一种基于模拟退火和Hopfield神经网络求解TSP算法

针对Hopfield神经网络解旅行商问题（TSP）经常出现无效解和局部优化解。将模拟退火智能算法与Hopfield神经网络相结合,提出了一种混合优化算法（SA-HNN）,同时合理地修改了Hopfield神经网络的能量函数,确立网络参数。这种方法在很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,大量实验证明了该算法具有收敛速度快,可避免无效解,易获得全局最优解等优点。     

基于定性模拟的分组多属性逆向拍卖评标行为分析

网络逆向拍卖已经成为政府和大型企业集团集中采购的重要途径,分组多属性评标是当今普遍采用的评标机制.针对采购招投标现状,提出了分组多属性逆向拍卖概念,在评标专家有限理性的前提下,分析了评标机制中可能存在的问题,提炼出了专家评标工作行为变化各因素及相互作用关系图,建立了影响评标专家决策的定性模型.利用定性模拟技术对评标专家对立情绪等行为进行仿真研究,进而调整不同时刻的决策变量,仿真结果表明评标专家组之间对立情绪的累积现象是明显存在的,适时采取合适的管理措施对情绪的累积有一定的减缓作用,并给出了三点改进建议,以提高评标公平性.     

基于模拟退火的Hopfield网全局优化方法

为了改进Hopfield神经网络在多极点函数优化和组合优化中存在的某些缺陷,并影响着一些优化问题求解中的正确性和有效性的现实问题,将模拟退火智能优化算法与Hopfield神经网络有机结合,优势互补,提出了一种基于模拟退火的Hopfield神经网络混合全局优化算法(SA-HNN),新算法很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,同时兼顾了算法的效率.通过典型的多极点函数优化和TSP组合优化问题求解,实验表明:SA-HNN混合优化算法具有帮助Hopfield网络摆脱局部极小点的能力并能得到较好的结果,有一定的工程实用价值.     

考虑顾客转移购买行为的在线产品定价策略

考虑平台声誉及顾客在平台间的转移购买行为,基于期望效用理论和博弈论,构建了竞争平台双方的两阶段动态定价模型,考察声誉差异电商平台的定价策略选择,探讨顾客转移对在线产品定价机制的影响。研究发现：声誉差异对平台的定价策略选择具有重要影响,平台双方价格策略具有趋同性且易陷入“猎鹿博弈”困境;相比于统一定价,基于行为的定价将降低企业第2阶段产品价格和利润,但会增加高声誉平台的市场份额;双方均选择基于行为的定价时,信息搜集成本不影响平台第2阶段的产品定价及利润;当消费者转移成本不为零时,基于行为的定价进一步降低平台利润,转移成本越高,平台利润越低。