流线网络的物流组织优化模型研究

通过分析流线网络建设与运营的基本特征,构建了流线网络的抽象成本函数,为了降低物流成本和提高物流效率,建立以能力供给为约束,以网络建设和运营成本最小为目标的优化模型。将模型转化为相应的变分不等式,证明变分不等式与优化模型解的等价性,通过解变分不等式得到最优物流组织方案,算例验证了模型合理性和可行性,为企业对物流网络的经营提供理论支持。     

基于第三方回收再制造逆向物流网络设计

针对再制造逆向物流网络设计问题, 在考虑产品回收量和消费市场需求量不确定的条件下, 以第三方物流企业收益最大化和制造商收益最大化为目标建立了基于第三方回收多周期再制造逆向物流网络模型. 利用该模型可以确定每个周期制造商购买第三方物流企业产品的最优价格, 可以确定网络中回收中心和检测/拆卸中心的开设数量以及各设施间的物流量分配. 将不确定参数用三角模糊数表示, 借助模糊机会约束规划方法将该模型转化为确定性等价模型. 利用算例验证了模型的有效性, 并用目标规划法分析了两个目标之间的关系.     

基于第三方物流的多周期多目标产品回收网络设计

鉴于多周期回收网络比单周期更能诠释现实回收网络的复杂性,多目标回收网络比单目标更能兼顾各供应链成员的利益,建立了基于第三方物流的多周期多目标产品回收网络模型.在建模过程中,考虑了消费者对最近收集中心的偏好,通过回收中心的库存对各周期的废旧品流进行联结.利用LINGO对算例进行了求解,并通过目标规划法对第三方物流供应商利益目标和原始设备制造商满意度目标两者之间的关系进行了探讨,研究了一方发生改变对另一方的影响.     

基于变分不等式的多商品物流网络优化设计

为优化设计多级多商品流的物流网络,按网络状态把物流网络划分为静态网络和动态网络,分析了静态网络的基础设施建设和动态网络的物流活动问题,构建了可描述不同网络阶段的运营成本和建设成本函数,并且考虑了运营过程带来的环境污染问题,构建了治理费用函数。基于以上函数,建立以供给能力为约束条件,以总成本最小为目标的网络设计和重新设计模型,然后将模型转换为变分不等式问题,证明了所设计模型与变分不等式等价。最后通过算例,运用修正投影算法对模型进行数值演算和验证,得到了最优成本下的设施建设方案和物流组织方案。     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

基于碳排放权交易与排队论的闭环物流网络设计

为了解决低碳经济环境下闭环物流网络设计问题,在碳排放权交易的约束下,以排队论计算逆向物流节点的存储量,考虑物流网络的运输成本、存储成本、建设成本、时间惩罚成本及碳交易成本,建立了以总成本最低为目标的闭环物流网络设计模型.以遗传算法为基础设计了求解算法,通过案例验证了物流网络设计模型和求解算法的可行性,就碳排放配额、交易价格以及时间惩罚对物流网络结构的影响进行了分析,表明现行的碳排放权交易环境基本不会改变企业物流网络结构.     

生鲜食品冷链低碳物流配送路径优化研究

基于冷链物流配送车辆节能减排的必要性，在考虑固定成本、运输成本、时间窗惩罚成本以及制冷成本的基础上增加碳排放成本，建立了以配送总成本最小为目标函数的冷链物流配送模型，提出了一种解决该问题的改进蚁群算法，并使用算例验证了模型和算法。实验结果表明，该模型和算法有效，可以为物流企业的配送决策提供参考。     

异质边多重图网络模型研究

在物流网络中,为实现物流节点之间的异质边的统一性度量,运用可拓学中的基元理论构建了一种基于物元特征的异质边多重完全图网络模型,该网络模型适用于物流中心和物流配送中心共同具有的功能,其功能有运输功能、储存功能、包装功能、流通加工功能、信息处理功能,功能特征之间是异质,每一个功能特征决定了两物流节点间相连接的一条边。在每个功能特征建立一个关联函数,关联函数值作为边权,实现了物流网络的统一性度量,同时也为物流网络优化提供便利。     

考虑偏好与合作的供应链网络设计与优化

提出了考虑核心企业决策偏好与成员企业合作意愿的双目标供应链网络设计与优化问题。应用模糊多目标规划方法,将决策者对各个目标的不精确期望水平考虑到供应链网络的设计与优化模型中。研究了集中决策模式下核心决策者的不同目标偏好与分散决策模式下各组织成员群体决策的合作意愿,对供应链的各个目标及网络优化配置的影响。结果表明,“极大极小”算子体现了核心决策者对各个目标的偏好,但大权重目标以牺牲小权重目标的值为代价的。新的“模糊与”补偿算子能使供应链的各个目标值获得理想的均衡效果,体现了供应网络中核心企业与其他成员企业群体协商决策的管理思想与行为特征。     

