随机需求环境下联产品系统价格与产量决策研究

基于固定比例生产技术和多产品随机需求的情形,研究了联产品制造商的两阶段产量和价格联合优化模型。通过反向倒推的优化求解,得到了联产品制造商的最优产量和价格决策以及变化规律。同时研究了需求服从均匀分布时,需求波动对均衡的影响。研究结果表明,在订货成本较低和一种产品的需求波动性较大时,当另外一种产品的波动增大,则该产品的最优订货量增大,同时价格下降。借助数值仿真,分析了价格敏感度和产出比例对最优决策和利润的影响。结果表明,在给定一种产品的价格敏感度时,另外一种的价格敏感度越大,那么该产品的价格就越低,制造商的订货量就下降。当一种产品的产出比例固定时,另一种产品的产出比例上升时,则该产品的价格下降,制造商的订货量下降,总利润上升。     

基于加权组合和最小二乘法改进的GM(2,1)模型

文章通过分析指出了GM(2,1)模型存在灰微分方程与白化方程无法匹配以及默认经过初始值点的缺陷;利用权值p1、p2对一阶灰导数和背景值进行加权组合,建立了GM(2,1)模型的一种改进形式--GM(2,1,p1,p2模型,利用最小二乘法确定系统最终参数.实例验证结果表明,改进GM(2,1)模型具有更高的预测精度.     

客观赋权法的适用性检验及应用建议——以突出局部差异赋权法为例

为检验突出局部差异赋权法的适用性,本文从该方法的两个重要特点出发,提出了两种适用性检验方法:相关系数法和区分性对比法.首先,从理论上证明了均方差法可通过适用性检验,从而将两种适用性检验方法等效为检验其他类型权重与均方差权是否具有一致性.其次,通过实例分析检验了6种无量纲化方法下熵权法和极差法的适用性.研究表明:均方差法适用性良好,极差法适用性一般,熵权法的适用性与无量纲化方法有关;各指标的差异性已在评价中自然发挥作用,但受到无量纲化方法的影响;采用客观权重时,需保证客观权重与各指标的差异性具有一致性,才能在提高被评价对象区分性的同时保证各指标在评价中的作用和意义明确.最后,本文提出了突出局部差异赋权法的应用建议.     

无偏GM（1,1）幂模型及其应用

针对GM（1,1）幂模型灰微分方程与白化方程无法匹配的缺陷,以灰微分方程的重构为基础,建立无偏GM（1,1）幂模型。该方法使得差分方程的参数与其在微分方程中对应的参数具有更好的一致性。将无偏GM（1,1）幂模型应用到旅游客源预测中,实例应用结果显示无偏GM（1,1）幂模型预测精度高于GM（1,1）模型。     

相对评价视角下的科技评价方法权重单调性检验

现有科技评价方法权重单调性研究只关注了权重与评价值的关系，而忽略了权重与评价值相对差异的关系。从相对评价的角度，本文提出了一种检验科技评价方法权重单调性的新方法?相关系数法。以JCR2017地理学期刊评价为例，分别采用相关系数法和传统检验方法检验5种科技评价方法的权重单调性。研究结果表明，2种权重单调性检验方法的检验结果存在差异，传统检验方法不能用于相对评价。以相对评价为目的时，线性加权汇总法、TOPSIS和加权调和平均法都不存在权重单调性问题；而修正的加权调和平均法存在权重单调性问题；分子加权TOPSIS虽然不存在权重单调性问题，但其计算公式中分母与分子采用的距离公式不可比，导致权重无法充分发挥作用。以相对评价为目的时，建议采用相关系数法作为科技评价方法的权重单调性检验方法。     

一种新的非等间隔灰色预测模型

文章分析得出传统非等间隔GM(1,1)模型模拟序列并非GM(1,1)模型的指数序列,因此导致其应用范围不及GM(1,1)模型。建立模拟序列为指数序列的非等间隔GM(1,1)模型,线性组合背景值的建立使得模型满足无偏性。以实例数据验证了新的非等间隔灰色预测模型对非等间隔近似指数序列拟合具有更高的精度,拓广了灰色理论的应用范围。     

同时优化权值和初始值的PGM(1,1)模型

文章分析了GM(1,1)模型的缺陷;指出了PGM(1,1)模型中存在权值P使模型可以避免该缺陷的发生,并且在该权值P下PGM(1,1)模型满足白指数律;提出了以模式搜索法求解最佳权值p.文章在采用模式搜索法优化权值p以后,对初始值也进行了优化,实例结果证明了优化后的PGM(1,1)模型提高了预测精度.     

2015年四川儿童发展规划监测报告

自2011年以来,四川省各级政府和各职能部门在省政府妇女儿童工作委员会的指导下以优先保护、平等发展、普惠福利为目标,积极推进实施《四川儿童发展规划（2011—2020年）》（以下简称《儿童规划》）。至2015年,全省儿童健康水平稳步提升,教育普及程度进一步提高,合法权益得到较好维护,生存环境全面优化,确保儿童共享改革发展成果,受到国务院“两纲”中期评估组的高度肯定。     

基于模式搜索法优化的GM(1,1)模型

文章分析了GM(1,1)模型的缺陷,即背景值构造和初始值确定的不足,建立了加权背景值和具有修正项的初始值,背景值权值和初始值修正项采用具有全局寻优能力的模式搜索法求解,实例证明模式搜索法优化的灰色GM(1,1)模型提高了预测精度。