【摘 要】
：
在有限财政预算下,政府对再制造产品进行补贴,以促进再制造产品的生产和销售.基于此,首先建立政府对制造商进行生产补贴的三层决策模型,该模型中制造商与新产品销售商和再制造产品销售商进行Stackelberg博弈,同时两个销售商之间通过Bertrand博弈确定各自的销售价,通过对解的分析,揭示生产补贴对批发价、销售价以及销售量的影响,并通过与无补贴销售量的比较,进一步给出政府补贴提升再制造产品销量的根本原因;然后给出对再制造产品销售商进行销售补贴下的三层模型,证明销售补贴与生产补贴在影响销售价格、销售量方面的等
【机 构】
：
北京理工大学管理与经济学院,北京100081;西安邮电大学经济与管理学院,西安710121
论文部分内容阅读
在有限财政预算下,政府对再制造产品进行补贴,以促进再制造产品的生产和销售.基于此,首先建立政府对制造商进行生产补贴的三层决策模型,该模型中制造商与新产品销售商和再制造产品销售商进行Stackelberg博弈,同时两个销售商之间通过Bertrand博弈确定各自的销售价,通过对解的分析,揭示生产补贴对批发价、销售价以及销售量的影响,并通过与无补贴销售量的比较,进一步给出政府补贴提升再制造产品销量的根本原因;然后给出对再制造产品销售商进行销售补贴下的三层模型,证明销售补贴与生产补贴在影响销售价格、销售量方面的等价性;接着讨论集中决策供应链中新产品与再制造产品销售的二层决策模型,比较集中决策供应链与分散决策供应链再制造产品的销售量高低并分析其原因,指出政府倾向于优先补贴的供应链类型;最后给出一个算例,分析不同类型供应链中再制造产品销售量对参数的敏感性.
其他文献
针对法律判决预测中罪名预测和法条推荐子任务,提出基于BERT(bidirectional encoder representation from transformers)预训练模型与知识蒸馏策略的多任务多标签文本分类模型.为挖掘子任务间的关联,提高预测准确率,运用BERT预训练模型进行多任务学习,建立BERT12multi文本分类模型;针对罪名、法条类别中的样本不均衡问题,采用分组的焦点损失(focal loss)以增强模型对于罕见罪名及法条的辨别能力;为降低模型计算复杂度并且提高模型推理速度,提出一种
为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题
针对一类具有全状态约束、未建模动态和动态扰动的严格反馈非线性系统,通过构造非线性滤波器,并利用Young\'s不等式,提出一种新的有限时间自适应动态面控制方法.引入非线性映射处理全状态约束,将有约束系统变成无约束系统,利用径向基函数逼近未知光滑函数,利用辅助系统产生的动态信号处理未建模动态.对于变换后的系统,利用改进的动态面控制和有限时间方法设计的控制器结构简单,移去现有有限时间控制中出现的“奇异性”问题,可加快系统的收敛速度.理论分析表明,闭环系统中的所有信号在有限时间内有界,全状态不违背约束条件.
行人重识别通常删除特征提取网络中的最后一个空间下采样操作,以增加最后输出特征图的分辨率,保留更多的细粒度特征.然而,这种操作会大幅减小神经网络的感受野,而更大的感受野可以为行人重识别提供更多的上下文信息.同时,在实际的视觉皮层中,相同区域的神经元的感受野是不同的,但当前行人重识别网络的设计大多忽视了这一点.为了解决上述问题,提出一种新颖的自适应感受野网络.网络的设计受启发于生物的视觉系统,通过在多分支网络上设置不同大小的感受野,结合注意力机制让网络自行选择合适的感受野特征,从而实现网络感受野的自适应,并且
针对未知但有界噪声离散时间状态空间系统,提出一种基于多胞体双重滤波的系统状态估计方法.首先,采用有界误差方法对测量噪声和状态预测过程进行分析,利用正多胞体预测状态集包裹后离散成初始约束条件;然后,根据更新最小边,全对称多胞体经过正多胞体紧致包裹后离散成约束条件,与测量方程约束条件组成3重约束;最后,通过求解线性规划问题得到全部状态的上下界,并获得包裹状态可行集的最紧致正多胞体.仿真示例验证了该方法估计离散状态空间系统状态的有效性和准确性.
针对社会网络环境下复杂大群体应急决策中决策属性信息难以获得问题,提出社会网络环境下公众行为大数据驱动的大群体应急决策方法.首先,通过挖掘社交平台上的公众行为大数据,利用TF-IDF、Word2vec技术进行关键词提取、聚类及其影响力分析,从大量行为数据中挖掘大群体决策属性信息以辅助专家决策,使决策结果具有更高的科学性和有效性;其次,构建决策者间基于信任关系和观点相似度的社会网络,采用同时考虑信任和相似度的聚类方法对决策者进行聚类,并基于社会网络分析获得决策者权重;然后,提出基于决策者间信任关系的共识调整方
为了提升红外与可见光图像融合视觉效果,克服融合结果的伪影效应,提出一种基于内生长机制结合卷积稀疏表示的图像融合方法.首先,采用符合人类大脑推理的内生长机制对源图像进行分解,获取预测层和细节层;其次,对细节层采用卷积稀疏表示进行二次分解,获取二次细节层和基本层,并分别对其采用活动水平测度取大以及加权平均规则进行融合;再次,针对预测层定义ISR混合算子融合规则,并进行融合;最后,将融合后的预测层和细节层相加获取最终融合结果.实验中,采用3组具有代表性的红外与可见光图像进行算法测试,实验结果表明所提出的方法具有
针对无人车在非匹配不确定性影响下的路径跟踪控制问题,设计一种基于线性矩阵不等式(LMI)的滑模控制器.首先,根据车辆运动学和动力学方程,同时考虑轮胎侧滑造成的不确定性、车辆侧偏约束以及随机干扰影响,建立车辆非线性不确定系统模型;然后,提出一种线性滑模路径跟踪控制方法,给出线性滑模面存在的充分条件,并推导出线性滑模面存在的显式公式,以保证约束于该滑模面的降阶等价系统的二次稳定性;最后,在Serret-Frenet坐标系下验证车辆单、双移线运动时的路径跟踪控制效果.仿真结果表明,所设计的滑模控制器可以保证对参
整车物流中双层轿运车运输问题属于一类需要考虑乘用车装载(vehicle filling problem,VFP)及轿运车路径规划(vehicle routing problem,VRP)的组合优化问题,称此类问题为VFRP(vehicle filling and routing problem).由于VFP和VRP的问题复杂性均为NP完全问题(non-deterministic polynomial complete problem,NPC),且VFRP等组合优化问题模型的目标函数及约束往往具有非凸结构,
针对当前反无人系统无法有效压制无人机的问题,使用多种拦截装备构建一种新的反无人机方法.传统多目标优化算法无法解决动态的任务分配问题,对此,提出一种基于深度Q网络(DQN)的多类型拦截装备复合式反无人机任务分配模型.DQN模块对任务分配问题进行初期决策.为了提高算法收敛速度和学习效率,该方法未采用下一时刻的状态来预测Q值,而是采用当前时刻的状态来预测Q值,消除训练过程中Q值过估计的影响.之后采用进化算法对决策结果进行优化,输出多个拦截方案.以国内某机场跑道周围区域开阔地为防护对象,构建反无人机系统的任务分配