合作博弈下医药物流联盟节点决策模型及算法

以合作博弈为基础,分析医药物流网络需求特征,描述了一个包含药品生产企业、第三方物流企业、物流中心、销售终端在内的“三方四层”医药物流联盟结构体系,建立了合作博弈模式下的医药物流网络节点决策的双层规划模型,上层规划以联盟效益最大化为目标,下层规划考虑不同的情景状态,建立了合作博弈下的Shapley值为分配模式,并设计了问题求解的混合遗传算法。算例测试结果表明,该方法与算法具有较强的实践可操作性,可以作为物流节点选址决策的参考方法。     

Multilayer Feedforward Neural Network Based on Multi-valued Neurons (MLMVN) and a Backpropagation Learning Algorithm

A multilayer neural network based on multi-valued neurons (MLMVN) is considered in the paper. A multi-valued neuron (MVN) is based on the principles of multiple-valued threshold logic over the field of the complex numbers. The most important properties of MVN are: the complex-valued weights, inputs and output coded by the kth roots of unity and the activation function, which maps the complex plane into the unit circle. MVN learning is reduced to the movement along the unit circle, it is based on a simple linear error correction rule and it does not require a derivative. It is shown that using a traditional architecture of multilayer feedforward neural network (MLF) and the high functionality of the MVN, it is possible to obtain a new powerful neural network. Its training does not require a derivative of the activation function and its functionality is higher than the functionality of MLF containing the same number of layers and neurons. These advantages of MLMVN are confirmed by testing using parity n, two spirals and “sonar” benchmarks and the Mackey–Glass time series prediction.     

Implications of noise and neural heterogeneity for vestibulo-ocular reflex fidelity

The vestibulo-ocular reflex (VOR) is characterized by a short-latency, high-fidelity eye movement response to head rotations at frequencies up to 20 Hz. Electrophysiological studies of medial vestibular nucleus (MVN) neurons, however, show that their response to sinusoidal currents above 10 to 12 Hz is highly nonlinear and distorted by aliasing for all but very small current amplitudes. How can this system function in vivo when single cell response cannot explain its operation? Here we show that the necessary wide VOR frequency response may be achieved not by firing rate encoding of head velocity in single neurons, but in the integrated population response of asynchronously firing, intrinsically active neurons. Diffusive synaptic noise and the pacemaker-driven, intrinsic firing of MVN cells synergistically maintain asynchronous, spontaneous spiking in a population of model MVN neurons over a wide range of input signal amplitudes and frequencies. Response fidelity is further improved by a reciprocal inhibitory link between two MVN populations, mimicking the vestibular commissural system in vivo, but only if asynchrony is maintained by noise and pacemaker inputs. These results provide a previously missing explanation for the full range of VOR function and a novel account of the role of the intrinsic pacemaker conductances in MVN cells. The values of diffusive noise and pacemaker currents that give optimal response fidelity yield firing statistics similar to those in vivo, suggesting that the in vivo network is tuned to optimal performance. While theoretical studies have argued that noise and population heterogeneity can improve coding, to our knowledge this is the first evidence indicating that these parameters are indeed tuned to optimize coding fidelity in a neural control system in vivo.     

Message Filters for Object-oriented Systems

In the conventional object model, encapsulated objects interact by messages that result in method invocations on the destination object. A message is delivered directly at the destination object. As a result of the direct deliveries, the message control code performing intermediate message manipulations cannot be abstracted out separately from the message processing code in the destination object without sacrificing the transparency of the intermediate message control. We propose the filtered delivery model of message passing for object-oriented languages to provide the separation of message control from message processing in a transparent manner. An interclass relationship, called a filter relationship, is introduced. As a consequence, a filter object can intercept and manipulate messages sent to another object called its client via filter member functions. A filter member function in a filter object can intercept a particular member function invocation on its client object. The filtered delivery model supports both upward and downward filtering mechanisms, facilitating interception of an upward message and its return message value. Filter objects can be plugged or unplugged at runtime. Binding of filter member functions to corresponding member functions in the client is selective and dynamic. The filtered delivery model is developed for the C++ object-oriented language; its applications are described and implementation is discussed. © 1997 John Wiley & Sons, Ltd.     

人工神经网络预报金属基复合材料焊接接头性能

以金属基复合材料扩散焊接为实施对象 ,采用人工神经网络的方法建立扩散焊接过程的静态模型 ,表征了扩散焊接接头质量与工艺参数之间的关系 ,验证了该模型的适用性 .在此基础上对上述焊接过程进行仿真 ,分析了金属基复合材料接头强度随焊接工艺参数的变化规律 ,从而探索出最佳焊接工艺规范 .所建立的静态模型与实际焊接过程良好吻合 ,为新材料焊接性的研究提供一条新途径     

Hebbian and error-correction learning for complex-valued neurons

In this paper, we observe some important aspects of Hebbian and error-correction learning rules for complex-valued neurons. These learning rules, which were previously considered for the multi-valued neuron (MVN) whose inputs and output are located on the unit circle, are generalized for a complex-valued neuron whose inputs and output are arbitrary complex numbers. The Hebbian learning rule is also considered for the MVN with a periodic activation function. It is experimentally shown that Hebbian weights, even if they still cannot implement an input/output mapping to be learned, are better starting weights for the error-correction learning, which converges faster starting from the Hebbian weights rather than from the random ones.     

