中国企业海外并购风险形成因素的层次结构:基于ISM模型

在全球经济增长放缓和不稳定的环境中,我国企业正在通过海外并购方式以创纪录的速度走向世界。然而,我国企业在进行大规模海外并购的过程中存在很多不确定性,进而带来了诸多阻碍和风险。为此,本研究运用解释结构模型,划分了我国企业海外并购四个阶段风险形成因素的层次结构,并识别出其关键风险因素。结果表明:我国企业海外并购风险可分为10个层次,且主要产生于并购过程中的目标企业选择与估值、融资,并购后的人力资源、财务及技术整合,及发展期的品牌利用等,并购前的法律及政治风险相对较弱。此研究结果对于我国企业有效防控海外并购风险,提升我国企业"走出去"战略的投资绩效具有重要的价值。     

地质灾害防治项目治理的社会网络结构优化及策略

地质灾害频发给人类社会带来了巨大的损失,而地质灾害自身特点又决定了地质灾害防治项目在控制和减轻地质灾害中的积极作用,但其管理和风险控制极为复杂,导致安全事故频发、项目失败率居高不下,其关键是由项目治理中各利益主体组织协调不善以及忽略与外部环境的适应互动所致。为此,本研究依托三峡库区大型的地质灾害防治项目,运用社会网络分析构建地质灾害防治项目治理社会网络模型,分析其个体网络与整体网络的相关指标,发现监理方的权利并未得到很好的体现。进而,根据地质灾害防治项目治理策略选择下的社会网络结构优化,确定了地质灾害防治项目治理策略,对于降低利益相关方的治理角色风险,提高地质灾害防治项目成功率具有重要的价值。     

面向虚拟企业的蚁群劳动分工建模与仿真

针对虚拟企业的复杂性特征,提出了以群集智能这种新颖的复杂系统建模手段研究虚拟企业的组建和运行过程.在将虚拟企业运行特点与蚁群劳动分工模型进行对比分析的基础上,将企业单元定义为人工蚂蚁,根据虚拟企业运行的要求重新设计蚂蚁的属性特征、任务执行和学习规则、活动环境等模块,建立了扩展的蚁群劳动分工模型.采用该模型对虚拟制造式、供应链式、组织虚拟式等3种具有代表性的虚拟企业组织进行建模和仿真,实验表明仿真结果与实际情况比较吻合,运行过程能够体现出虚拟企业运行的自组织行为特征,该模型可为类似虚拟企业的组建、任务规划和利益分配提供依据.最后分析了扩展蚁群劳动分工模型的内在特性和适用范围,并对今后研究的方向进行了展望.     

面向群体利益分配的蚁群劳动分工建模与仿真

建立公平的社会群体利益分配机制是解决当前由利益失衡引发的社会矛盾与冲突的关键所在.基于对蚁群劳动分工在任务分配中所表现出柔性特征的分析,提出借鉴该任务分配柔性来实现利益分配柔性的新思路.首先从分配的角度对利益的概念进行界定,给出了其形式化描述,引入相对剥夺感来衡量利益分配的公平性.随后根据社会群体利益的特点,对基本蚁群劳动分工模型进行扩展,借助恢复因子来协调不同利益群体,建立了面向利益分配的蚁群劳动分工模型,给出了该模型的算法实现流程.选取一个具有代表性的利益分配实例进行仿真实验,从恢复性和分配柔性两方面验证本文模型的有效性.通过仿真分析发现,利益实现能力在利益分配过程中具有主导作用;对于利益分配不公的情况,恢复因子能够起到有效的恢复作用,且在动态环境下显示出良好的利益分配柔性.最后给出了利益型群体事件演化过程的描述,定量分析了其中的恢复情况,阐述了现实中利益型群体事件的演化规律.     

我国智能化粮食物流系统现状及发展趋势

构建粮食物流系统是确保粮食物流畅通、降低运输成本的一个重要手段。首先分析了我国建设现代化粮食物流系统的背景和意义,然后针对我国粮食物流系统建设中存在的问题,从选址、配送、库存等3个方面对粮食物流系统建设问题进行了探讨,提出了具体的粮食物流系统优化策略,以达到降低物流成本的目的。     

关于偏好传递性的注记

研究了决策过程中的偏好传递性的逆转问题。通过分析传统的传递性的证明和实际中的非传递性偏好，说明了实际应用中偏好传递性假设的局限性和问题界定的重要性     

组织网络隐性知识扩散及学习策略分析

知识主要以显性知识和隐性知识两种方式存在,隐性知识是组织获得竞争优势的主要源泉.隐性知识为组织个体所拥有,这种私有性的特征使其在组织内部的扩散需要通过组织个体之间的交互才能完成.组织网络连接强度对扩散具有影响,可利用具有边权重的组织网络研究隐性知识的扩散行为.在分析隐性知识和相关扩散特点的基础上,基于组织成员之间的关系网络和小世界网络模型,建立组织网络上的知识扩散模型.根据认识论的观点,提出个体3种知识学习策略,结合知识扩散模型进行计算仿真实验.仿真结果显示,综合考虑关系和知识差别的知识学习策略最有效,不考虑连接强度下的各种策略都具有较快的知识学习速率,并且连接强度对组织内隐性知识扩散具有明显的作用.     

群集智能研究进展

群集智能是指众多行为简单的个体相互作用过程中涌现产生的整体智能行为.从复杂系统研究的角度入手,以群集智能的基本原理为线索,对其系统结构、运行机理、建模工具、算法模型和典型应用等内容进行全面论述.首先围绕以蚁群和鸟群为代表的群集智能系统结构,分析说明了其中的个体属性、行为规则和交互方式,进而阐述和剖析了群集智能中的反馈机制和学习机制.在给出若干常用群集智能建模工具介绍的基础上,对蚁群觅食、蚁群聚类、蚁群劳动分工和鸟群觅食等4类群集智能模型进行了细致深入的探讨,旨在归纳提炼形成基于群集智能的复杂系统建模与仿真的一般性规律.最后综述了群集智能在工程优化、生产管理、机器人学、数据分析与模式识别等领域的典型应用情况并展望了群集智能的发展前景.