【摘 要】
：
针对闭环供应链中销售渠道结构的最优选择问题,考虑市场需求和回收品质量水平的不确定性,以总利润最大化为目标,构建了政府差别权重补贴下四种销售渠道结构闭环供应链系统的四个平均总利润模型。首先运用模糊机会约束规划(FCCP)法将模糊约束等价变换为清晰对应式,然后采用粒子群优化(PSO)算法和遗传算法(GA)对模型算例进行对比求解,最后对参数进行了灵敏度分析。结果表明,上述两种算法的差值比率最大为0.01
【机 构】
：
上海理工大学管理学院,上海理工大学上海-汉堡国际工程学院
【基金项目】
：
国家自然科学基金资助项目(71471110,71631007),上海市科技创新行动计划项目(16DZ1201402),上海市科委院校能力建设项目(16040501500)。
论文部分内容阅读
针对闭环供应链中销售渠道结构的最优选择问题,考虑市场需求和回收品质量水平的不确定性,以总利润最大化为目标,构建了政府差别权重补贴下四种销售渠道结构闭环供应链系统的四个平均总利润模型。首先运用模糊机会约束规划(FCCP)法将模糊约束等价变换为清晰对应式,然后采用粒子群优化(PSO)算法和遗传算法(GA)对模型算例进行对比求解,最后对参数进行了灵敏度分析。结果表明,上述两种算法的差值比率最大为0.018%,表明两种算法均未陷入局部最优解,验证了算法的效度和模型的信度。企业可以根据潜在需求的不同置信水平制
其他文献
对于高职教学来说，计算机实训室占据重要位置，且发挥着关键作用，为很多学科的教学创造了有利条件。当前，高职院校教学中对于计算机实训室的使用频率较高，导致很多设备长时间超负荷运作，计算机硬件设备损坏十分常见，而且实训室的数据储存量较大，出现了很多存储困难的问题。对此，基于云技术环境下加强高职计算机实训室的建设显得十分重要，必须要予以高度重视。 最近几年，计算机技术发展尤为迅速，在各行各业都得到了广泛
针对车辆交通事故取证困难、责任归属难以判定等问题,提出一种车联网(IOV)通信架构下基于区块链的电子取证方案。该方案利用区块链去中心化存储机制实现电子证据的远程存储,并利用智能合约机制完成电子证据的快速检索和相关证据链的有效追溯;而为有效保护车辆身份的隐私,提出一种令牌机制来对数据进行访问控制;同时,为满足IOV的实时取证要求,提出了一种高效批量共识机制。实验仿真表明,所提方案中的新型共识算法效率
针对视频流行度动态变化过程中的时序信息难以捕捉的问题,提出一种融合内容特征和时序信息的深度注意力视频流行度预测模型(DAFCT)。首先,根据用户的反馈信息,构建基于注意力机制的长短期记忆网络(Attention-LSTM)模型来捕捉流行趋势并挖掘时序信息;然后,采用神经网络因子分解机(NFM)处理多模态的内容特征,并采用嵌入技术对稀疏的高维特征进行降维处理,从而降低模型的计算复杂性;最后,采用co
为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型:在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配
针对云制造模式下快速选择和组织相关制造资源、保证制造任务执行的问题,提出一种面向制造任务的云制造虚拟车间构造方法。该方法将制造过程抽象为制造任务执行链,链中的节点对应制造设备云服务或检验云服务,链中的有向边对应物流云服务;并通过行业域、地域和类型域来组织管理云服务,以构造规模较小的候选云服务集,同时减少功能匹配、性能匹配、价格匹配和时间匹配的计算量,达到快速构建云制造虚拟车间的目的。算例分析表明,
在竹条表面缺陷检测中,竹条表面缺陷形状各异,成像环境脏乱,现有基于卷积神经网络(CNN)的目标检测模型面对这样特定的数据时并不能很好地发挥神经网络的优势;而且竹条来源复杂且有其他条件限制,因此没办法采集所有类型的数据,导致竹条表面缺陷数据量少到CNN不能充分学习。针对这些问题,提出一种专门针对竹条表面缺陷的检测网络。该网络的基础框架为CenterNet,而且为提高CenterNet在较少的竹条表面
针对动态网络节点之间链路预测的准确率低和运行时间长的情况,提出了一种以降噪自编码器(dAE)为框架,结合图卷积网络(GCN)和长短期记忆(LSTM)网络的动态网络表示学习模型dynGAELSTM。首先,该模型的前端采用GCN捕获动态图节点的高阶图邻域的特征信息;其次,将提取到的信息输入dAE的编码层以获取低维特征向量,并在LSTM网络上获取动态网络的时空依赖特征;最后,经dAE的解码层重建预测图,
针对多模态医学图像融合中容易产生伪影且存在细节缺失的问题,提出一种利用多尺度边缘保留分解和稀疏表示的二尺度多模态医学图像融合方法框架。首先利用边缘保留滤波器对源图像进行多尺度分解,得到源图像的平滑层和细节层。然后,将改进的稀疏表示算法用于融合平滑层,并在此基础上提出一种基于图像块筛选的策略来构建过完备字典的数据集,再利用字典学习算法训练出一种联合字典,同时引入一种多范数的活跃度度量方法选择稀疏系数
图像融合技术在计算机辅助诊断中发挥了重要作用。传统融合方法通过设计融合策略来同时解决图像融合中的两个关键问题,即细节提取和能量保存,而这容易造成信息丢失或能量保存度不足。鉴于此,提出了一种对细节提取和能量保存问题进行分别解决的融合方法。该方法的第一部分旨在进行细节提取,首先,使用非下采样剪切波变换(NSST)将源图像分解成低频和高频子带;然后,通过改进的能量策略来融合低频子带,而对于高频子带的融合
摘要：基于实际应用需求，采用超外差结构设计实现了一款 C 波段收发信机。收发信机采用异频双工模式工作，收发频带可互换，接收单元具有 60 dB 自动增益控制（AGC）动态范围，并具有链路增益程序控制功能，发射功能模块饱和输出功率为20 W，饱和状态下具有 18 dBc 双音互调特性。设计方案经样机验证，性能指标满足设计要求，可为同类型产品设计提供参考。 关键词：模块化设计;异频双工;组合干扰;收