公平偏好下的虚拟企业道德风险及激励机制研究

虚拟企业要达到预期目标,盟主必须制定有效机制成功规避运行中的道德风险。 针对盟主和盟员之间存在委托代理关系的虚拟企业,考虑盟员的公平偏好心理,建立了公平 偏好下的虚拟企业委托代理契约模型,分析了盟员公平偏好心理和道德风险问题之间的关系, 对比了传统委托代理模型和公平偏好下的委托代理模型。结果表明公平偏好因素改变了传统 委托代理模型的部分结论,盟员的公平偏好强度对努力水平、收益分享具有重要影响,盟主应 选择公平偏好强度较低的盟员作为合作对象以规避道德风险。     

协调的分布式决策虚拟企业风险管理模型

虚拟企业要取得预期的利润,就必须成功规避运行中的风险.考虑虚拟企业的分布性以及联盟成员之间关系多样性的特点,根据非合作完全信息静态博弈理论,采用分布式决策的思想对虚拟企业风险进行管理.针对各盟员构成非团队关系,并且不存在机会主义行为的虚拟企业,探讨了其风险管理的特点,以及在风险管理问题上各盟员之间可能达成的协作;建立了协调的分布式虚拟企业风险管理模型,给出了模型的求解方法,同时设计了相应算法对模型进行求解,并对解的不同情况进行了分析;另外还比较了不同协调原则下联盟总利润以及各盟员利润的变化情况.仿真分析表明,所提出的模型和算法,能在虚拟企业各盟员风险管理中起到协调控制的作用,达到“双赢”的目的.     

基于多智能体建模的知识转移激励机制的演化博弈模型与仿真

虚拟企业盟员间的知识转移,能够增加盟员企业收益;盟主企业对盟员企业知识转移的激励行为,能够适当降低盟员企业知识转移的风险和成本,提高整个虚拟企业的知识收益。依据演化博弈理论及虚拟企业知识转移基本理论,采用复杂适应系统多智能(Multi-Agent)体的整体建模仿真方法,在NetLogo仿真平台上建立知识转移激励行为的演化博弈仿真模型,在不同的收益参数下对盟主企业的知识转移激励行为与盟员企业间知识转移进行演化博弈分析,得出盟主企业在针对盟员企业知识转移行为时应采取的策略。通过对虚拟企业知识转移激励机理的演化博弈分析,将有助于虚拟企业知识转移激励机制的建立。     

虚拟企业风险管理的分布式道德风险模型

虚拟企业要达到预期的目标,取得预期的利润,就必须成功规避运行中的风险.根据虚拟企业合作运营区域的分布性以及联盟企业之间关系多样性的特点,采用分布式决策的思想对虚拟企业的风险进行管理.以盟主和各盟员构成非团队关系、并且各盟员可能存在机会主义行为的虚拟企业为研究对象,针对其风险管理中盟主和盟员之间存在的道德风险问题,建立了虚拟企业风险管理的分布式道德风险模型,叙述了模型的求解过程,分析了盟员风险偏好对决策的影响以及盟员的道德风险给虚拟企业风险管理带来的不利影响.仿真分析表明,通过上层模型中的激励相容约束可以消除盟员在风险管理中可能出现的机会主义行为,从而保证虚拟企业风险管理的顺利进行.     

虚拟环境下的访问控制模型

安全方便地获取共享信息资源是虚拟企业成功的关键因素。该文分析了一个虚拟企业访问控制的基本要求,提出一个虚拟企业访问控制模型,该模型由管理公共资源的基于项目的访问控制和管理私有资源的基于角色的访问控制这2个子模型构成。给出了该模型的组成和系统结构,实现了虚拟企业之间的资源管理和共享。     

一种基于多代理技术实现的虚拟企业中的敏捷调度

提出了一种用多代理技术和基于协商的策略解决虚拟企业调度冲突的方法。首先介绍了虚拟企业中敏捷调度的特性及调度冲突的产生,分类及解决方法,并描述了调度、计划、协商、监督执行之间的互操作,通过代理的智能,自治等特性可以较好地实现调度的敏捷性,最后给出了在一个面向虚拟企业的信息集成系统ViaSopc中基于多代理技术实现的基于协商的敏捷调度模型。     

