【摘 要】
：
研究了由单制造商和单零售商组成的供应链中,零售阶段需求依赖于零售商的促销投资水平,当制造商的生产成本和零售商的存货投资成本同时出现扰动时的应急协调问题。通过对生产成本和存货投资成本的扰动程度进行情形分析,提出了不同程度扰动时的最优应对策略和协调机制。该机制为集中供应链系统中的决策者和制造商在面临生产成本和存货投资成本同时扰动时提供了理论决策依据。
论文部分内容阅读
研究了由单制造商和单零售商组成的供应链中,零售阶段需求依赖于零售商的促销投资水平,当制造商的生产成本和零售商的存货投资成本同时出现扰动时的应急协调问题。通过对生产成本和存货投资成本的扰动程度进行情形分析,提出了不同程度扰动时的最优应对策略和协调机制。该机制为集中供应链系统中的决策者和制造商在面临生产成本和存货投资成本同时扰动时提供了理论决策依据。
其他文献
由于EB(extreme binning)使用文件的最小块签名作为文件的特征,它不适合处理主要包括小文件的数据负载,会导致较差的重复数据删除率。为了改进EB,提出了相似索引。它把相似哈希作为文件的特征,是一种适用于以小文件为主的数据负载的重复数据删除的二级索引。实验结果表明,相似索引的重复数据删除率比EB高24.8%;相似索引的内存使用量仅仅是EB的0.265%。与EB相比,相似索引需要更少的存储
针对粒子群算法易早熟的缺点,提出了一种结合迭代贪婪(IG)算法的混合粒子群算法。算法通过连续几代粒子个体极值和全局极值的变化判断粒子的状态,在发现粒子出现停滞或者粒子群出现早熟后,及时利用IG算法的毁坏操作和构造操作对停滞粒子和全局最优粒子进行变异,变异后利用模拟退火思想概率接收新值。全局最优粒子的改变会引导粒子跳出局部极值的约束,增加粒子的多样性,从而克服粒子群的早熟现象。同时,为了使算法能更快
在对现有的二进制搜索算法、4线树形查询算法及混合查询树算法进行理论分析的基础上,提出了一种基于碰撞位匹配的自适应混合树防碰撞算法。新算法是根据检测标签EPC编码最高碰撞位连续个数的匹配信息,在二叉树和四叉树中进行动态自适应地选择分叉数,引入堆栈和后退策略,使得搜索性能进一步改善。通过对算法的分析和仿真实验结果,新算法有效地减少了识别总次数,缩短了识别时间,大幅提高了搜索效率和吞吐率。
针对组播状态可扩展性问题进行研究,提出了一种改进的聚合组播算法。该算法在动态在线聚合组播算法的基础上,确定匹配时可行的聚合树范围,以减少匹配和计算次数,降低时间复杂度;改进最优匹配聚合树的选择算法,并对网络中聚合树进行定期调整,以优化聚合树结构,去掉不必要的中间节点,提高聚合度,降低节点转发状态。仿真实验表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较高的聚合度和转发状态降低率,在并发组
多选择背包问题是组合优化中的NP难题之一,采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想,用MATLAB编程实现,对参考文献的算例进行仿真测试。与其他算法进行了比较,获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性,拓展了人工蜂群算法的应用领域。
了解和控制复杂物流系统的协同性是现代物流企业发展必不可少的步骤。现代物流企业面临着多维度的协同需求,而信息协同是决定复杂物流系统和现代物流企业能否生存和发展的关键因素。以协同学为基础,通过对复杂物流系统多维度协同分析,提取序参量,建立序参量方程,得出复杂物流系统序参量方程讨论解形式,肯定了信息协同对复杂物流系统协同性的决定性作用,为后续研究提供科学依据和研究方向。
由于传感器节点具有传感与通信两个功能,基于传感器网络的定位参考点选择不能仅仅考虑定位性能或网络通信性能,根据不同的传感半径与通信半径选择不同的设置方案成为一个亟待解决的问题。为此,对比分析了三种常见的规则网络拓扑结构的性能,提出了一种参考点设置方法。实验结果表明只有依据通信半径与传感半径的关系设置参考点才能够达到较优的覆盖效果。
理解维基百科词条链接网络的结构特征是深入而有效地应用维基百科的前提。基于2010年1月的数据,从度分布、权分布、宏观结构特征等角度对维基百科词条链接网络的结构特征展开实证分析。相关结果与2006年之前的维基百科词条链接网络展开对比,发现当前的维基百科网络仍然具有无标度网络特性;其宏观结构总体上满足bow-tie模型,但模型中的各组成部分比例发生了显著变化。因此,该研究对深入解析维基百科词条链接网络
当前高职院校学生社团建设与管理工作因得不到应有的、足够的重视,普遍存在制约其科学发展的一些突出问题。考虑到高职院校人才培养工作的特殊性,基于实践育人理念创新高职特
针对数据降维中的噪声干扰问题,提出基于L1-norm有监督局部保留投影算法SLPP-L1。SLPP-L1利用L1-norm替代了L2-norm;因为欧式距离比绝对值距离对噪声更加敏感,使得SLPP-L1抗噪性方面非常有效。实验结果表明,该方法可以有效地剔除噪声的影响并且提高分类的识别率。