供应链知识共享动态进化博弈研究

知识作为企业的核心生产资料,对供应链的存续与发展具有重要意义;知识通过有效地传播与共享,可显著放大其应用价值,提高创新效益。有鉴于此,在对相关文献进行述评的基础上,构建供应链知识共享动态进化博弈模型,深入研究供应链中知识共享的过程细节以及不同情况下的演化趋势,最终确定供应链知识共享进化博弈中各状态对应的进化稳定策略。论文研究成果对重塑和增强知识经济时代供应链的核心竞争优势具有积极意义。

基于粒子滤波的动态进化算法

粒子滤波(PF)中粒子的选取与保留过程暗含着"优胜劣汰"的特点,因此PF和进化算法(EA)有着相近的仿生学特点,能够很"自然"进行结合。文章针对具有可学习性的非随机动态优化问题,提出一种基于粒子滤波的动态进化算法,使用PF在决策空间中对最优点的变化进行预测以启发进化算法的搜索。提出一种自适应种群多样性控制方法,用以协调EA和PF对算法的影响。使用移动峰(MPB)问题对算法和随机迁移算法(RIGA)进行了对比测试。实验结果表明所提出的算法是正确、有效的,能够更为有效地求解动态优化问题。

超越传统:动态进化心理学研究进展

立足于基本适应目标与决策原则的功能分析,致力于心理过程多维度的动态考察,动态进化心理学在坚持适应主义原则基础上,将基因与经验、环境同时纳入心理发展解释框架,更为彻底地贯彻了有机体与环境交互作用观,在一定程度上克服了传统进化心理学的局限。但由于忽略社会实践的作用,它所展示的更多的是生物学意义上的人的发展图景,对心理过程的动态分析亦难以挣脱形而上学的桎梏。

猪肉供应链各主体间基于安全成本的动态进化博弈研究

猪肉供应链各主体间存在着基于安全成本的博弈问题。文中运用进化动态博弈模型建立猪肉供应链各主体间基于安全成本的博弈关系,对下游主体监督上游主体的稳定状态进行分析,揭示双方的行为特征及其稳定状态,为猪肉供应链各主体的安全管理提供参考。

动态进化导向的系统分析与设计

信息系统的动态进化是其适应IT发展、组织业务和环境变化需求的一种重要能力,特别是在实时系统和分布式系统当中,正引起学者的广泛关注和深入研究。综述了相关领域的研究成果,并提出用系统化的建模方法,从信息系统动态进化的行为连续性、触发机制、系统化的抽象层次三个角度来研究信息系统的动态进化。这一系列的信息系统动态进化理论和提出的系统建模方法、建议的工具、系统构架构成了一定的动态进化导向的信息系统分析和设计的方法论,推动当前相关领域的理论研究和实践探索。

基于动态进化的企业核心竞争力分析

企业核心竞争力是企业生存的基础,是企业资源、产业吸引力、宏观政策环境等多种因素综合作用的结果。本文在现有研究成果的基础上,明确提出了基于动态进化的企业核心竞争力,主要包括价值扩展的动态竞争力和环境动态适应的竞争力两个方面,并由此分析了我国企业在动态进化核心竞争力构建方面存在的问题,提出了相应的改进对策。

从动态进化视角看我国企业发展——读李玉琼教授新作《网络环境下企业生态系统创新共生战略研究》

李玉琼教授所著的《网络环境下企业生态系统创新共生战略研究》一书针对现代企业活动的网络环境的复杂性特点,建立了比较完整的网络环境下企业生态系统创新共生战略的研究框架。该著作所表现出的两个最大创新点是在研究思路和研究方法上有大胆创新,并建议我国企业可根据各自的具体情况,寻找新的战略目标及实现战略目标的方法,构建企业生态系统,实现合作企业的共同进化,达到共赢的目的,从而为我国企业深化改革提供新的思路。

