耦合拟线性扩散方程组Cauchy问题解的渐近行为

本文考虑一类含有对流项的耦合拟线性反应扩散方程组的Cauchy问题解的渐近行为,得到了临界Fujita指标并建立了Fujita型定理.该临界Fujita指标不仅与扩散项、反应项和空间维度有关,而且还和对流项有关.利用能量积分估计得到方程组解的爆破性;并利用构造方程组的自相似上解和比较原理得到方程组解的整体存在性.

电商供应链物流服务契约设计与协调

电商与第三方物流供应商之间缺乏协调机制,为了找出有效的物流服务契约以协调由一个电商与一个第三方物流供应商组成的电商供应链,考虑物流服务水平与产品销售价格同时影响产品市场需求,分别假设产品销售价格外生与内生,研究物流服务契约的设计与协调问题。针对传统物流契约的不足,分别引入成本分担契约与收益共享契约,实现对电商与第三方物流供应商的协调。结果表明,成本分担契约能够实现产品价格外生下的供应链协调;收益共享契约能够实现产品价格内生下的供应链协调;成本分担比例与收益共享比例决定协调能否成功。数值实验调查了成本分担比例与收益共享比例对电商与第三方物流供应商期望利润的影响。

制造商低碳努力下的供应链渠道模式研究

针对低碳经济背景下企业供应链效益较低的问题,构建3种供应链渠道模式,运用Stackelberg博弈方法,分析制造商的低碳努力与零售商市场占有率对价格、利润、碳减排水平的影响。研究表明:随着制造商低碳努力的增加,3种渠道模式下的零售商、制造商的定价和供应链利润均会上涨;在制造商低碳努力和市场占有率的共同影响下,零售商、制造商更倾向于选择自己主导的双渠道模式;随着实体零售市场占有率的提高,制造商单渠道下供应链总利润最高,零售商双渠道下供应链总利润最低。研究结论为企业构建绿色供应链提供参考。

考虑交货期风险的第四方物流契约设计

第四方物流的快速发展给客户带来了物流业务整合的优势,也让客户面临着交货期不确定与延迟的风险。为了促进第四方物流稳定发展,降低交货期风险损失,需要对外包物流配送交货期风险进行有效地管理。基于委托代理理论与契约设计知识,考虑客户两类交货期需求即应急配送与拖期惩罚的情况下,分别研究了第四方物流交货期契约设计,建立了数学模型并求解得出第四方物流的最优契约参数和第三方物流的最优努力程度。结果表明,所设计的契约可以促使第三方物流按照第四方物流的意愿在配送过程中付出最优的努力程度,减少第四方物流所承担的交货期惩罚,第四方物流可以获得最大的期望利润,而第三方物流仅可获得它的保留利润。通过数值实验调查了第三方物流的产出系数对最优决策的影响。

考虑配送质量与时间的第四方物流契约设计

从第四方物流视角出发,同时考虑配送质量与配送时间,建立委托代理数学模型,通过模型求解给出最优契约并对结果进行分析。结果表明,最优配送契约能够激励第三方物流努力工作,实现对配送过程的有效管理;配送质量与配送时间的契约激励是相互关联的,配送质量的提高与配送时间的缩短可以同时实现。数值实验显示了最优配送契约的有效性与系统参数对契约结果的影响。

并行任务下第四方物流配送时间契约设计

由于不能实时观察第三方物流配送过程,外包物流客户常常暴露于配送时间延迟等风险,特别是存在多个第三方物流同时提供配送服务时,有效地管理配送时间变得更加困难。从第四方物流视角出发,考虑第三方物流并行地提供配送任务,基于委托代理理论研究最优配送时间契约设计问题。假设影响配送时间的随机因素服从均匀分布,通过模型求解给出最优契约参数的解析解,并对结果进行分析。结果表明,所设计的契约能够实现对第三方物流的激励;第三方物流获得的契约激励依赖于其承担的物流任务属于关键任务的程度。数值实验调查了配送时间惩罚系数与努力成本系数对最优配送努力的影响。

基于变因子加权学习与邻代维度交叉策略的改进CSA算法

针对乌鸦搜索算法(CSA)优化高维问题时存在寻优精度低、局部极值逃逸能力弱等问题,提出一种耦合多个体变因子加权学习机制与最优个体邻代维度交叉策略的改进乌鸦搜索算法(ICSA).该算法随迭代进程动态修正模型控制参数(感知概率和飞行长度),利用多个体的变因子加权学习机制保证子代个体同时继承跟随乌鸦与上代最优个体的位置信息以避免单个体继承的过快种群同化并减小陷入局部极值的风险;同时构建历史最优个体的邻代维度交叉策略,并按维度绝对差异大的优先替换原则更新最优个体位置,以保留历代最优维度信息并提高算法的局部极值逃逸能力.数值实验结果分别验证了模型参数对CSA算法性能的一定影响,加权学习因子不同递变形式对ICSA算法性能改善的有效性与差异性以及改进算法的优越寻优性能.

