考虑新鲜度的生鲜食品动态定价模型

文章是在生鲜食品销售过程中考虑新鲜度对生鲜食品需求的影响,然后构造新鲜度函数,以零售商利润最大化为目标,建立了一个考虑新鲜度的生鲜食品动态定价模型,并证明了动态定价策略的利润高于单一定价策略的利润.在算例中对基本需求、价格弹性因子和新鲜度对时间敏感因子等参数进行了灵敏度分析,最后给出具体算例说明了动态定价模型优于单一定价模型.     

虚拟企业合作伙伴选择的改进蚁群算法

合作伙伴选择是虚拟企业组建阶段的关键问题,选择合适的合作伙伴关系到虚拟企业运作的成败.为了有效地实现虚拟企业运作过程中合作伙伴的选择与优化,文章对满足产品交货期约束和以最小化制造成本为目标的虚拟企业合作伙伴选择与优化数学模型进行了探讨;由于该模型目标函数非连续可微.文章提出了一个改进的蚁群算法对其进行求解.该算法通过引入遗传算法中的杂交算子来改善蚁群的搜索能力,使其对应的解更加优良;文章还通过案例分析验证了算法的有效性.     

企业危机事件应急处理的蚁群优化模型

采用新兴信息技术研究企业危机事件应急管理问题已经成为国内外学者广为关注的焦点问题.文章提出了一种基于改进蚁群算法的企业危机事件应急资源调配模型、方法及其应用.在对应急资源调配问题进行标准化建模的基础上,提出了能高效求解该问题的改进蚁群算法.     

均值——动态方差多阶段投资组台优化研究

文章将动态风险度量方法运用到多阶段投资组合中,提出了具有交易成本和交易量限制的均值—动态方差多阶段投资组合模型,并运用自创算法——离散近似迭代法求解。最后,以一个具体的算例,验证了该算法可以较快地计算出不同终期财富所对应的最优投资策略。     

基于蚁群算法的灰色模型参数估计法

灰色GM(1,1)预测模型中,发展系数和灰色作用均采用最小二乘方法得到,文章提出了一种采用蚁群算法估计发展系数和灰色作用的新方法,并给出蚁群算法的步骤,最后通过一个我国人口数量预测的实例,表明该方法具有较高的拟合和预测精度.     

基于蚁群算法与RBF神经网络模型的突发应急配送决策

文章根据大型突发事件的突发性和不确定性,以及食品在物流过程中极易腐损等特点,确立一个用于食品物流应急配送中心选址决策的评价指标体系,并在这基础上,将蚁群算法(ACA)和径向基神经网络(RBFNN)结合起来,建立一个选址决策模型.该模型既具有神经网络的广泛映射能力,又具有蚁群算法所带来的高效率、全局收敛、分布式计算等特点,能够在安全、可靠、高效的原则下,较好地解决大型突发事件中食品应急配送中心的选址决策问题,以便确保和加快灾区的食品供应.最后,通过模拟算例表明该模型的适用性.     

求解作业车间调度问题的改进蚁群算法

作业车间调度问题是一个典型的NP-HARD问题,也是一个前沿性的研究课题,已受到学术界和工业界的广泛关注.文章采用了一种改进蚁群算法来求解作业车间调度问题.首先应用蚁群算法获得一些作业车间调度问题的较优解(调度方案);然后这些调度方案中挖掘出一些有用的调度知识;最后应用这些调度知识来辅助蚁群算法完成后续的优化过程.通过将调度知识有效地融入到蚁群算法中,使得改进蚁群算法在优化效率上大大改进.     

基于分段函数的风投项目复杂多阶段动态决策问题研究

从系统控制与优化的角度来看,风险投资项目决策是一个具有高度复杂性的动态系统问题.文章主要把风险投资项目各阶段视为事物的动态发展过程,采用系统工程的方法,结合现有理论成果,利用分段函数的数学方法建立模型,并采用净现值(DCF)结合风险评价的复合方法对风投项目各阶段进行动态决策.     

