供应链分布式多层协同生产-分销计划模型与求解

针对由一个制造商及多个分销中心和零售商组成的多级分布式供应链系统,考虑供应链成员间的阶层关系、各自不同的目标以及决策的交互影响特性,建立了分布式三层供应链协同生产-分销模型,以满足各成员的利润目标和供应链的协调运转.设计了模糊交互式三层规划求解方法,求解过程对应了供应链决策者间的反复协商行为.算例仿真验证了模型及交互式三层规划法的可行性及有效性,并在决策行为与规划结果方面与模糊多目标规划法作了比较分析.     

双渠道回收下闭环供应链的定价与协调策略

针对新产品与再制造产品存在销售价格差异以及废旧产品有两条回收渠道的情形,研究了闭环供应链系统的回收与销售定价策略.研究表明,Stackelberg博弈定价会造成系统效率的损失,而联合决策定价可以回收到更多废旧产品,产品售价最低,系统利润达到最大.为此,以联合决策下的均衡结果为基准,通过设计收入一费用共享契约和两部收费制相结合的协调定价机制,确定合理的分享系数范围和资格代理费,能够实现闭环供应链系统的完美协调.通过算例分析验证了渠道冲突、成本参数等对供应链定价的影响和有关结论的成立.     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标。在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型——NGGM（1,1）,并将此模型应用于智能电网用电量预测研究中。该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考。最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性。     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型--NGGM(1,1),并将此模型应用于智能电网用电量预测研究中.该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考.最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性.     

复杂产品开发工程管理的 动态决策理论与方法

复杂产品开发是一个技术与管理深度融合的系统工程。本文阐明了复杂产品开发工程管理应该从战略统筹的高度整合开发工程实践的多元价值目标,提出了复杂产品开发工程的管理思路,构建了由开发项目组合的战略选择、开发工程的分解与分级优化、开发过程的动态管理、技能型员工调度、供应商协同管理以及相应的决策支持系统技术组成的动态决策理论体系框架,设计了多种优化、调度与决策模型及其求解方法,提出了基于信息资源库和决策方法库的复杂产品开发决策支持系统技术与多阶段反馈式复杂产品开发决策支持系统技术,总结了复杂产品开发工程管理动态决策理论体系中的几类决策方法,并展望了云计算技术在复杂产品开发工程管理中的应用前景。     

工程管理中的辩证思维

现代工程建设的规模日益宏大,结构日趋复杂,系统日显集成,故而现代工程管理活动也已远远超出了经济与技术的范畴,成为一项复杂的综合活动。立足于时代的高度,需要我们用辩证思维的方式对工程管理活动予以关注与思考。笔者从工程管理理论与工程管理实践循环推进,工程管理理念与工程管理方法深度融合,工程管理体系与工程管理细节协调统一,工程管理规范与工程管理创新互相促进,工程管理队伍与工程管理制度共同提升等方面对此进行了阐述和分析。     

医学影像建档与通信传输系统综述

医学影像建档与通信传输系统是关于医学影像的采集、传输、数字化归档、管理和利用等方面的信息系统,是数字化医院的重要组成部分。论文综述了其社会经济效益、实现原理、关键技术、组成、现状与发展趋势。     

基于焦元相似度的证据理论合成规则

针对证据合成过程中的冲突分配不合理、"一票否决"以及鲁棒性差等问题,提出焦元距离和焦元相似度的概念,并给出焦元距离矩阵和焦元相似度矩阵的定义.在此基础上,将证据合成分解为相关性证据合成与冲突性证据合成两个部分,建立一种基于焦元相似度的证据理论合成规则,并进行理论证明.对比实验表明,该规则可以合理地对冲突证据进行分配,有效避免"一票否决"现象,同时具有较好的鲁棒性.     

知识发现的过程驱动策略

1 概述随着管理信息系统的广泛使用,沉积的数据越来越多,如何有效地使用、分析这些数据,使其对人们的决策起到支持作用,是目前人工智能领域和管理信息系统领域研究的主要内容之一,知识发现(KnowledgeDiscovery in Databases,KDD)为上述研究提供了有效的工具。本文详细分析了知识发现过程所要完成的任务,并介绍了知识发现的过程驱动策略及相关的操作和技术。2 KDD处理过程知识发现又称数据挖掘,是指从大量数据中提取可信的、新颖的、有效的并最终能被人理解的模式的处理过程。知识的概念在这里是有量度的,它必须具有有用、有效、新颖、易懂等特点;知识发现是一般包括实验、反复、用户的交互作用以及许多初步的决策、定制等步骤的处理过程,该过程是复杂的、艰难的。