考虑终止权的两阶段研发投资激励和合同设计

针对产品研发过程中的投资激励问题,分别建立了存在终止权和不存在终止权两种情况下的两阶段研发投资决策模型,并利用逆向归纳法讨论了委托方的偿付合同设计。研究结果表明:当第一阶段的研发结果为高质量时,代理人在第二阶段的投资积极性更高,代理人在第一阶段的投资水平和委托方支付的最优偿付都随着低质量时研发成功的比例系数而单调递减;研发活动的终止威胁导致代理人的投资积极性降低;在一定范围内,或有终止权偿付合同能够缓解信息不对称时的投资不足问题、提高双方的研发合作效率。     

求解多目标TSP问题的离散粒子群优化算法

文章通过分析多目标TSP问题的性质,在Pareto最优解的基础上提出了偏离度,将多目标转化为单目标;然后针对利用离散粒子群算法(DPSO)求解,只考虑排斥算子时,结果会过早的陷入局部最优的不足,将惯性权值保留能起到平衡局部搜索能力和全局搜索能力,适当的设置惯性权值能促进全局搜索;最后,通过计算机仿真验证了用DPSO解决多目标TSP是有效的.     

研发合作中的产权结构与投资激励

不完全合同背景下,产权分配在参与方的投资决策中至关重要。利用产权理论讨论了研发合作中的序贯投资决策和创新的产权分配问题。研究表明,最优产权结构随着参与方的谈判力变动,谈判力较低的一方单独拥有产权能够平衡其投资积极性;随着投资关系专用性程度的增加,最优产权为联合产权在产品开发者谈判力区间的范围更广。为了提高双方合作效率,可考虑采用由一个产品开发者出价并按照研究单位投资积极性分配初始产权的期权合同。比较分析发现：期权合同能够缓解投资不足问题,并进一步提高双方合作效率。     

识别优劣鱼种的简易方法

<正> 鱼种是成鱼养殖的物质基础。选择质量好的鱼种是成鱼养殖的关键一环。具体要求可概括为:品种纯正、规模统一、鱼体丰满、健壮无伤。在实际操作中可采取以下几种简易方法来识别鱼种的优劣: 方法一:生长良好的鱼种群体大小均匀、体长、体重基本相同;体质健壮的鱼苗,背部、尾部肌肉肥厚,鳞片完整,鳍条无损;体表光滑、无伤、无寄生虫。     

改进的离散粒子群算法在配送问题中的应用

为了解决配送问题，对离散粒子群优化算法进行改进，保留惯性权值对速度的影响，把粒子的解储存为数组形式．增加群体相似度和排斥算子来让粒子跳出局部最优；仿真结果与其它算法的结果进行对比，发现改进的粒子群算法能够找到更好的解，并且收敛速度快，能在一定程度上避免早熟现象。     

基于粒子群算法的无人机航迹规划问题

文章首先将无人机航迹问题转换为多目标的TSP问题数学模型,建立了航迹规划问题的数学模型。然后将轨迹规划问题转换成一个求最短路径的单目标的有约束的优化问题,针对这类问题的求解,采用了一种新的粒子群算法并利用软件编程求解。最后验证了结果的可行性,同时讨论了结果的稳定性和收敛性。     

政府购买公共服务评估指标体系研究——基于全过程评估的视角

文章考虑政府购买公共服务的基本属性,将政府购买公共服务项目的 评估维度进行组合,给出了政府购买公共服务全过程评估的内涵,利用德尔菲法,构建了包括事前决策评估、事中控制评估和事后绩效评估的政府购买公共服务全过程评估指标体系.事前决策评估围绕服务购买的可行性和必要性展开,且政府支持和需求情况相关指标的权重系数更高;事中控制评估包括项目计划组织、运作管理和过程控制相关的指标,其中,监督评估和财务管理相关指标的权重系数略高于其他维度的指标;事后绩效评估包括项目投入、项目产出和项目效应相关的指标,其中,服务成效和资金投入相关指标的权重系数更高.评估指标体系围绕各个阶段的评估目标展开,权重系数分配合理,对提高公共服务的购买效率和供给质量都能起到积极作用.     

纵向研发合作中的投资决策与甄别合同设计

纵向研发合作中，研发产品的收益类型为开发单位的私有信息。本文考虑纵向研发合作中研究单位的单边合作性投资激励问题，建立了信息不对称时的投资决策模型，为研究单位设计了一个根据收益类型的先验概率制定相应的投资策略的信息甄别合同。研究结果表明：信息不对称导致研究单位的投资积极性降低，且投资水平随着风险率递减；当研发产品的收益类型增加或者开发单位的保留收益水平降低时，信息不对称导致的研发合作效率降低程度减少。为了缓解信息不对称导致的投资不足问题，结合信息披露和期权理论设计了一个退出权合同。     

基于粒子群算法的无人机航迹规划问题

文章首先将无人机航迹问题转换为多目标的，TSP问题数学模型，建立了航运规划问题的数学模型。然后将轨迹规划问题转换成一个求最短路径的单目标的有约束的优化问题，针对这类问题的求解，采用了一种新的粒子群算法并利用软件编程求解。最后验证了结果的可行性，同时讨论了结果的稳定性和收敛性。     

求解多目标TSP问题的离散粒子群优化算法

文章通过分析多目标TSP问题的性质,在Pareto最优解的基础上提出了偏离度,将多目标转化为单目标;然后针对利用离散粒子群算法(DPSO)求解,只考虑排斥算子时,结果会过早的陷入局部最优的不足,将惯性权值保留能起到平衡局部搜索能力和全局搜索能力,适当的设置惯性权值能促进全局搜索;最后,通过计算机仿真验证了用DPSO解决多目标TSP是有效的。