地铁运用组合车库屋顶自平衡式光伏支架数值模拟及优化

目前，光伏发电已经成为城市建筑新能源利用的主要方向。而在既有的大面积轻钢结构屋顶建立光伏发电列阵，亟待解决的技术难点是如何降低对原有结构的负载要求。本文结合实际工程，利用CFD软件，采用大涡模拟（LES）进行了细致的湍流运动模拟，得到了光伏列阵在随机风荷载条件下的风压分布规律，并据此得到了平衡式光伏支架中的压块重量的优化结果。     

基于混合智能算法的仓库有限容量下随机存贮模型

针对仓库容量有限条件下的随机存贮管理问题,通过找出商品在销售进货过程中会出现的全部可能,确定得到总损失最小的方法,然后以最优订货点作为决策变量并确定约束条件,建立优化决策模型。采用基于随机模拟的混合智能算法对该决策模型进行求解。对模型中的不确定函数进行随机模拟,使用由其产生的一组输入输出数据来训练神经网络对该不确定函数进行逼近,然后将该神经网络作为适应度函数嵌套于遗传算法中,最后应用遗传算法解得模型的最优解。通过计算机仿真得到所需要的最优方案。实验表明,文中提出的基于混合智能算法的仓库随机存贮模型,较好地解决了实际应用中的仓库容量有限的随机存贮问题,具有很强的普遍性和实用性。     

基于遗传算法的配送中心选址问题求解

配送中心是物流系统的枢纽,配送中心地址的确定是物流系统分析的核心内容。文中试对包括RDC(区域配送中心)选址和RDC到各下属仓库的配送关系进行研究;建立了一个模拟随机需求下的相关机会优化模型,并提出了基于遗传算法的解决方法,最后利用MATLAB软件进行算例分析。     

泛函中心极限定理渐进性与具有GARCH误差项的金融时序单位根检验

本文基于分析泛函中心极限定理在高频金融数据单位根检验中的特征与性质，从随机模拟的角度，探讨了有限样本情况下具有GARCH-GED误差项金融时序的ADF单位根检验统计量乙、乙的统计性质，着重研究了不同水平下的分位数、模型滞后阶的设定及GED分布参数的变动对其检验统计特性的影响。随机模拟结果显示，若数据生成模型设定为AR-GARCH-GED过程，常用的ADF单位根检验统计量存在不同的统计性质，并对出现这种现象的原因进行了探索。     

浅析BIM技术在施工模拟优化中的应用

文章通过总结广西建工集团第五建筑工程有限责任公司大量在建工程在施工模拟与优化方面应用BIM技术的经验,较为详细地分析了施工组织模拟与优化、施工工艺与优化等方面的内容,展现了在基于BIM技术下施工模拟优化的先进性,在BIM技术逐渐普及的今天,将对施工组织模拟、施工工艺模拟产生积极的影响。     

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。     

桥巩水电站厂房三维静力分析

采用大型通用软件ANSYS，对桥巩水电站厂房各种工况下的受力状态进行了三维应力分析。计算结果表明，三维应力分析能很好地模拟厂房结构的实际空间受力状态，与结构的实际受力状态较为一致。其成果能作为下一步设计优化的依据。     

高校实践性教学中沙盘模拟演练的应用

在高校中进行沙盘模拟演练有助于学校提升对学生的管理技能，我们根据沙盘模拟演练的特点和在高校管理专业中实践性教学的现状，进行研究，加强在高校中对管理专业进行的沙盘模拟演练实践教学，将学校的教学方式、教学管理等进行优化提升。     

基于不确定优化解的供应链优化模型研究

在模糊随机和随机模糊双重不确定条件下,本文探讨和研究模糊不确定性下供应链网络构建和优化问题,就三个方面进行了论述,为企业管理决策的制定提供了有效的理论依据和参考。     

客专大站到发线运用随机机会约束模型与算法研究

在考虑到发线运用过程中不确定性因素的基础上，研究旅客列车停站时间和接续时间随机变动情况下客专大站到发线运用优化问题，以提高车站作业效率和方便旅客乘降为优化目标，建立了到发线运用的随机机会约束规划模型。通过将模型中的随机机会约束转化为相应的确定性等价形式，从而将随机规划模型转化为确定性模型，并设计了解决该问题的蚁群算法。算例表明该随机机会约束规划模型能取得可靠性更高的到发线运用计划。     

供应商选择问题的随机机会约束规划模型及其混合遗传算法

在供应商的最大供应数量、质量水平、送达时间均为随机变量且预算给定的条件下,建立了供应商选择问题的随机机会约束整数目标规划模型.鉴于传统方法求解随机规划较为困难,给出了一种将随机模拟、神经元网络和遗传算法结合在一起的混合遗传算法并用多个算例进行了验证,结果表明该算法有较强的适应性.     