基于M-Agent单边与多边协商策略的虚拟企业协作机制研究

在分析了采用合同网/市场机制模式构建的虚拟企业协作体系的局限性基础上,基于MAS单边与多边协商策略模型,提出了一种在企业任务划分不明确状态下的虚拟企业协作机制和评价方法.详细论述了基于学习Agent单边协商策略的盟主企业与成员企业间的单边协商过程和选择机制,以及潜在企业联盟中,基于Agent多边协商策略的成员企业间的多边协商过程.最终选择最有利的联盟结构,以保证虚拟企业的全局利益最大化和盟主企业与成员企业间的满意收益.     

基于贝叶斯正则化神经网络虚拟企业敏捷性评价

高敏捷性是虚拟企业适应不断变化的市场必备的素质,如何对它进行准确评价是虚拟企业运行中的重要问题,针对此问题先对虚拟企业及其盟员敏捷性之间的关系分析,然后提出在已知虚拟企业盟员敏捷性的基础上用贝叶斯正则化神经网络来计算虚拟企业的敏捷性,最后通过仿真试验测试了该方法的可行性。实验结果证明与非正则化神经网络相比,贝叶斯正则化神经网络的泛化能力强,评价数据结果稳定。该方法可用于各种规模的虚拟企业评价。     

基于Bayesian学习的适应性优化协商模型

在复杂的自动协商环境中,设计能够处理不完全信息和动态情形的协商agent有效学习机制正成为具有挑战性的议题.提出了一种基于Bayesian学习的时间依赖的双边多议题协商优化模型(BLMSEAN).通过只观察对手的历史报价,将Bayesian学习和基于混合策略的演化算法相结合,所提模型使得协商agent能够对于对手协商参数的概率分布有更精确的估计(如期限、保留报价和议题权重等),能够适应性地调整让步策略使协商双方都受益,提高了协商的成功率和效用.通过实验可以显示所提的模型学习对手私有信息和适应性调整让步策略的有效性.     

基于Web服务面向虚拟企业的柔性工作流管理技术研究

虚拟企业中盟员和其提供的服务是动态变化的．文中提出将工作流过程模型描述的活动规范中包含一个或多个Web服务请求,通过引入Web服务和Web服务请求的定义和约束,在活动实例的执行过程中实现Web服务请求与最佳Web服务提供企业动态的服务绑定和调用,由于虚拟企业内部的变化不会影响到各盟员业务过程的正常运行,因此具有较高的柔性和自适应性．     

基于Curvelet变换的浮选泡沫图像序列时空联合去噪

提出一种时空信息联合的浮选泡沫图像去噪方法。首先,将基于GSM统计建模和贝叶斯最小二乘准则的局部空间去噪方法应用到图像Curvelet域,获得基于单图像信息的Curvelet空间域最佳系数估计;然后,根据运动补偿原理和帧间子块的相关性引入帧间加权因子,通过加权处理帧间子块系数获得待处理图像时空相关的最佳去噪系数估计。结果表明,该方法能在去除噪声的同时更好地保护泡沫的细节,对于严重噪声污染的泡沫图像序列也能获得较好的处理效果。     

非基于自身状态信息的一致性问题研究

研究允许部分成员不使用自身状态信息的多智能体系统一致性问题。给出一个新的通信协议,允许系统中部分成员甚至全体成员不使用自身信息。通过研究非负随机矩阵谱半径及其对应有向图的结构,分别给出固定通信拓扑和动态通信拓扑下的多智能体系统一致性结果,即在系统通信拓扑所含的生成树中,当且仅当根节点含有自伴环时,系统可以渐近实现信息一致性。仿真结果验证了理论结果的正确性。     

