闭环供应链的定价模型

随着环保意识和可持续发展意识的增强,人们开始关注逆向物流的管理逆向物流的回收模式分为三种,即第三方负责回收、零售商负责回收生产商负责回收。本文对基于单一制造商和单一零售商构成的闭环供应链（CLSC）进行了研究,应用博弈理论对闭环供应链的定价策略进行了分析,分别得出非合作模型的均衡解和合作模型的均衡解,进一步对两种定价策略的效率进行了分析,讨论了零售商二次回收努力的结果。     

随机需求及回收量价格敏感的闭环供应链决策模型

考虑一个既向市场提供全新产品又提供再制造品的单一产品供应链,在需求随机且回收量对回收价格敏感的情况下,为企业做出最优生产和回收决策,使供应链利润最大化.依据回收主体的不同,分别建立制造商回收时的集中决策模型与第三方回收时的分散决策模型;在随机需求环境下,给出不同决策模型的最优回收价格及全新产品与再制造品的最优产量;为分散决策模型制定协调各方利益的契约并给出最优契约参数.最后给出一个数值算例分析了回收参数对系统利润的影响.结果显示,回收参数在集中决策模型中对制造商的利润有很大的影响,而在分散模型中对回收商有较大影响.     

粒子群算法在曲线拟合中的应用

分析了粒子群算法在曲线拟合中的应用,同时对个别不理想的实验数据进行了淘汰,能进行有效的数据处理。通过具体实例表明该方法实现简单,易于理解,并且还具有很高的可靠性;分析了该算法与最小二乘法的优缺点,证实该算法是曲线拟合的一种有效方法。     

粒子群算法在螺旋桨加工量计算中的应用

粒子群算法源于对鸟群捕食系统的模拟。相对于遗传算法,粒子群算法的优势在于容易实现并且需要调整的参数不是很多。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了强大的优越性,在越来越多的领域得到了应用。对螺旋桨加工过程中的加工量计算进行了分析,并采用了智能优化算法领域中较为先进的粒子群算法对复杂的加工量计算进行了优化,以达到加工时提高效率、减少工作量的目的。     

粒子群算法在求解非线性方程组中的应用

求解非线性方程组是科学技术和工程应用中的常见问题.文章把求非线性方程组的解归结为一个函数优化问题,并将带惯性权重粒子群算法用于非线性方程组的求解中,克服了牛顿法初始点不宜选择的问题.试验结果表明算法的有效性和可行性.     

基于遗传粒子群算法的圆柱齿轮优化设计与实现

粒子群算法是优化领域中新出现的一种仿生学随机算法。本文将遗传算法与粒子群算法相结合对圆柱齿轮优化问题进行优化设计和编程实现,优化结果表明,该算法计算效率高,避免了粒子群算法易收敛于局部最小值的缺点。     

改进粒子群算法在新能源发电调度中的应用

为了提高新能源的利用率,以及对风电与火电之间的协调调度,研究采用优化粒子群算法结合通用分布理论构建风-火发电系统调度模型。研究结果显示,优化多目标粒子群算法的IGD均值比另外两种算法分别低0.003 46和0.003 73;采用通用分布理论的模型平稳性高1.8%,运行成本低261.5万元;相比传统模型,该模型的风电总上网量高450 MW·h,运行成本低7万元。结果表明,风-火发电系统调度模型能够有效对新能源发电进行协调调度,具有较高的实用性。     

粒子群算法在多峰值函数优化中的应用

粒子群算法是一种基于群体的智能算法,具有较强的全局搜索能力,并能通过对一定数量粒子的迭代运算获得问题的全局最优解。将粒子群算法应用于多峰值函数优化中可以避免常规方法难以同时搜索出多个极值而陷于局部极值的问题。基于matlab平台的仿真实验中,引入粒子群初始化位置拥挤距离检测,并在peaks函数上进行测试,可以有效实现全局和局部搜索,并能较好地保持粒子的多样性,从而获得多峰值函数的最优解。     

自适应粒子群算法在模拟电路故障诊断中的应用

针对模拟电路故障诊断中存在的无法早期诊断和精确诊断的问题,提出了一种自适应粒子群算法并将其应用于模拟电路故障诊断中。试验结果表明,该算法能实现模拟电路早期软故障的精确诊断,且与其它算法相比,该自适应粒子群算法具有较强的全局寻优能力,且收敛速度快,能够更有效地解决模拟电路故障诊断问题。     

反馈闭环系统理论在资源型旅游地生命周期中的应用

旅游地生命周期是旅游地演变过程中的基本问题,一直是受到众多国内外学者的关注。本文首先回顾了国内外旅游地生命周期研究的基本情况,对反馈闭环系统理论及旅游地旅游反馈系统进行了介绍和分析,然后应用反馈闭环系统理论,对资源型旅游地旅游发展进程中的反馈过程及相互关系进行探讨,总结了有利于延长旅游地生命周期的几点启示,以最终使旅游地在达到新的平衡时该旅游地更具有旅游价值,或延缓旅游价值的丧失。     

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明：相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.     