基于权重向量聚类的动态多目标进化算法

实际生活中存在许多的动态多目标优化问题(DMOP)。对于此类问题,当环境发生改变时,就要求动态多目标进化算法(DMOEA)能快速和准确地跟踪新环境下的帕累托前沿(PF)或帕累托最优解集(PS)。针对现有算法的种群预测性能差的问题,提出一种基于权重向量聚类预测的动态多目标进化算法(WVCP)。该算法首先在目标空间中生成均匀的权重向量,并对种群中的个体进行聚类,再根据聚类情况分析种群的分布性。其次,对聚类个体的中心点建立时间序列。对同一权重向量,针对不同的聚类情况采取相应的应对策略对个体进行补充,若相邻时刻均存在聚类中心,则采用差分模型预测新环境下的个体;若某一时刻不存在聚类中心,则用相邻权重向量聚类中心的质心作为该时刻的聚类中心,再运用差分模型预测个体。这样不仅可以有效地解决种群分布性差的问题,还可以提高预测的准确性。最后,引入个体补充策略,以充分地利用历史信息。为验证WVCP算法的性能,把它与四种代表性算法进行了仿真对比。实验结果表明,所提算法能够很好地解决DMOP。

2016-2021年广西H9亚型禽流感病毒HA和NA基因遗传进化动态分析

【目的】研究H9亚型禽流感病毒(Avian influenza virus,AIV)广西毒株的遗传进化动态,以期掌握其地域流行新特点,为及时优化调整有效防控措施提供数据支持。【方法】采集2016-2021年广西各地的家禽喉头、泄殖腔及环境拭子样品3600份,接种9~11日龄SPF鸡胚分离病毒,并结合血凝和血凝抑制试验及实时荧光定量RT-PCR方法鉴定AIV亚型,根据毒株检测年限和来源地选取部分H9亚型AIV核酸阳性样品进行HA、NA基因扩增、测序及进化动态分析。【结果】共获得46株H9亚型AIV广西毒株的HA、NA基因序列,其中HA基因全长1683 bp,编码560个氨基酸;4株NA基因全长1410 bp,编码469个氨基酸,42株缺失3个氨基酸,编码466个氨基酸。BLAST分析结果显示,越南及国内多个省份的毒株与本研究获得的广西毒株HA、NA基因相似性最高,分别为97.62%~99.88%和93.13%~99.79%,宿主源也不尽相同,表现遗传多样性特征。广西毒株之间HA基因核苷酸和氨基酸序列相似性分别为93.0%~99.1%和94.6%~99.1%,NA基因核苷酸和氨基酸序列相似性分别为83.9%~98.2%和86.1%~98.2%,表明HA基因较NA基因更为保守;与同期的参考毒株相似性高于早期,表明毒株存在持续进化。遗传进化分析结果显示,广西毒株的HA、NA基因属于当前优势流行的G57基因型分支,与疫苗株遗传关系较远。进化速率估算结果显示,HA、NA基因的平均进化速率分别为3.99×10^(-3)和4.59×10^(-3)替换/位点/年,最近共同祖先估算时间(tMRCA)分别为66.77和58.24年,表明HA基因比NA基因进化缓慢。重组分析结果显示,从鸡、鸭及环境中各分离到的毒株HA基因存在重组现象,主要亲本和次要亲本毒株均为人源的A/Beijing/1/2017株和禽源的A/quail/Hainan/250/2012株。【结论】当前H9亚型AIV广西流行毒株HA、NA基因与越南及国内省份的毒株相似性较高,具有遗传多样性特征,进化趋势以G57为优势基因型,与人源流感毒株发生基因重组,为新型流感产生创造条件。

领导者引导与支配解进化的多目标矮猫鼬算法

面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。

求解动态背包问题的多智能体进化算法

针对动态背包问题,提出了一种基于多智能体的进化算法(MAEA).通过智能体相互合作地模拟生物机制特征来寻求最优解.智能体生存于网格环境中,为了增加自身能量,智能体可以与其邻域展开竞争,并依据统计信息来获得知识进行学习.为了保持种群的多样性,在算法中引入了随机移民机制.通过对一系列动态背包问题的仿真实验可以看出,在离线性能指标下,这种引入了随机移民机制的基于多智能体的动态进化算法相比几类遗传算法可以获得更好的性能.

动态环境下基于预测机制的多种群进化算法

提出一种动态环境下基于预测机制的多种群进化算法,将预测机制引入到动态进化算法的研究中,对算法所得的某些信息进行记忆,根据记忆序列构建预测模型,当环境发生变化时能够通过预测模型对动态环境进行预先判断.算法采用自组织侦查的多种群策略,多个子种群对搜索子空间进行局部搜索,主种群用于确定新的搜索子空间.在子种群的自适应调整、子种群间的拥挤操作等方面进行了改进,根据子种群所跟踪的最优解位置信息构建预测模型,当环境发生变化时通过预测及子种群的进化实现对动态环境的自适应跟踪.以移动峰问题为测试对象,实验结果表明新算法具有良好的处理动态问题的能力.