炼铸轧集成计划与调度组批模型及算法

为提高热装批量计划的调度可行性,构建一种集成批量计划类型及部分调度约束的批量计划约束满足模型,并采用显性基因的约束遗传算法进行优化求解。在优化过程中,采用一种以提高批量计划的调度可行性的基于邻域连通的快速判定方法,同时利用判定返回的信息构建显性基因指导优化过程。最后利用实际生产数据进行测试,结果表明,所提出的模型和算法能够提高热装率和批量计划调度的可行性,并且算法的执行效率可满足实际应用的要求。     

基于块非负稀疏重构嵌入的高光谱数据降维

为了在充分利用高光谱信息的同时减少因数据冗余带来的分类精度降低,提出一种块非负稀疏重构嵌入降维算法。首先,将传统超完备字典转化成超完备块字典;然后,通过计算每个超完备块字典对应样本的最小重构误差,得到块非负稀疏重构权重矩阵;最后,在低维嵌入时,通过同时最小化局部和最大化非局部高光谱数据的非负稀疏信息,得到全局最优的低维子空间高光谱数据。通过3组高光谱数据的实验结果验证了所提出方法的可行性和有效性。     

基于扩展VIKOR的不确定语言多属性群决策方法

针对不确定语言多属性群决策问题,提出了一种基于扩展多准则妥协优化解(VIKOR)的决策方法。该方法首先借鉴二元语义表示模型定义了不确定语言短语的运算规则及其距离公式,并使用运算规则集结了专家给出的不确定语言评价信息;然后结合属性的效益型和成本型特征分别定义了其正负理想点,通过将VIKOR法扩展到不确定语言环境来获取方案的折衷排序结果;最后,通过算例分析表明了所提出方法的有效性和优越性。     

统计特性已知的复杂系统控制器设计方法

对于具有白噪声加性干扰的复杂系统的控制问题,建立了Takagi-Sugeno模糊控制模型,利用Kalman滤波对系统状态信息进行局部估计,用动态规划获得了控制增益,这样导出的控制器具有学习特点,使得闭环系统具有期望的性能指标。以倒立摆为仿真实例,仿真结果表明了所设计控制器的有效性。     

基于前景理论的交互式群组风险决策方法

为了克服现有方法因立论假设过于理想而存在决策结果的科学性和满意性较差以及决策过程效率低下等缺陷,基于前景理论构建了能够吸纳多种模糊信息且能从中识别有效前景的优选模型及判别定理,并针对结果价值的交互学习提出了具有收敛性的交互式决策方法。数值模拟分析表明,所提出的方法既能反映群组成员风险偏好,保证决策结果具有科学性、满意性,又能平衡信息完善程度与其获取成本之间的矛盾关系,保证决策过程具有有效性和可行性。     

自适应中心加权的彩色图像中值滤波方法

提出一种彩色图像自适应中心加权的矢量中值滤波方法。通过引入投影距离确定与待滤波点最接近的若干个像素的关系,并考虑该点与由聚合距离所确定的中值的关系,自适应地确定该点的权系数,形成相应模板下的一个多重向量集合,将该集合的中值作为滤波中值。实验证明所提出方法能有效地去除彩色图像的椒盐噪声,同时能够较好地保持其色调和细节信息。     

一种基于混沌遗传与粒子群混合优化的过程神经网络训练算法

针对时变输入/输出过程神经网络的训练问题,提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质,基于PNN训练目标函数,构建两种算法相混合的进化寻优机制,通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换,实现网络参数在可行解空间的全局优化求解。实验结果表明,该算法较大提高了PNN的训练效率。     

一种改进的鲁棒多目标优化方法

针对在解决某些复杂多目标优化问题过程中,所得到的Pareto最优解易受设计参数或环境参数扰动的影响,引入了鲁棒的概念并提出一种改进的鲁棒多目标优化方法,它利用了经典的基于适应度函数期望和方差方法各自的优势,有效地将两种方法结合在一起。为了实现该方法,给出一种基于粒子群优化算法的多目标优化算法。仿真实例结果表明,所给出的方法能够得到更为鲁棒的Pareto最优解。