基于统计信息的数据挖掘算法

文章提出了一种处理噪音数据的算法.最后应用MATLAB软件和SAS软件建立模型,实验结果表明该算法能够很成功地建立模型拟合这种问题.     

基于灰色系统理论的广州市旅游接待人数预测与分析

文章对广州市2004～2008年的年旅游接待人数及对应月份的数据建立模型GM(1,1),并对其间11月份的数据采用动态指数变换法以提高模型精度.发现利用分月预测与直接年预测两方法都能很好地反映实际,前者的效果优于后者.用两方法分别预测了广州市2009～2012年的旅游接待人数.     

超高维数据降维与Logistic广义线性拟合分析

文章以美国威斯康星州的乳腺癌调查数据为例,分别采用SIS和TCS算法对高维数据进行降维处理,尝试将改进的Logistic广义线性模型对降维后的变量进行拟合.再与传统的一般线性模型、Logistic广义线性模型相比,结果表明,基于算法降维后的Logistic广义线性模型预测误差更小,其中基于TCS算法降维后的广义线性模型在拟合中要明显优于SIS算法降维后的广义线性模型.     

动态供应链网络均衡仿真模型研究

动态供应链网络均衡是供应链管理研究的热点问题之一.文章采用多智能自主体系统(Multi-agent system,MhS)建立了动态供应链网络均衡的仿真模型并进行了分析:通过实例利用基因算法对模型进行了求解,验证了模型的有效性;并提出了未来研究的方向.     

基于蚁群优化的多目标资源配置模型及应用

多目标资源配置问题就是将有限资源分配到不同事件来获得预期目标.为满足未来的特定要求,一般需同时对多个目标(如成本最小化或效率最大化)进行优化.为有效获取一组帕累托解,提出一种改进蚁群算法,该方法可通过增加蚂蚁的学习来提高求解效率.通过比较蚁群算法和混合遗传算法所得的实验结果,验证了改进蚁群算法的可行性、有效性及正确性.     

基于动态规划的生物调控优化算法

文章考虑的是一个生物调节过程的优化问题.基于动态规划原理,给出了解决问题的一个简单算法.运用这一算法,可以方便的调控生物系统的演化过程.数值仿真结果及详细地分析也进一步表明了该算法的有效性.     

数据流概念漂移双窗探测方法

数据挖掘(机器学习)领域的研究重点是建立概念漂移数据(Concept-drift)下的模型,其中的核心问题就是探测器算法.文章提出了一种基于双窗的探测算法.其优点是给出了该算法的严格理论基础;有效提高挖掘效率,克服虚漂移的干扰.并且运用人工和实际数据进行实验,效果亦优于其他算法.     

蚁群算法求解路径时间随机的应急资源调度问题研究

在研究应急资源调度问题时常常需要考虑到多种不同的因数,其中路径时间的不确定性直接影响着应急活动的置信度和执行率。文章根据交通工具在道路上行驶的实际情况,采用正态分布的随机数对时间不确定性进行了描述,并设计时间满意度函数将调度时间最短问题转化为时间满意度最大问题;在此基础上加入路径费用最小的目标,建立了多目标的应急资源调度优化模型。采用改进后的蚁群算法对该模型进行求解,得到了问题的非劣解集并借助TOPSIS方法选取最优方案;最后通过算例对模型和算法进行了验证。     

企业知识流动SIRS模型构建与仿真

基于动态能力的演化过程,文章构建企业知识流动SIRS模型,刻画动态能力演化不同阶段行业内企业知识流动的状态和数量.证明了知识流动模型的平衡点与稳定性,通过数值仿真验证了模型的稳态特征,仿真结果表明动态能力是企业进行知识流动的重要前提.     

变系数模型的变量选择

文章基于变系数模型,研究了模型变量选择的问题.采用B样条函数逼近模型中的系数函数,结合LASSO、SCAD和MCP罚函数,利用组坐标下降算法进行变量选择.通过模拟比较了这三种罚函数的效果.模拟结果印证提出方法的有效性,并且得到MCP和SCAD优于LASSO.     

量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.     

航班动态定价机制下的机票价格序列变点估计

文章旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架中级联组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对“北京-昆明”航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。