生态经济下废弃链库存成本优化与分摊问题研究——基于联合库存与Shapley值的方法

废弃链是企业落实生态经济的一种协作方式,这种方式不仅可提高资源的利用效率,而且可以降低环境污染,利于生态平衡。而在废弃链中,库存成本的优化和分摊问题涉及废弃链的运作效率和良性发展。文章首先构造了"单一废弃产生企业—单一废弃加工企业—单一废弃利用企业"的废弃链,然后比较了废弃链的分散库存成本和联合库存成本,接着利用Shapley值法对联合库存成本进行分摊,最后用算例对前述理论进行验证和说明。发现以下事实:(1)在废弃链中,联合库存成本低于分散库存成本;(2)废弃链联合库存下的最优库存量并不总低于分散库存下的最优库存量;(3)废弃物提取有用物质比例,这一参数影响到废弃链各成员对联合库存成本的承担度;(4)联合库存成本策略对废弃链成员企业而言是共赢的。     

基于ANFIS混沌检测方法的股市惯性假设合理性应用研究

本文针对股市数据中存在大尺度噪声,混沌现象难以研究的问题,提出一种新颖的股市混沌现象检测方法。将小波变换处理后的收盘价序列经相空间重构作为训练数据,利用神经模糊推理系统(ANFIS)逼近训练数据的系统模型,再计算逼近系统(ANFIS)的最大Lyapunov指数,进行混沌检测。该方法具有很强的抗噪能力,且能够实时的跟踪分析市场情况。运用该方法从混沌的角度研究股市中惯性假设的合理性,进行了大盘和个股实例分析,得到了一些有益的结论。     

供应链多级库存控制应用研究

库存是连接制造企业供应链的纽带,如何设置和维持一个合理的库存水平,以平衡存货不足带来的短缺风险和损失,以及库存过多所增加仓储成本和资金成本成为一个制造企业必须解决的问题,文章在多级库存控制理论基础上,提出了两种多级库存策略,一是基于成本优化的多级库存策略;二是基于时间优化的多级库存策略。     

组合优化理论在中国经济增长预测中的应用

文章采用灰色预测的GM(1,1)、变参数BGM(1,1)两种模型与BP神经网络进行组合优化,对中国GDP的增长做出预测分析,建立了灰色神经网络的GDP预测模型。组合优化模型提高了拟合和预测精度,是经济发展趋势进行预测分析的有效方法,有利于决策者制定相关的经济政策,进行宏观管理和控制。     

基于FCS-SVM的建筑业碳排放预测研究

科学预测建筑业碳排放对建筑的低碳发展具有重要意义。论文应用模糊布谷鸟搜索算法优化支持向量机模型对建筑业碳排放预测问题展开研究:首先构建建筑业碳排放测算模型,通过灰色关联度模型筛选建筑业碳排放的影响因素,在此基础上建立建筑业碳排放的模糊布谷鸟搜索算法优化的支持向量机(FCS-SVM)预测模型对建筑业碳排放进行预测。研究结果表明,FCS-SVM建筑业碳排放预测模型的精度高于BP神经网络预测模型以及混沌粒子群算法优化的BP神经网络(CPSO-BP)预测模型。     

销售渠道与企业竞争

本文阐述了如何通过降低销售渠道成本来提升企业竞争优势的策略。分别分析了商品分销渠道的成本优势、规模经济与分销成本、相互联系与成本优势、相互关系与成本优势、商品分销渠道的别具一格优势、商品分销渠道效率的独特性、商品分销渠道满足顾客需要的独特性、商品分销渠道组织形态的独特性等。     

现代经济环境下的战略成本管理

在现代经济环境下，传统的成本管理存在着明显的缺陷，选择战略成本管理是必然的要求。战略成本管理从价值链分析出发．优化企业价值链的内部联系，重构企业价值链。战略成本管理引入产品生命周期成本法和竞争对手成本分析法为企业战略管理决策提供完整成本信息，战略成本管理采用作业成本法，合理分配制造费用，为企业战略决策提供准确的成本信息。战略成本管理培养职工的成本意识，树立降低成本观念，为实施战略成本管理奠定了坚实的基础。     

供应链延伸与现代物流服务

根据我国目前的实际情况,供应链的理念已延伸至行业之间、产业之间、制造业之间、市场采购与分销之间,并通过一系列的物流服务形成完整的供应链体系。文章指出,物流服务优化产业结构链,物流服务提升制造加工链,物流服务提供的保障使得采购与分销过程顺畅。     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。     

基于库存控制的家电分销网络优化模型

本文首先对分销配送网络优化的研究在供应链管理中的需求进行了分析,综合家电企业对库存成本和库存策略的客观选择,根据将分销中心的定位、库存结合起来的研究还非常少的现实情况,提出建立一个基于库存控制的家电产品两级分销网络优化模型。     

基于最优组合预测模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量非线性增长等特点,建立了三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型,采用线性规划的方法确定最优组合的权系数。最后,给出一个实例进行应用和分析。     

