简介：在具有生产准备决策的生产环节,考虑生产成本、加班成本及客户需求的不确定性,建立一个鲁棒优化模型,来解决多周期、多产品、多工厂、多配送中心的快速消费品生产配送集成调度问题。模型目标是最小化生产准备成本、生产成本、库存成本及配送成本。最后提出一个算例来说明所提出的模型和方法的适用性和实用性,并分析解鲁棒性和模型鲁棒性。

简介：为求解大规模无约束优化问题,本文提出了一种自适应线性信赖域法。与传统的线性信赖域法相比,新方法借助一数量矩阵近似Hesse阵,并据此计算线性信赖域半径。理论上证明了新算法的全局收敛性,数值实验表明新算法非常适合大规模问题的求解。

简介：P2P网络借贷作为电子商务在金融领域的延伸与应用，近年来得到广大学者的关注．但是目前的理论研究中，鲜有从投资者信息挖掘的角度进行投资决策分析．本文提出一个新颖的方法，即投资者构成分析方法，通过分析贷款的众多投资者信息遴选出最有价值的投资，辅助投资者进行投资决策．首先从投资者的历史投资收益率、风险偏好以及投资经验三个维度构建投资者档案（investorprofile），进而基于投资者档案构建投资者构成分析模型，最后通过美国最大的在线网络借贷网站Prosper的数据，对本文提出的构想及模型进行了实证研究．实验结果表明本文提出的利用投资者构成分析的方法辅助投资者进行投资决策是可行的，文中构建的模型表现出良好的预测能力，能够有效地筛选出有价值的投资．

简介：目前，在Markowitz的均值-方差模型基础上对含有偏度和交易成本模型的研究较少，结合国内市场数据进行研究并做出三维投资组合有效前沿图像的成果更少。在建立两种在交易成本约束条件下以方差和偏度的线性组合为目标函数的最优投资组合模型之后，利用线性函数逼近，将模型转换成线性规划问题，而且这种逼近程度可以控制。用单纯形法求解以得到最优投资组合。利用国内八个上市公司的数据进行实证分析，做出了三维投资组合近似有效前沿图像，并讨论了目标函数最优值和参数的关系。可以发现，目标函数是期望r和参数m的增函数。

简介：针对群体性突发事件在不确定环境下的演化问题,基于演化博弈理论研究了群体性突发事件中强势群体与弱势群体策略选择的演化过程,依据复制动态方程得到了两个群体的行为演化规律。考虑到群体性突发事件演化过程中的随机扰动,引入高斯白噪声来反映群体性突发事件演化过程中受到的随机干扰,建立了不确定环境下群体性突发事件的随机演化博弈模型,分析了弱势群体与强势群体行为策略的稳定性。运用随机Taylor展开理论和It^o型随机微分方程对模型进行了求解,并对模型进行情景仿真模拟,研究结果表明：在不确定环境下,受随机因素的干扰影响,当采取抗争策略成本较大时,随着白噪声强度减小,弱势群体会较快妥协,采取合作策略;当采取强硬策略获取额外收益较大时,随着白噪声强度增大,强势群体更倾向于采取强硬策略。结合不同情景仿真结果,为群体性突发事件“情景-应对”提供相关决策建议。

简介：金融资产收益率不仅具有尖峰厚尾性、异方差性，还具有长记忆性。基于此，本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR，利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R／S分析法检验各个资产收益率的长记忆性，经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构，建立联合分布模型。进而采用MonteCarlo方法模拟产生各资产的收益率序列，计算出投资组合的风险值VaR。实证研究表明：沪深股市具有长记忆性，且两者具有对称的尾部相关性；Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。

简介：众多B2C网站已建立起会员等级制度，并据此向买家提供价格折扣。但会员等级制模型仅考虑买家交易金额，无法全面反映买家在线购买历史（onlinepurchasehistory），故不能准确提供差异化折扣。针对上述问题，提出了一种面向B2C电子商务的差异化折扣模型，该模型包含能体现买家在线购买历史的交易、退单、推荐购买、晒单等四个指标，将买家在线购买历史聚合为一个综合值，进而通过min-max标准化方法进行线性转换，将转换后的聚合值与会员等级基准折扣结合得到最终的差异化折扣，从而使得B2C网站可向同级别会员实施更精准的一对一营销和价格歧视策略。以京东商城为背景的仿真实验结果证明了本文新模型的有效性。

简介：本文基于现实情况中航空公司调整航班的一些原则,提出单架飞机受短时间干扰后的航班调整问题,把最大航班延误时间最小化作为问题的目标,以航班在时间和空间上的衔接作为约束,建立数学模型,并根据问题的一些特点,分析出在受干扰飞机所在机场进行调整就能得到最优解,然后设计了二分搜索匹配算法,并证明该算法能够找到最优解,最后通过案例验证了算法的有效性。

简介：对全过程时间限制车流协调优化问题进行描述。基于该问题随机动态特性,将计划周期划分为若干决策时隙区间,并以决策时隙区间为单位进行建模求解。定义运输任务即时成本和未来成本,并构建决策时隙区间内最优分配网络。通过决策时隙区间逆向滑动过程设计,逐步估计各决策时隙区间内相应运输任务的未来成本,并将其引入模型构建车流组织协调优化问题异构模型。最后设计试验演进问题求解过程,验证方法的有效性。