带混沌侦查机制的蚁狮优化算法优化SVM参数

蚁狮优化算法作为一种新的仿生智能算法,有许多有待完善和发展的方面。由于在算法迭代过程中蚁狮种群存在适应度相对较差的个体,若蚂蚁选定该蚁狮进行随机游走将会增加算法陷入局部极值的可能性,同时会影响算法的寻优性能。针对该问题,借鉴人工蜂群算法的侦查思想,在蚁狮原有信息的基础上引进混沌搜索机制,提出了一种带混沌侦查机制的蚁狮优化算法。该算法首先将排序蚁狮种群中适应度较差的个体定义为侦查蚁狮,并将其原始位置信息作为Fuch混沌映射的初始值,然后通过一定次数的混沌搜索迭代获得一个适应度值更优的位置再重新赋值给侦查蚁狮,以提高蚁狮种群的优良性和算法的寻优性能。最后将改进蚁狮优化算法用于支持向量机参数的优化中,以UCI标准数据库中的数据进行数值实验,结果表明改进算法具有较强的寻优性能和较好的算法稳定性。

耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法

针对标准支持向量机(SVM)识别非均衡数据往往会出现最优超平面倾向性和正类样本大量错分的现象,探讨SVM识别非均衡数据失效的原因及对策;考虑到SVM最优超平面仅由少量支持向量完全决定的特性,提出一种基于负类边界样本裁剪策略的SVM数学模型.鉴于该模型需经多次负类数据的"训练-裁剪"过程才能较好地识别正类样本且较为费时,以等效的一次性裁掉更多样本的裁截面技术作为替代,提出一种耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法,并利用改进正余弦优化算法优化裁剪偏移量以提高算法的非均衡数据处理能力.数值实验结果验证了裁剪偏移量的优化必要性、改进正余弦优化算法的较强优化性能和改进SVM算法对非均衡数据的较好识别性能.

SVM参数优化的AFMC算法

支持向量机的参数选择仍未有系统的理论指导,其优化选择一直是支持向量机的一个重要研究方向。考虑到人工鱼群算法优化支持向量机参数往往易陷入最优参数组合微小邻域的问题,构造了用于支持向量机参数优化的AFMC算法。该算法前期利用鱼群算法较好的并行寻优性能,能快速寻得问题的近似最优解,而后利用MonteCarlo法进行局部寻优,以实现快速、有效地获取强近优解。数值实验结果表明,该算法具有较好的分类性能和较快的寻优速度,验证了在支持向量机参数寻优中的有效性和可行性。

动态搜索半径的果蝇优化算法

针对传统果蝇优化算法FOA(Fruit Fly Optimization Algorithm)固定搜索半径导致后期局部寻优性能弱、收敛缓慢的问题,提出一种动态搜索半径的果蝇优化算法DSR-FOA(Fruit Fly Optimization Algorithm With Dynamic Search Radius)。该算法前期以较大搜索半径保证全局寻优性能,而后期搜索半径随迭代次数动态递减以保证局部寻优性能,有效地实现算法全局与局部寻优性能的均衡。其次,针对传统果蝇优化算法不适于优化变量的区间设定问题,通过初始搜索半径设定和平移变换等技术提出一种有效的区间限定方法。数值实验结果表明:改进算法具有较好的寻优精度和预测标准差等指标,验证了算法的有效性和可行性。

基于Hopfield网的煤与瓦斯突出分类模型

针对原有Hopfield网学习算法的局限性,利用Hopfield网的非线性逼近能力来模拟煤与瓦斯突出中各指标的复杂非线性关系,通过联想记忆功能对煤与瓦斯突出进行分类。引入一种基于混合混沌法的学习算法,较快较好地训练了网络。将煤与瓦斯突出分类指标化分等级,进行编码,基于混合混沌法训练Hopfield网,建立煤与瓦斯突出分类模型。通过实验检验,证明了此模型的实用性。

