型转化为易于求解的短时期单阶段的库存优化决策问题,求解了系统长期运行期望利润最大的库存策略.最后通过一算例对该启发式方法的有效性进行了分析.     

可追加订购的库存模型

在适当增加成本的前提下允许报童根据需求信息追加一次订购,证明这样的策略可以增加报童的收入和服务水平.由于经典报童问题的用处广泛以及它的一些局限性,可追加订购库存模型是对单周期的经典报童模型的一个推广,研究基于周期最大期望利润的情形,证明期望利润函数是凹函数,并得到最佳订购量.     

面向随机需求的两级库存协同控制建模及分析

在随机需求情况下,通过构建和分析简单供应链“配送中心——经销商”两级库存系统结构的总成本模型,来研究盘存周期策略及物品在途时间控制策略的最优性存在条件,以利于配送中心与经销商在库存控制中进行有效协同,从而使该库存系统总成本最小。     

基于(T,s,S)策略的维修器材联合订购模型与算法

针对随机需求条件下的多品种维修器材联合补充问题,提出了一种新的策略——(T,s,S)策略,并建立模型。设计了一种混合RAND算法,求解该策略的各参数。结合实例对策略和算法进行验证,结果表明:新策略比文献中的(T,S)策略更加节省经费,新策略能确保维修器材的服务水平,对维修器材库存控制不失为一种满意的方法,对维修器材供应保障研究有一定的参考价值。     

考虑返回补偿的闭环供应链随机库存补充策略

针对同时拥有制造和再制造的企业,研究了返回补偿的回收策略对库存管理的影响,给出了具有两条补充渠道(正向渠道和再制造逆向渠道)库存系统。首先,在返回补偿价格影响产品返回概率的条件下,建立了单产品多周期随机库存模型;然后,在系统收益期望值最大的目标下,得到了正向渠道库存补充的最优策略结构;最后,对最优决策进行了参数分析。     

损失率依赖于缺货量资金折现的变质库存模型

利用折现现金流法建立了一类需求率依赖于通货膨胀和时间的变质性产品库存模型,允许缺货,缺货期间损失率与实际缺货量成正比,目标是确定最优的补货次数、补货时间和每次的补货量以使总费用现值最小,分析了模型的性质,给出了寻找最优策略的算法,并通过算例说明了模型。     

联合补充库存的拉格朗日松弛与退火算法

针对确定性需求的联合生产补充(JRP)问题,有多种启发式算法,但这些算法或不能保证最优或计算复杂。本文利用现代优化方法模拟退火算法和拉格朗日松驰算法,设计出一种新的算法,通过算例表明该算法可得出较优的可行解,可以更有效地解决实际问题。     

随机需求多阶段离散交通网络设计

为了降低交通规划方案的风险,提高规划方案建设时序选择的整体效益,以随机OD需求分布为前提,以随机双层规划理论为基础,建立多阶段网络设计模型,同步优化网络规划最终形态和建设时序.给出了基于MonteCarlo模拟和遗传算法的模型求解算法.Nguyen Dupuis网络的测试分析表明,资金投入的时段分布对网络规划建设决策有重要影响,前期增加预算可以提高规划方案的全局效益;同时需求不确定性以及决策者风险偏好对最终规划结果也有重要影响.     

用遗传算法求解网络最短路效率

为提高求解大型网络最短路问题(SP)的效率,采用遗传算法求解。应用可变长编码提高算法运行效率,通过构造杂交、变异算子,以其提供的一种全局搜索能力来提高解的质量及加快种群收敛速度,从而提高运算效率。因杂交及变异而产生的不可行解,则通过一个简单的修复函数,将其修复为可行解,并使它们加入遗传运算且保持种群的多样性,使遗传算法能更高效的运行。通过对大型网络最短路问题的数值实验,在同一网络中,遗传算法的运行时间明显少于Dijkstra算法,求解效率优于Dijkstra算法。     

资源能力受限的需求非平稳有限阶段订货模型

通过对Wagner-Whitin方法的约束条件扩展,得到了改进的Wagner-Whitin方法,使其能够解决资源能力受限的需求非平稳订货问题.对无资源受限的需求非平稳订货、资源约束恒定的需求非平稳订货和资源约束周期变化的需求非平稳订货3种情况进行实例仿真和数值分析,得出在无资源约束时订货成本最小,随着资源约束量限度的增加,订货成本会阶段性减少等结论.     

利用遗传算法拟合实验变差函数

理论变差函数模型的获取是地质统计学中的基础性工作,它是描述储层非均质性、进行储层随机模拟必不可缺的关键环节.针对现有的拟合实验变差函数方法:人工拟合法、非线性回归最小二乘法、加权多项式拟合法等的不足之处,充分利用遗传算法在求解非线性优化问题时具有的全局寻优的特点,提出实验变差函数的遗传算法拟合方法;在常规遗传算法中引入了模拟退火算法,加速了遗传算法的收敛速度.以川中某气藏的孔隙度变差函数为例进行了计算,结果表明:利用遗传算法可以简单、快速地实现实验变差函数的参数估计.     

基于Q学习算法的随机离散时间系统的随机线性二次最优追踪控制

针对随机线性离散时间系统,利用Q学习算法求解无限时域的随机线性二次最优追踪控制(SLQT)问题.首先,假设通过命令生成器生成追踪所需的参考信号,并建立一个由原随机系统和参考轨迹系统组成的增广系统,把最优追踪问题转化为最优调节问题的形式.其次,为了在线求解随机系统的最优追踪问题,将随机系统转为确定性系统,并根据增广系统定义随机线性二次最优追踪控制的Q函数,在无需知道系统模型参数的情况下在线求解增广随机代数方程(GSAE).再次,证明了Q学习算法和增广随机代数方程的等价性,给出了Q学习算法实现步骤.最后,给出一个仿真实例说明Q学习算法的有效性.     

大数据条件下网络零售商的经济批量问题

为了研究一个有限计划期内,在供应商处于大数据的条件下,网络零售商满足客户个性化需求的补货及发货批量策略制定问题,对大数据进行预处理,筛选有效的客户浏览行为,通过信息过滤,优选服务供应商.由于建立的批量问题模型具有一定的复杂性,设计多项式算法求解批量模型,从而获得问题的最优解,选择最终供应商及制定批量策略.结果表明,该处理方法具有一定的有效性,为大数据条件下网络零售商满足客户个性化、定制化需求的经济批量问题提供了解决方法.