自适应粒子群算法在水库优化调度中的应用研究

采用自适应粒子群算法（APSO）对水库优化调度问题进行了研究。建立了问题的数学模型，提出了该算法的工程实现方法，编制了基于Matlab语言的优化计算程序。三插溪水库的仿真实例表明：APSO算法较PSO算法的收敛性能更好，APSO算法在搜索晚期具有更强的局部搜索能力，更容易找到最优解。与遗传算法相比，APSO算法采用的参数少，实现简单，收敛结果更优。可见，APSO算法在水库优化调度问题上的求解是可行有效的。     

粒子群算法在重载齿轮多目标设计中的应用

粒子群优化算法是一种基于群智能的优化方法,规则简单,收敛速度快.将此算法应用于重载齿轮的多目标优化设计,建立基于粒子群优化算法的重载齿轮多目标优化设计的数学模型,实践表明可以快速、有效地求得齿轮优化解.     

粒子群优化算法及其应用

介绍了粒子群优化算法及该算法的优越性,并与遗传优化算法进行了比较;针对经典粒子群算法存在的不足,介绍了一个改进的动态改变惯性权的自适应粒子群算法;最后,以神经网络为例给出了粒子群优化算法的应用.     

大林算法在电加热炉温度控制中的应用

本文应用大林算法确定电加热炉的温度控制数学表达式,并和传统的模拟仪表控制的PID算法进行了比较.     

闭环式护理在甲状腺癌术后功能锻炼患者中的应用

目的评估闭环式护理在甲状腺癌术后功能锻炼中的应用效果。方法选取2019年5月~2022年5月的甲状腺癌患者56例作为研究对象,分为观察组、参照组各28例,分别采用闭环式护理、常规护理。结果颈部功能锻炼效果、心理状态情况以及依从性数据比较,观察组与参照组差异明显,有统计学意义(P<0.05)。结论闭环式护理在甲状腺癌术后功能锻炼中有着良好的应用效果,值得推广。     

一种改进粒子群通讯算法在目标搜索中的应用

针对粒子群算法应用于机器人目标搜索过程中存在的早熟现象,提出一种基于改进粒子群算法和模拟退火算法相结合的目标搜索新方法,以提高算法的全局搜索能力。为解决通讯距离有限、机器人无法与基站进行信息交互和不能实时追踪动态目标等问题,引入通讯功能。算法中机器人与基站有两种通讯方式,一种是基站跟随最优机器人移动的通讯方式,另一种是在前者基础上将机器人按一定比例分为通讯机器人和搜索机器人的通讯方式,由通讯机器人负责搜索机器人与基站之间的通讯。两种通讯方式下机器人都采用动态多目标搜索策略搜索动态多目标。在考虑通讯距离的情况下,经过仿真测试,与传统的通讯粒子群算法相比,提出的改进通讯粒子群算法能更加有效地追踪动态目标。     

多目标粒子群优化算法在PID优化设计中的应用

为了克服PID控制器参数整定时适应度函数权重难以选择的问题,提出一种多目标粒子群优化算法。该算法不需要设置权重参数,采用精英归档策略,按照Pareto最优原则,对控制系统阶跃响应的超调量和上升时间两项指标进行优化,从而实现PID控制器参数的自动整定。仿真结果表明,该算法可以获得大量优质Pareto最优解,解的质量优于其它方法。     

混沌粒子群算法在0-1背包问题中的应用

给出了基于混沌粒子群优化算法(CPSO)背包问题的一种新的求解方法.首先将背包问题对应到粒子群算法中的位置与速度问题的表示,然后为了抑制早熟停滞现象,将混沌理论引进优化,使得背包问题更接近最优解.     

差分粒子群算法在PUMA机器人逆运动学求解中的应用

传统逆运动学求解主要从逆运动学方程出发,基于一定的数学理论推导,不能完全实现计算机程序化,且精度与计算效率较低;为改善这一缺陷,基于机器人正向运动学方程,借助MATLAB工具,使用蒙特卡洛法仿真分析出PUMA560机器人的工作空间,任取一点末端执行器位姿作为逆运动学求解的已知位姿矩阵T,结合差分粒子群仿生智能算法作为逆运动学求解的主要理论算法。将计算出的旋转关节变量[θ1~θ6]代入正运动学方程,得出末端位姿矩阵[T];通过计算分析T与[T]相关角度误差,两矩阵所对应的位置向量与姿态向量误差精度为0.001数量级,完全满足目前机器人定位要求。基于差分粒子群理论的机器人逆运动学求解方法计算收敛速度更快,能高度实现计算机程序化,误差精度高,提高计算效率。