风险规避型双渠道供应链的融资和定价决策

在零售商资金约束下,基于CVaR准则构建了风险规避的供应商和零售商组成的双渠道供应链的定价模型。分析了零售商资金充足时,供应商和零售商的最优决策、资金约束情况下零售商的银行借贷融资、延期支付策略和组合融资时零售商和供应商的最优决策以及零售商和供应商的风险规避程度对最优决策变量和收益的影响。通过数值分析,进一步验证了零售商和供应商的风险规避度对三种融资模式下零售商和供应商的最优决策变量和利润的影响。研究表明：资金充足和延期支付策略下最优决策变量与风险规避度的关系一致;银行借贷和组合融资下最优决策变量与风险规避度的关系一致;单一延期支付策略和组合融资优于单一银行借贷融资;组合融资比例大于一定值时,优于单纯延期支付策略。     

客户分类下生鲜配送两级路径问题与算法研究

生活水平的提高使得消费者对生鲜产品的需求不断增长,进而促进了冷链物流行业的快速发展。将客户按重要性分为重要客户和普通客户两类,以总配送成本最小为目标,建立考虑客户分类的两级容量有限车辆路径优化模型。提出两阶段启发式算法求解该模型：第一阶段设计改进的遗传-模拟退火算法增强全局搜索能力,其中采用轮盘赌选择机制结合精英保留策略保留优秀个体,部分匹配交叉算子结合自适应交叉率维持种群多样性,Metropolis准则以一定概率接受较差解;第二阶段使用精确方法求解一级配送路径。基于Perboli的Set2算例集和Hemmelmayr的Set5算例集,共30个基准案例,分别将所提出算法与四种现有算法进行对比分析,验证了改进算法的效果,并测试了算法的收敛性。基于模拟数据进行模型分析,验证了所提出模型和算法的有效性和适用性。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。     

复杂事件处理的自适应制造情景识别方法

制造过程中的任务、自然条件、电力水平等环境因素,制约物体状态及其关系的变化.智能制造单元需要自适应的对不同情境约束下的事件和复杂情形及时理解判断,提出基于复杂事件处理(Complex event processing,CEP)的情境约束情景识别方法,以实时作出合理的优化决策.针对忽视情境约束对事件判别的影响,构建基于情境约束的多层次事件模型,给出同生、情境、协同等事件新算子,提出基于事件聚合的制造情景模型与演算过程.针对情景识别知识库中模式规则生成的不足,通过整合物体数据与环境数据建立映射关联,将感知信息转化为情境事件图谱.通过综合序数、名义变量等距离计算和自适应熵权法,提出改进的混合聚类方法处理事件图谱实例属性的多样性和关联性,构建知识库以为情景实时识别提供服务支持.运用4个真实数据集和1个制造过程仿真数据集进行实验,均验证本文模型和方法的有效性,适用于大规模学习问题,并阐明情境因素能显著提升复杂制造应用中的事件判断、情景识别的准确性.     

装配式集装箱结构体系优化及节点性能

为建立装配式集装箱结构的标准体系并掌握其力学性能,以一个典型的集装箱建筑方案为基础,以规范要求为评价指标,对其进行了6种不同结构方案的静力分析和抗震分析,研究了设置横梁立柱、辅助拉杆等构造措施对结构性能的影响,结果表明:该集装箱建筑体系对风荷载较为敏感,构件截面主要由风荷载控制,地震作用不起控制作用,增加局部立柱和横梁对于提高集装箱建筑的抗侧移刚度作用不明显,而设置侧向拉杆则能有效加强结构抗侧移刚度.最后采用多尺度分析方法对结构所采用的装配式集装箱建筑节点进行了模拟分析,结果表明该节点在结构各种工况下均能保持良好的工作状态,可为类似集装箱建筑的节点选用提供技术参考.     

基于粒子群算法的城市接驳公交网络优化调度方法

为提高公共交通分担能力和解决轨道交通与交通出行起讫点之间的公共交通接驳优化调度问题,提出了轨道与公交的接驳公交网络优化模型.模型主要考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型.分析选用粒子群算法对所建立的多目标优化模型进行分析求解,比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况,得到轨道线路邻近区域内接驳网络的优化调度,当车队规模在定值时即可满足接驳轨道交通的换乘需求,优化调度使得平均满载率显著下降,另外,验证了接驳公交网络基于粒子群算法的优化调度可有效降低营运消耗.     

基于随机子空间的多标签类属特征提取算法

目前多标签学习已广泛应用到很多场景中,在此类学习问题中,一个样本往往可以同时拥有多个类别标签。由于类别标签可能带有的特有属性（即类属属性）将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法。针对类属属性构造会导致属性空间存在冗余的问题,本文提出了一种多标签类属特征提取算法LIFT_RSM。该方法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的。在多个数据集上的实验结果表明：与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果。     

基于时序逆影响的随机游走推荐算法*

相似性计算是协同过滤推荐的关键步骤,针对传统相似性计算认为相似关系是对等的且没有考虑消费顺序和时间间隔的问题,提出了基于时序逆影响的随机游走推荐算法。首先,基于用户时序关联图提出一种新的称为时序逆影响的相似性度量,利用随机游走得到了目标用户近邻集合;其次,利用随机游走在项目时序关联图上进一步改进推荐的多样性和覆盖率。它不但认为用户间相似是不对称的,考虑了用户消费项目的顺序和时间间隔,获得了用户全局的直接和间接近邻,而且考虑了项目间的时序逆影响。通过在真实数据集上的大量试验结果表明,与其他随机游走方法相比,不但能提高推荐性能、缓解数据稀疏,而且通过提高多样性和覆盖率解决了过拟合的问题。     

基于多重约束的OpenXML复合文档内容源数据区容错定界算法

在高误码率条件下,接收到的OpenXML复合文档往往因数据含错而无法打开,而在文档修复过程中,对信源中每个源文件内容源数据区的定界经常容易出错,针对该问题,提出了一种基于多重约束的OpenXML复合文档内容源数据区容错定界算法。通过对文档协议冗余的分析与归类,将内容源数据区定界问题转化为对起始位置序列的最佳估计问题。在通过适当放宽匹配条件完成粗定界的基础上,利用冗余信息中的约束关系构建代价函数对观测数据进行筛选,有效地剔除“虚警”情况,进而实现对内容源数据区起始位置序列的最佳估计。仿真结果表明,在参数设置合理的情况下,该方法具有较好的容错定界能力。     

基于NASA观测数据的风电出力时空分布及波动特性分析

为克服实际风电场运行数据难以获取的问题,提出一种基于历史风速的风资源评估方法。首先,基于美国NASA(National aeronautics and space administration)数据中心获取风速数据,并利用假想风电机组模型转化为风机出力时间序列;然后,通过对时间序列的统计分析,计算期望、半载概率等指标评估风电出力的时空分布特性;最后,通过计算风电出力方差和分析相邻峰谷点差值概率分布规律分析风电出力的波动特性。所提方法能够同时考虑风资源自然特性和风电机组特性,且能对风电波动特性提供定量描述。利用所提方法对山东省风资源的评估结果表明:山东省可利用风能资源随地区、季节和昼夜的变化呈现出明显规律。