基于随机需求的物流配送网络规划决策方法

本文对不确定环境下的选址建模及求解进行了研究，建立了在模拟随机需求下的相关机会优化模型，提出一种将优化算法、随机模拟方法和遗传算法合成在一起，设计出的混合智能算法，为科学的网络决策规划提供帮助，最后进行数值演算。     

排队论在物流规划中的应用

讨论了排队论在物流规划中的一些应用。在利用排队论配置仓库人员时，建立了系统的数学模型并进行了求解。根据随机库存模型，把排队论和存贮论结合起来，使库存得到最优控制，并给出了确定最优库存的计算公式。     

基于不确定环境下战略联盟型供应链物流探索

针对战略联盟型供应链市场的实际情况,考虑到供应链上各个环节中的不确定因素这一复杂情况,本文首先采取分解—协调的方案求解策略将供应链系统进行优化,重点对供应商选择成本与供应链设施决策成本进行分解分析,通过成本作业法将这两个问题整合协调起来。然后建立起供应链网络设计鲁棒模型,利用随机模拟法和粒子群算法结合组成求解鲁棒模型最优解的混合智能算法,并用实例说明模型和算法的可行性与有效性。     

基于遗传算法的分式线性神经网络预测原油气油比

提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值,然后在遗传进化结果的基础上,利用分式线性网络反向传播(BP)算法训练分式线性网络,获得网络的最优权值。作为应用,预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明,基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。     

不确定性物流中心选址问题研究

结合物流中心选址过程中的不确定因素,从仓储和运输管理的角度出发,建立基于库存策略的物流中心选址问题随机期望值规划模型。模型以综合成本(包括库存成本、运输成本和建设成本)最小为优化目标函数,运用混合智能算法对选址问题的随机期望值模型进行求解,结合比较算例与既有文献的计算结果,得出建设成本在时间段影响下综合成本的结论。     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。     

基于遗传算法轿车焊装车间车辆路径优化

遗传算法是一种模拟自然进化过程搜索最优解的方法。通过建立某轿车焊装车间车辆路径问题数学模型,然后利用遗传算法求解该问题,最后在Matlab软件中进行编程求解,有效地求解出问题的最优解或近似最优解。     

基于储存策略的仓库容量需求研究

基于储存策略构建了仓库容量需求的一般模型。研究表明,在相同的仓库容量保证率下,定位储存策略需要的仓库容量最大,随机储存策略需要的仓库容量最小,分类随机储存策略需要的仓库容量处于二者中间。而且不同的分类策略需要的仓库容量并不相同,因此合理的分类策略将有利于降低仓库容量需求。同时提出了仓库容量确定情况下储存策略的选择方法。最后通过算例分析了仓库容量需求的计算过程。     

随机需求下的机动车零部件库存运输整合优化

以机动车供应链为背景,从供应链协同的角度研究机动车零部件库存运输整合优化问题.在需求随机情景下,建立了基于循环取货(Milk-Run)的机动车零部件库存运输双层迭代优化模型,即分别对上层的库存模型和下层的运输模型进行建模优化.通过混合规划模型方法和改进的遗传算法,反复迭代来平衡库存与运输之间的效益悖反关系,优化系统总成本,找出集成情形下的最优解.最后通过实际算例验证了模型和算法的有效性.     

基于场理论的二级军事库存调拨模型研究

基于场势消耗最小原则建立了1个军事物流中心、n个分拨仓库的两级存贮系统的库存调拨模型,为物流场理论的应用提供了一条新的思路.通过算例分析,讨论在不同期初库存水平下,各分拨仓库之间应互相调拨的物资数量,确定分拨仓库的最优库存量,使系统的总消耗最少,有效地提升了物流能力.     

多层前馈神经网络在客户流失分析中的应用

本文研究了多层前馈神经网络原理及其后向传播算法,然后结合一个实例构建了客户流失分析的多层前馈神经网络模型,实验表明将该模型用于客户流失分析是可行的.     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

BP神经网络在WSN数据融合中的应用

在无线传感器网络(WSNs)的研究与应用中,利用数据融合来提高网络中能量利用率是其中一个重要的研究方向。文章利用BP(Back Propagation)神经网络能够对曲线进行无限逼近的特性来对无线传感器的监测数据进行数据拟合,然后传输拟合好的权值与阈值,同时通过将上一次拟合的权值与阈值赋予下一次拟合来减少神经网络的训练步数。模拟实验表明利用该方案能够有效减少数据的传输量,从而达到高效利用传感器能量的目的。     

基于BP神经网络实现的B样条插值在系统动力学模型的应用

在系统动力学建模的过程中,系统变量之间的关系难以确定,传统的建模方法存在着很大的主观性,利用BP神经网络的方法则可以避免这个问题。而在建立BP神经网络过程中需要大量的学习样本,然而通常采集到的数据往往是不足的。用3次B样条函数对历史数据进行插值的方法构建系统中状态变量的学习样本,解决BP神经网络模型中学习样本不足的缺点,能更好的反应变量之间的非线性映射关系。     

基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生"早熟"收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法。采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度;在轮盘赌方法的基础上融入最佳保存策略进行选择操作;采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟。并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能。     

基于GA算法的舰载机舰面移动路径规划

本文为了对舰载面的移动路径规划问题进行更加深入的研究,从而提出了基于GA的解决方法。首先,此方法建立了一个舰载机舰面移动路径规划的数学模型;其次,此法在求解问题的时候不仅建立了航母舰面的环境模型、舰载机凸壳模型以及碰撞检测模型,同时还利用了GA算法;最后,通过编制程序实现此方法的求解。我们通过方针结果可以看出,利用GA解决此问题不仅能够得到较为精确的结果,并且计算效率也十分符合实际要求。因此,我们可以肯定的是,针对舰载机舰面的移动路径规划问题,采用基于GA算法的求解方式具有一定的可行性。     

论关系契约网络逻辑下的利益相关者共同治理模式

文章首先把利益相关者区分为“初级利益相关者”和“次级利益相关者”,并解释了利益相关者参与公司治理的原因;在此基础上提出“随机索取权”和“随机控制权”的概念,进一步探讨利益相关者关系契约网络化下的公司治理结构的一般模型;最后文章认为,公司的共同治理是利益相关者关于公司所有权结构最优配置的契约集合,它是由内部治理结构、外部治理结构和边缘治理结构有机组合而成。     

Nonparametric checks for varying coefficient models with missing response at random

In this paper, we propose a test on the parametric form of the coefficient functions in the varying coefficient model with missing response. Two groups of completed data sets are constructed by using imputation and inverse probability weighting methods respectively. By noting that the coefficient part can be a regression function for a specific model, we construct two empirical process-based tests. The asymptotical distributions of the proposed tests under null and local alternative hypothesis are investigated respectively. Simulation study is carried out to show the power performance of the test. We illustrate the proposed approaches with an environmental data set.     

随机仓库布局问题模型与算法研究

通过讨论随机条件下仓库布局问题．建立了随机仓库布局问题机会约束规划模型，并设计出基于随机模拟的禁忌搜索算法求解模型，最后利用算例来验证算法的有效性。     

基于主成分分析-BP神经网络的道路客运站场布局决策研究

为解决输入变量过多所造成的BP神经网络系统效率下降问题,提出一种主成分分析-BP神经网络的道路客运站场布局决策方法。首先,利用主成分分析方法,将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变量;然后,将新的输入变量群作为BP神经网络的输入进行道路客运站场的布局决策;最后,以廊坊市道路客运站场布局为例验证了方法的有效性。