动态进化与交互学习机制融合的蚁群算法

针对蚁群算法收敛速度慢,易陷入局部最优等问题,提出动态进化与交互学习机制融合的蚁群算法(DEILACO).结合小生境的思想在两个种群内部构建动态进化模型,采取自适应进化机制,依据种群内部子群的寻优状态,对子群进行分级淘汰,合理调整进化方向,避免子群陷入局部最优;同时双种群采用交互学习机制,通过衡量种群内各子群适应度的标准差,自适应地调整交互周期,降低种群间的通信开销,并采取学习对象差异配对交流策略,提高交流效率和求解精度.最后采用多组不同规模的TSP(traveling salesman problem)算例实验分析,并与其它多种群算法进行对比.结果表明,该算法在提高求解精度和寻优速度方面表现更优.

可进化硬件的动态进化

将可进化硬件动态进化分为两类,并针对基于任务切换的动态进化进行研究.提出一个进化与学习的混合策略,将改进的CGP(Cartesian Genetic Programming)算法与局部学习结合,用于可进化硬件的动态进化.实验结果表明,该策略以较小的计算代价扩大了算法的搜索范围,提高了进化成功率,可以满足任务切换类可进化硬件动态进化的要求.

基于精英区域学习的动态差分进化算法

DE算法简单高效,但对复杂问题也存在收敛效率较低的问题,为提高DE算法的全局勘探能力和收敛精度,提出了一种新的精英区域学习动态差分进化算法,算法首先将历史精英保存在精英池中,然后采用正弦函数对精英池中的精英进行区域学习,最后利用动态DE模式有效提高收敛的速度,并从理论上证明了算法的收敛性.通过对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析,验证了新算法的有效性和适用性,其能在保持较高的收敛速度的同时也能保持较好的收敛精度,经与多种知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.

交通拥挤的进化动态分析

在对交通拥挤本质进行分析的基础上,认为交通出行是一种衍生需求的博弈过程,并根据进化动态博弈理论,对弹性和非弹性需求条件下的交通出行分别进行了分析,指出在相对于拥挤博弈的可容许动态下,博弈可以收敛于惟一的纳什均衡,并表明在此基础上引入合理的可变价格方案可使这一均衡成为真正有效的纳什均衡,从而实现交通出行的社会最优,相对于基于边际成本的定价方案,这一可变价格方案才真正体现了交通拥挤收费的本来意义。

基于改进动态差分进化算法的光伏阵列MPPT控制研究

针对部分阴影使光伏阵列的输出特性呈现多峰值的现象,提出了一种基于改进动态差分进化的全局MPPT寻优算法。该算法修改了变异策略,能够快速地收敛于系统的最大功率点,同时加入小步长扰动微调以增加算法精度。经Matlab/Simulink仿真工具验证基于改进动态差分进化的MPPT控制算法在控制速度和精度上都得到了有效改善。

带局部搜索的动态多群体自适应差分进化算法及函数优化

提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.

互联网金融监管适度性分析——以进化动态博弈模型为例

在互联网金融发展过程中,互联网金融企业的创新和监管部门的监管是个动态博弈过程,假设双方"有限理性",对于双方的博弈关系,构建进化动态博弈模型,并用定量分析法分析解释该博弈模型。在模型分析的基础上,进一步分析影响互联网金融企业和监管部门各自做出不同选择的因素,最后得出互联网金融监管适度性的结论:只有适度处理互联网金融企业和监管部门之间的均衡关系,我国的金融市场、经济才会实现持续稳定的发展。

求解高维优化问题的正交动态差分进化算法

为解决差分进化算法求解高维优化问题时效率低下的问题,提出一种正交动态差分进化算法(ODDE),通过动态差分进化框架增强全局搜索能力,利用基于正交实验设计的正交交叉算子加强局部空间搜索能力。基于9个标准测试函数,选择30,100,300,500这4种维度对差分进化算法、动态差分进化算法、正交差分进化算法和ODDE算法进行对比实验,结果表明,ODDE算法的求解精度和收敛速率均优于对比算法,可广泛用于求解工程应用中的高维优化问题。