基于决策的目标检测器黑盒对抗攻击方法

深度神经网络在目标检测领域有大量的应用已经落地,然而由于深度神经网络本身存在不可解释性等技术上的不足,导致其容易受到外界的干扰而失效,充分研究对抗攻击方法有助于挖掘深度神经网络易失效的原因以提升其鲁棒性;目前大多数对抗攻击方法都需要使用模型的梯度信息或模型输出的置信度信息,而工业界应用的目标检测器通常不会完全公开其内部信息和置信度信息,导致现有的白盒攻击方法不再适用;为了提升工业目标检测器的鲁棒性,提出一种基于决策的目标检测器黑盒对抗攻击方法,其特点是不需要使用模型的梯度信息和置信度信息,仅利用目标检测器输出的检测框位置信息,策略是从使目标检测器定位错误的角度进行攻击,通过沿着对抗边界进行迭代搜索的方法寻找最优对抗样本从而实现高效的攻击;实验结果表明所提出的方法使典型目标检测器Faster R-CNN在VOC2012数据集上的mAR从0.636降低到0.131,mAP从0.801降低到0.071,有效降低了目标检测器的检测能力,成功实现了针对目标检测器的黑盒攻击。     

一种基于神经网络基函数的新型遗传算法

该文提出了一种新型的遗传优化方法。由参数模型描述的神经元基函数作为遗传基因，利用每个神经元输出序列与网络训练目标以及神经元输出序列之间的相关性得到网络遗传优化方法的选择算子，根据不同参数的特点得到相应的交叉和变异算子，建立基函数的参数化模型，得到遗传算法的初始基因组；并根据初始基因组建立各参数基因组，通过合适的交叉变异算子对个各参数基因组进行交叉变异操作。这样得到的算法使输出误差分布较为均匀，能够大大提高网络的输出精度，简化网络的结构，信号跟踪与非线性系统逼近中得到很好的效果，提高了网络的适时学习能力。     

一种新型的感应电机速度辨识策略

介绍了一种基于神经网络的感应电机速度估计策略。应用反向传播算法的神经网络实时辨识电机速度 ,其目标函数是目标模型和神经网络模型输出之间差的平方和。速度作为神经网络的一个权值 ,通过反向传播算法来调节使之精确地跟踪实际的电机速度。实验结果表明此方案是可行和有效的     

运动辅助的CPG控制及其关键参数分析

针对运动辅助过程中主/从运动生成的问题,在原有松岗（Matsuoka）数学模型的基础上引入适应系数建立了一个新的CPG模型,获得了理想的主/从关节目标轨迹;利用仿真分析手段调查研究了CPG模型的关键参数对其输出振荡的影响规律;以单关节运动辅助为控制对象,建立了相应的人机交互运动系统的动力学模型,利用基于MATLAB的仿真试验对CPG控制的有效性进行了验证。结果表明,根据CPG各个参数与输出的变化规律,适当调节各个参数可以获得理想的输出;CPG生成的运动轨迹有效规避了传统助力机器人控制模型中复杂的运动学和动力学解算;可根据实际需求调整外部参数[C]从而有效地生成辅助装置主/从运动模式;控制方法对单关节运动辅助具有明显效果。     

面向驾驶场景的多尺度特征融合目标检测方法

针对驾驶场景中目标检测卷积神经网络模型检测精度较低的问题,提出一种基于改进RefineDet网络结构的多尺度特征融合目标检测方法。在RefineDet网络结构中嵌入LFIP（Light-weight Featurized Image Pyramid,轻量级特征化的图像金字塔）网络,将LFIP网络生成的多尺度特征图与RefineDet中的ARM（Anchor Refinement Module,锚点框修正模块）输出的主特征图相融合,提升特征层中锚点框初步分类和回归的输出效果,为ODM（Object Detection Module,目标检测模块）模块提供修正的锚点框以便于进一步回归和多类别预测;在RefineDet网络结构中的ODM之后嵌入多分支结构RFB（Receptive Field Block,感受野模块）,在检测任务中获得不同尺度的感受野以改善主干网络中提取的特征。将模型中的激活函数替换为带有可学习参数的非线性激活函数PReLU（Parametric Rectified Linear Unit,参数化修正线性单元）,加快网络模型的收敛速度;将RefineDet的边界框回归损失函数替换为排斥力损失函数Repulsion Loss,使目标检测中的某预测框更靠近其对应的目标框,并使该预测框远离附近的目标框及预测框,可以提升遮挡情况下目标检测的精度;构建驾驶视觉下的目标检测数据集,共计48 260张,其中38 608张作为训练集,9 652张作为测试集,并在主流的GPU硬件平台进行验证。该方法的mAP为85.59%,优于RefineDet及其他改进算法;FPS为41.7 frame/s,满足驾驶场景目标检测的应用要求。实验结果表明,该方法在检测速度略微下降的情况,能够较好地提升驾驶视觉下的目标检测的精确度,并能够一定程度上解决驾驶视觉下的遮挡目标检测和小目标检测的问题。