基于计算实验的考虑零售商风险偏好的供应商定价研究

为了研究一个风险中性供应商和多个风险偏好的竞争零售商组成的两级供应链供应商定价决策,考虑零售商存在商品错放和耗损两类因素,基于供应商对批发价和回购价的调整机制及零售商对订货量的调整规则,建立了供应链各成员的两周期收益模型,并采用计算实验方法进行分析。研究结果表明,强风险偏好型零售商的平均收益高于弱风险偏好型零售商的平均收益;仅调整批发价策略将导致供应链"断链";同时调整批发价和回购价策略使供应链成员的收益波动较大,此时供应商获得的平均收益最大,零售商的订货量和平均收益均最小。     

产业内迁后江海联运模式探讨--以上海和重庆化工基地为例

跨区域物流一体化物流是物流研究领域的热点问题之一。随着中国东部生产基地向西部迁移，生产地和销售地不一致产生更多物流工作环节，江海联运模式受到更多关注。文章以某跨国化工生产商的跨区域物流问题为例，采用轴辐式网络理论对问题进行抽象和架构，然后以一体化物流理论为基础进行问题分析并提出一体化物流方案。在未增加额外物流费用的情况下，将重庆生产基地的物流提前期减少到与东部生产基地一致。文章所提出的方案可以应用到其他相似的江海联运案例。     

云采购平台虚拟供应商资源动态分配

重点探讨将云计算技术运用到采购环节中,构建云采购平台,探讨如何分配载有虚拟供应商资源的虚拟机,改善顾客满足情况。首先提出了云采购平台的概念,假设虚拟机载有供应商资源;其次提出了载有虚拟供应商资源的虚拟机分配流程,并且建立模型;然后分别采用最佳递减匹配（BFD）方法和仪跟踪多群粒子群优化（FTMPSO）算法对其求解;最后分析求解结果。采用最佳递减匹配算法时,优先满足的属性不同,得到的顾客满足情况不同;仪跟踪多群粒子群优化算法对虚拟供应商资源进行分配得到的顾客满足率高于用最佳递减匹配算法对虚拟供应商资源进行分配的顾客满足率。     

基于三次指数平滑法的集装箱吞吐量预测

本文通过对宁波港历年来集装箱吞吐量的观察,发现其吞吐量呈持续性的曲线增长,因此采用三次指数平滑法对宁波港今后几年的集装箱吞吐量进行了预测。     

基于云计算的云采购成本结构优势研究

将云计算运用到采购中,构建云采购平台,并且将云采购与传统采购模式进行成本比较.通过采购成本模型的建立与分析,认为云采购模式在成本上具有较大的优势.依托云安全技术,云采购在信息的传递准确率以及时间上有绝对的优势,同时云采购平台对虚拟资源的智能分配可使采购方删除大量无价值采购环节.最后通过算例对所提出的理论进行验证,表明云采购具有较大的优势,特别是对中小型企业,在面临自建企业信息平台时,云平台无疑是一个较好的选择.     

物联网环境下食品供应链安全探究

近年来食品安全问题不断涌现,如何借助新兴的物联网技术,保障食品的供应链安全,具有重要的现实研究意义.基于这样的背景下,本文以牛肉的生产供应为例,借助物联网的安全信息,实现牛肉供应链信息的有效识别和追溯.     

罐式危化品多式联运调度模型研究

随着我国危化品需求的快速增长,危化品运输事故也越频繁。为了降低危化品运输风险,保障运输安全,本文尝试将以罐式集装箱为载体的危化品调度问题与多式联运结合起来,建立了带时间约束的成本和风险最小的多目标规划模型。在此基础上,利用二维欧氏距离客观赋值的模糊算法求解模型。结合算例验证,将多式联运应用到危化品调度问题有利于降低风险,确保调度的安全性。同时,该方法能在风险可控的范围内,实现调度成本的最小化。     

兴趣度在增量的关联规则挖掘中的研究

一般的关联规则发现算法使用的都是支持度、置信度框架.但是在增量的数据挖掘过程中,该类算法却需要不断改变支持度、置信度,使得算法本身效率下降,并缺乏可说服性,比如Apriori算法.为了解决该类问题,使用兴趣度框架对增量的数据进行了关联规则挖掘,比较了基于支持度、置信度框架的算法(如Apriori,FUP算法)和基于兴趣度的算法之间的优缺点.试验结果表明:兴趣度能够有效地筛选关联规则,在进行增量的数据挖掘的情况下得到的关联规则总是小于等于支持度、置信度(Aprori)算法挖掘出的规则.     

物流云服务下动态设施选址问题研究

基于云计算的物流云服务平台利用云中的资源,可以实现供应链上资源的优化组合,进而改变了供应链节点间的服务映射关系,真正实现节点间的＂多对多＂映射,从而一定程度上改变动态设施选址的模式。在物流云服务环境下研究动态选址问题,结合云服务环境下＂多对多＂映射关系的特性,以动态P中值选址为例,提出了一种新的基于云服务的动态选址模型,并结合具体算例,运用Cplex求解,证明在物流云服务环境下,可以明显降低选址总成本,同时增加供应链的服务柔性。     

利用类概率估计的平均树增强朴素贝叶斯网络结构

树增强朴素贝叶斯模型通过放松条件属性独立来改进贝叶斯模型,结构学习效率较高且简单。然而在一些实际试验测试中,树增强朴素贝叶斯分类模型的分类精确性和失误率的效果却不好。因此在本文中,设计了平均的树增强朴素贝叶斯分类算法来改进分类的效果,并且利用条件对数似然来测试分类估计的效果,最后利用Weka平台公布的大量的UCI数据集进行试验,结果表明平均树增强朴素贝叶斯分类模型明显优于树增强的朴素贝叶斯分类模型。