区域配电网全寿命周期成本优化研究

为了有效控制配电网运营成本和提高效益,针对新一轮电力体制改革的深入改革,区域配电网全寿命周期成本优化已成为一个重要研究方向。本文首先借助系统动力学模型分析了配电网复杂成本构成和筛选了影响成本的关键因子,并采用了改进蒙特卡法对关键影响因子进行混合抽样,得出配电网各关键因子对区域配电网全寿命周期成本影响的综合灵敏度系数；其次,建立了以关键影响因子对配电网全寿命周期成本总影响量最小为目标的成本优化模型,以及提出了GAACS组合算法对模型进行求解；最后,选取了某省的10kV配电网区域进行了实例分析,结果可得,经济条件对配电网成本影响最大,以及技术条件差的区域降低成本能力较大。。     

基于LM算法的石油期货价格预测研究

石油价格的走势一直是世界各国所研究和关注的焦点,石油期货是世界石油交易的一种重要方式,准确预测石油期货价格的走势,对于政府宏观政策取向和相关企业经营决策具有重要意义。本文利用BP神经网络的自适应学习能力,建立基于LM算法的石油期货价格预测模型,并使用MATLAB7．0编程实现,针对纽约商业交易所的石油期货价格数据进行了训练和测试。研究结果表明,将基于LM算法的BP神经网络模型应用于石油期货价格预测中,运算速度快,预测精度高,具有推广应用的价值。     

基于灰色预测和神经网络的人口预测

人口预测是土地利用总体规划的重要基础工作。未来人口规模是土地利用总体规划中确定各类土地需求量控制性指标,调整土地利用结构,实现土地供需平衡,解决人地矛盾的重要依据。人口预测是否科学准确,直接关系到总体规划方案是否合理和实用。利用灰色预测建模所需信息少、方法简单的特点和神经网络具有较强的非线性映射能力的特性,提出一种基于灰色预测和神经网络的人口预测方法。首先对人口规模的NARMA(p,q)的递归网络模型进行一步预测及其灰色预测GM(1,1)等维新息模型预测,然后再用前馈神经网络对GM(1,1)模型和递归网络模型的预测值进行组合预测以作为其最终的预测值。以温州市为例,对其总人口进行了试验预测。结果表明：NARMA(p,q)递归网络模型比GM(1,1)模型具有更高的预测精度,而FNN模型的组合预测效果优于其它单一预测模型。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用

文章试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平。结果表明该模型取得了令人满意的结果,是一种有效的评价方法。     

敏捷供应链的采购管理系统模型研究

基于敏捷供应链的采购管理是现代企业资源决策和提高企业核心竞争力的重要手段。该管理模式的有效运作有助于企业与供应商建立良好的协同与合作关系,降低库存和成本,提高采购预测的准确性和整个供应链的效率。     

OWA-based ANFIS model for TAIEX forecasting

In stock market forecasting, high-order time-series models that use previous several periods of stock prices as forecast factors are more reasonable to provide a superior investment portfolio for investors than one-order time-series models using one previous period of stock prices. However, in forecasting processes, it is difficult to deal with high-order stock data, because it is hard to give a proper weight to each period of past stock price, reduce data dimensions without losing stock information, and produce a comprehensive forecasting result based on stock data with nonlinear relationships.Additionally, there are two more drawbacks to past time-series models: (1) some assumptions (Bollerslev, 1986; Engle, 1982) about stock variables are required for statistical methods, such as the autoregressive model (AR) and autoregressive moving average (ARMA); (2) numeric time-series models have been presented to deal with forecasting problems for stock markets, but they can not handle the nonlinear relationships within the stock prices.To address these shortcomings, this paper proposes a new time series model, which employs the ordered weighted averaging (OWA) operator to fuse high-order data into the aggregated values of single attributes, a fusion adaptive network-based fuzzy inference system (ANFIS) procedure, for forecasting stock price in Taiwanese stock markets.In verification, this paper employs a seven-year period of the TAIEX stock index, from 1997 to 2003, as experimental datasets and the root mean square error (RMSE) as evaluation criterion. The experimental results indicate that the proposed model is superior to the listing methods in terms of root mean squared error.     

农业产业集群优化升级的空间配置模型:供应链管理视角

文章从供应链管理视角,建立了同时考虑生产和运输成本的农业产业集群优化升级空间配置问题的混合整数规划数学模型。该模型通过对农业产业集群供应链网络的各个生产节点的区位、生产规模进行选择,以最小化农产品的初级生产、初级加工、完成品加工和配送的总成本。文章并以陕西渭北平原苹果产业集群为例,得出了集群的最优空间配置方案,验证了模型的有效性,也表明该模型对农业产业集群空间配置的优化和升级能提供有益参考。     

基于属性约简的核电企业供应商选择方法研究

作为我国核电行业的改革目标之一,核电供应链体系的构建具有重要意义,其中供应商作为供应链体系的基础,其评价与选择尤为关键。由于核电行业的一些特殊性质,核电企业的供应商评价十分复杂,需要综合考虑供应商交货能力等许多因素。因此使用了粗糙集与神经网络相结合的方法对核电企业的供应商评价指标进行分析,利用粗糙集理论的属性约简过程将冗余属性以及冲突对象删除,然后基于神经网络进行供应商分类,有效降低数据维数以及分类过程的计算复杂度,提高供应商选择的准确性。