A threshold stochastic volatility model with explanatory variables

In this paper, we introduce a threshold stochastic volatility model with explanatory variables. The Bayesian method is considered in estimating the parameters of the proposed model via the Markov chain Monte Carlo (MCMC) algorithm. Gibbs sampling and Metropolis–Hastings sampling methods are used for drawing the posterior samples of the parameters and the latent variables. In the simulation study, the accuracy of the MCMC algorithm, the sensitivity of the algorithm for model assumptions, and the robustness of the posterior distribution under different priors are considered. Simulation results indicate that our MCMC algorithm converges fast and that the posterior distribution is robust under different priors and model assumptions. A real data example was analyzed to explain the asymmetric behavior of stock markets.     

集装箱空箱调运优化问题的研究

在分析集装箱空箱流转过程的基础上,提出建立基于海陆运整体成本最优的集装箱空箱调运随机性优化模型,并将粒子群算法与随机模拟技术相结合用于求解机会约束规划。最后通过对测试算例进行求解,验证了该模型和算法的合理性和有效性。     

基于蚁群算法的战时运输路径优化模型

针对多式联运,必经点等战时维修器材供应运输中的现实问题,考虑当各路段通行时间和运输方式转换时间为随机变量时,建立起了给定时间的最大置信水平约束下,以最小时间和费用为优化目标的随机机会约束模型,然后根据所建模型特点,基于随机模拟方法,设计了的模型求解的蚁群算法。算例结果表明:该模型和和算法具有有效性,能为确定战时交通运输路径提供有效的决策支持。     

基于Witness的随机生产/库存系统仿真研究

针对生产/库存系统环境动态随机性的问题,首先采用专业仿真软件Witness,运用离散事件系统仿真策略,建立JIT生产/库存系统中随机需求控制程序和随机生产控制程序;然后选用一个单产品、多阶段的JIT看板生产/库存系统,建立该系统的仿真模型,进行仿真实验研究,检验JIT生产/库存系统在生产能力和维修人员约束前提下,需求、生产两方面因素的不同随机性组合,其变异系数对系统绩效的影响。     

双运量约束下的OD分布与随机用户均衡交通分配组合模型

建立了在起点交通产生总量固定和在讫点交通吸引总量固定约束下的OD分布与随机用户均衡交通分配模型，并证明了该极值模型与随机用户均衡及OD分布要求的等价性，并设计了启发式算法来求解。     

基于随机需求的物流配送中心选址离散模型研究

针对物流需求不确定情况下的物流配送中心选址问题,对传统模型进行改进,将随机需求变量引入离散型选址模型,利用随机规划理论和遗传算法对实例模型进行求解。结果显示物流需求不确定情况下的随机规划模型的求解结果比假设已知需求情况下的结果真实可信,所需物流费用较少。     

受时间窗约束的随机定位-运输路线优化

在物流系统中,配送和运输受时间窗限制。研究基于时间窗约束的随机定位－运输路线安排问题（LRP）优化,建立了该问题的数学模型,提出一种一阶段的改进遗传算法。通过仿真算例,验证了该模型及算法的有效性。     

Approximate dynamic programming with post-decision states as a solution method for dynamic economic models

I introduce and evaluate a new stochastic simulation method for dynamic economic models. It is based on recent work in the operations research and engineering literatures (Van Roy et al., 1997, Powell, 2007, Bertsekas, 2011), but also had an early application in economics (Wright and Williams, 1982, Wright and Williams, 1984). The baseline method involves rewriting the household׳s dynamic program in terms of post-decision states. This makes it possible to choose controls optimally without computing an expectation. I add a subroutine to the original algorithm that updates the values of states not visited frequently on the simulation path; and adopt a stochastic stepsize that efficiently weights information. Finally, I modify the algorithm to exploit GPU computing.     

Likelihood Inference for Gibbs Processes in the Analysis of Spatial Point Patterns*

Several authors have proposed stochastic and non‐stochastic approximations to the maximum likelihood estimate (MLE) for Gibbs point processes in modelling spatial point patterns with pairwise interactions. The approximations are necessary because of the difficulty of evaluating the normalizing constant. In this paper, we first provide a review of methods which yield crude approximations to the MLE. We also review methods based on Markov chain Monte Carlo techniques for which exact MLE has become feasible. We then present a comparative simulation study of the performance of such methods of estimation based on two simulation techniques, the Gibbs sampler and the Metropolis‐Hastings algorithm, carried out for the Strauss model.