基于PI的企业动态库存补货模型与算法

PI(physical internet)环境下的物流网络具有互联、开放和共享的特点,缺货的PI-枢纽或零售商可根据货源选择策略动态选择为其补货的供应商或PI-枢纽。为解决PI环境下库存补货问题,提出了IB-EB(installation-echelon)混合补货策略。以最小化库存补货成本为目标,补货量和再订购点为决策变量,构建了PI环境下的动态库存补货模型。针对该混合整数非线性规划模型,应用粒子群优化算法求解出多个补货预案,再将其带入仿真环境循环优化求解。最后,以中国航空器材进出口公司为例,验证了模型可解性及算法的可行性。结果表明PI环境下货源策略的选择对库存补货成本和补货策略具有十分重要的影响,为企业在不同补货条件下选择货源提供了参考依据。     

需求响应式公交中考虑即时订单的线路重调度优化

为了同时满足需求响应式公交中预约订单和即时订单两种用户需求,设计了一个公交线路的重新调度优化模型。该模型确保在满足预约订单出行需求的基础上,对公交行驶线路进行调度优化,以响应即时订单的需求,实现系统利润最大化的目标。根据模型的特殊结构,运用列生成算法求解,并设计了双向标签算法以加速子问题的求解效率。基于一个以上海市为背景的实际案例,验证了模型的可行性与有效性,大量的数值实验进一步验证了算法的高效性。结果表明：本文提出的模型与设计的算法可在较短时间内响应即时订单需求,并且可显著提高公交系统的收益。     

时变路网下多中心电动车-无人机协同配送路径优化

针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。     

基于贝叶斯优化与集成算法的债券违约风险预测

本文选取2014-2022年发生实质违约与交叉违约的所有发行主体为研究对象,使用随机森林、AdaBoost、GBDT、XGBoost、LightGBM共5种集成算法构建了债券违约风险预测模型,并采用贝叶斯优化对模型的超参数进行优化。实证结果显示,在债券违约风险预测中,相较于传统机器学习算法,集成算法所构建的预警模型性能更为出色,具有更加优异的预测精度与稳定性,且在超参数优化中,贝叶斯优化运行效率更高、效果更好。同时,LightGBM算法在5个集成算法中表现最优,可以最为有效地进行债券违约风险预测。最后通过比较特征重要性,发现净资产收益率、总资产报酬率、营业利润率、第一大股东持股比例可以作为企业债券违约风险预警指标。     

基于模糊逻辑系统的非线性组合预测方法研究

针对线性组合预测方法的局限性,本文提出了一种基于高斯型模糊逻辑系统的非线性组合预测新方法,并给出了相应的反向传播学习算法确定模糊系统的参数及模糊子集的划分．理论分析和应用实例表明：该方法具有很强的学习与泛化能力,在处理诸如非线性系统中时间序列的组合建模与预测方面都良好的应用价值．     

中国特色社会主义文化的多模态融合传播策略研究

随着数字技术和人工智能的飞速发展,全媒体和融媒体时代已经悄然来临,如何搭上多模态融合发展的快车,深入挖掘中国特色社会主义文化的多维特征,借势宣传中国特色社会主义文化、传播中国声音,成为摆在广大研究者面前一个急需解决的问题。对多模态融合的认知基础进行分析,讨论多模态信息融合的概念空间模型,详细论述中国特色社会主义文化多模态融合传播策略：多模态语料库构建、基于神经网络的数据表征和基于算法的数据统计具有重要理论价值和现实意义,为讲好中国故事、实现中国式现代化提供有益借鉴。     

人工智能时代的司法公正：价值效用与风险防范

随着各行业智能化水平不断提升,我国司法系统在面对时代的剧烈变化时,展现了对智能化建设和司法改革的魄力与决心。人工智能可以在“类案类判”和“及时公正”等维度促进可视化的司法公正,但同时也在与司法活动交叉结合的过程中产生了诸如数据算法缺陷弱化公正基础、技术的价值中立性无法真正满足公民个案公正的诉求、技术的工具性消解司法公正本意的风险。为应对以上风险,可以采取大数据与算法规范、制定人工智能融入司法的伦理规范以及将法律论证嵌入司法人工智能系统等措施,在展现司法人工智能优势的同时,实现司法公正的最大化。     

算法规制的善治之道:缘起、挑战与路径

以大数据为基础、以复杂算法为核心的智能技术,已成为促进数字经济发展和社会福利增长的重要力量。但算法自主能力提升和算法应用场景拓展,使算法治理可能成为异己的力量,引发平台垄断、隐私侵犯、参与弱化、算法歧视等风险,算法规制的善治要求应运而生。然而,寻求面对技术、经济、社会、政治问题交织叠加的算法规制的善治之道,面临着多重目标、信息壁垒以及规制制度缺位与能力不足等一系列挑战。实现算法规制的善治需要完善算法规制体系,构建算法影响评估制度和规制影响评估制度;推动有意义的算法透明,促进企业合规管理,引导社会力量参与,消除算法规制中的信息壁垒;推进规制制度变革和规制理念创新,把国家算法权力纳入规制范围,提升规制队伍能力水平和发展敏捷性规制工具。只有实现技术向善的算法规制,才能在技术应用驱动的经济发展与福利增长中创造高品质生活。     

如何应用EM算法处理调研中的无回答问题

在市场调研中,由于无回答情况所造成数据的缺失,给调查结果的估计带来一定困难。文章将通过对EM算法的介绍,讨论如何应用EM算法来解决调研中的无回答问题,并通过具体实例演示其操作过程。     

如何应用EM算法处理调研中的无回答问题

获得回答完整的问答是每个调研者所期望的结果，但实际上由于各种原因，总有部分问卷为空白或回答的不完全，这就产生了无回答情况。一般的无回答情况分为两种：一种是单位无回答，另一种是项目无回答。单位无回答是指被调查单位没有接受调查，而项目无回答是指被调