果蝇耦合均匀设计算法及其优化SVM参数

支持向量机的参数选择仍无系统的理论指导,且参数优化一直是支持向量机的一个重要研究方向。传统果蝇优化算法能够较快寻得一个较优的近似最优解,随后在该解的邻域继续迭代而造成寻优时间的严重增加。针对该问题构建了果蝇优化算法与均匀设计相耦合的果蝇耦合均匀设计算法,并将其用于支持向量机的参数优化。该算法首先利用果蝇优化算法并行寻优以快速得到所研究问题的一个较优近似最优解,然后跳转执行均匀设计的局部寻优,以获得一个更优的近似最优解。数值实验结果表明:该算法具有较快的寻优效率和较高的分类精度,验证了其在支持向量机参数优化中的有效性和可行性。

具有奇异势的拟线性分数阶扩散方程解的爆破性

文章考虑一类具有奇异势的拟线性分数阶反应扩散方程,其中(−Δ)^(s)(0<s<1)为谱分数阶Laplace算子,m>1,2<p<2^(∗)_(s),且p<2m,2^(∗)_(s)=2N/N−2s为分数阶Sobolev迹嵌入不等式的临界指数,Ω为RN中具有光滑边界的有界域.由于(−Δ)^(s)的非局部性,通过Caffarelli-Silvestre扩展方法,将非局部性问题等价的转化为具有动力边界条件的局部椭圆型方程定解问题.在此基础上,利用位势阱,得到全局解的衰减估计和长时间渐近性态;并利用凹函数法得到局部解的爆破性.

不确定环境下的供应链战略决策分析

介绍了不确定性特点,阐述了供应链关系的基本特征,系统分析了供应链中的不确定性及其表现形式。通过对供应链战略决策分析,得出现代企业经营环境动荡不确定日益加剧的客观现实。从降低供应链管理的不确定性出发,提出了企业联盟(供应链)应对不确定性的几种策略。

基于不相容最小二乘理论的煤与瓦斯突出灾害的预测研究

应用不相容方程组和最小二乘理论,根据已有的瓦斯压力原始统计资料,建立了煤层瓦斯压力和煤层地理位置关系的方程,并进行了相关性分析。分析结果表明可以根据此方程,由煤层所在的地理位置准确地预测煤层的瓦斯压力,进而对煤与瓦斯突出灾害进行预测,对矿山的生产和建设具有重要的实用价值。

考虑供应商成本结构的电子逆向拍卖机制设计

通过电子逆向拍卖进行采购是企业和政府降低采购成本的重要手段,然而,不同类型的供应商往往具有不同的成本结构,这制约着电子逆向拍卖机制的成功实施.考虑两类成本结构的供应商,即分销商与生产商,研究了电子逆向拍卖机制设计问题.设计了供应商为提高收益采用的投标策略与采购方为降低成本采用的分配策略,即基本机制,结果表明该机制对分销商类型是有效的.针对基本机制无法达到生产商拍卖过程收敛的情况,提出了基于限量策略的改进机制.改进机制能够实现生产商类型供应商拍卖过程的收敛.基于Matlab的数值模拟证明了所设计机制的有效性.

供应链企业分数阶竞合模型与演化研究

供应链企业在供应链中呈现出竞争与合作并存的状态。从生态系统竞合演化的角度建立供应链横向对称企业分数阶竞合模型,通过理论分析竞合模型各平衡点渐进稳定条件,确定有利于横向对称企业稳定发展的竞合系数范围。针对竞合系数的变化对供应链横向对称企业规模发展的影响进行演化仿真,对演化过程中的混沌状态,给出政府调控建议。为有效管理和平衡企业竞合关系,确保企业自身优势的同时实现供应链横向对称企业的共赢提供理论依据。

基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。

基于BOCR与Choquet积分的多属性逆向拍卖决策

针对多属性逆向拍卖中供应商的属性指标往往具有冲突性和关联性的决策问题,提出一种新的基于BOCR(Benefits,Opportunities,Costs,and Risks)框架和Choquet积分的多属性决策方法。该方法综合考虑属性间的冲突性和关联性,将BOCR的基本思想和Choquet积分有机结合,构造出BOCR-C方法,进而评价供应商。BOCR用于处理收益属性和成本属性之间的冲突性,Choquet积分用于解决属性之间的关联性和非线性可加性。最后通过算例表明所提方法的可行性和有效性。