基于人工神经网络的企业生产预警管理系统研究

企业生产预警管理是生产企业现代管理的一种新模式,它通过监测指标,对企业外部环境变化和生产管理活动进行综合评价,判断企业生产管理所处状态,并采取相应的预先控制对策,使企业生产管理活动始终处于“安全、有效”的管理模式。人工神经网络是广泛应用于众多学科的非线性模拟技术,文章将人工神经网络技术应用到企业生产预警管理中,根据影响生产管理的指标和分类标准随机生成有效的样本数据以建立人工神经网络模型。结果表明样本生成方法和应用人工神经网络技术进行企业生产预警管理评估的方法是合理并可行的。     

基于动态多元代理关系网络的企业资本结构安排

随着代理理论和治理理论的发展,使得企业中产生了一个动态的多元代理关系网络。在解释和预测企业的资本结构方面,新制度经济学的代理理论提供了典范。基于现代企业多样化的动态多元代理关系网络,本文运用代理理论初步分析了现代企业的资本结构安排问题。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

城市物流基地选址问题研究

本文将物流基地纳入城市交通网络中，以体现交通状况对物流基地选址的影响。在进行选址时，以运输费用和基地的投资、管理费用总和最小为规划者的主要目标，建立目标函数。选址的上层模型体现了运输费用和基地投资费用、管理费用最小的原则，下层模型体现了入选点的不同对交通流量分配的影响，下层模型是求解上层模型的基础。     

农民工的社会网络变迁

采用系统模式研究了进城农民工的社会网络重构过程,指出随着谋生方式由农业生产向非农产业的转移,进城农民工正在逐步建立起以业缘关系为基础的新的社会纽带,并使之成为其社会网络的重要组成部分.这些由进城农民工一手构建的社会关系网络正在成为他们在城市生活中赖以生存和发展的重要资本.     

基于粒子群优化的模糊聚类分析

基于求解实优化问题时,粒子群优化算法优于遗传算法。在基于遗传算法的模糊C均值聚类算法基础上,给出了基于粒子群的模糊C均值聚类算法,试验结果表明:该算法克服了传统的模糊C均值聚类算法的缺陷,同时在收敛速度方面明显优于基于遗传算法的模糊C均值聚类算法。     

基于遗传算法的多目标集装箱多式联运运输优化模型

基于集装箱多式联运在进行门到门的运输过程中可以选择多种运输方式和路径的组合进行优化运输这个特点，本文将多式联运的运输优化问题转化成为一个最短路径问题，以成本和时间为优化目标建立了选择最优路径的模型，并选择遗传算法作为求解算法对实例问题进行了求解验证。     

物流中心仓库货位优化系统的研究

介绍了什么是货位优化,阐述货位优化技术是如何提高物流中心的操作效率及应用货位优化系统所带来的实际意义,比较了当今国外物流公司已推出的各种货位优化系统之间的区别,提出了开发该系统的基本思路。     

物流中心仓库货位优化系统的设计研究

以上海医药物流中心仓库为研究对象，为其仓库货位优化系统建立一个有效的多目标优化数学模型。并引入“类聚”的方法来解决同一产品族的货物临近放置的问题。最后，应用多目标遗传算法进行货位优化。     

A network experiment in continuous time: The influence of link costs

In recent work on non-cooperative network formation star-shaped networks play an important role. In a particular theoretical model of Bala and Goyal (2000) center-sponsored stars are the only strict Nash networks. In testing this theoretical model, Falk and Kosfeld (2003) do not find experimental evidence that players select the center-sponsored star. Based on a slight modification of Bala and Goyal’s model, we design a network formation experiment in which, depending on link costs, periphery-sponsored stars and the empty network are the only strict Nash networks. We observe that almost all groups not only reach a strict Nash network once but also switch the center player in periphery-sponsored stars several times. The main innovation in our experiment is to use a continuous time framework which we believe to be a more realistic setting to study behavior in network formation situations and which makes coordination on stars much easier than simultaneous strategy adaptation in discrete time. Electronic Supplementary Material Supplementary material is available in the online version of this article at http://dx.doi.org/10.1007/s10683-006-9125-1. JEL Classification C72 · C92 · D81