简介:存在监控冲突的天基中段预警传感器调度优化是一个动态、高维、复杂多约束的非线性优化问题,其解空间的高维度与状态复杂性直接制约了智能优化算法的运用。本文以任务分解与任务复合优先权计算为基础,通过二级分离机制将解空间维度与状态复杂性降低至适于连续蚁群(continuousant-colonyoptimization,CACO)处理的全局优化形态,构建出相应的优化子路径集.在此基础上,针对监控冲突导致的状态变化特性,从局部搜索递进与募集的角度提出适于传感器调度优化的MG-DCACO(doubledirectioncontinuousant-colonyoptimizationbasedmassrecruitmentandgrouprecruitment)算法,成功将智能优化算法应用于基于低轨星座的天基中段预警中.最后对算法的收敛性进行论证,并通过与已有规则调度算法的对比得出MG-DCACO算法可获得优于规则调度算法的全局最优解。
简介:供应链中存在着广泛的信息共享,既包括上下游企业间的纵向性共享,也包括同层企业间的横向信息共享。以一个具有学习效应的供应链为研究对象,为研究信息共享对分散型供应链中零售商决策的影响,提出了一个具有横向信息共享的供应链模型。以Cournot博弈为研究手段,求解了零售商的均衡订货决策和信息共享策略。在此模型中,生产商为多个零售商提供类似的产品,每个零售商具有自己独立的终端市场。零售商面对单周期需求,该需求可以在本周期内满足或者在第二阶段延迟交货。由于学习效应的存在,第二阶段生产商的批发价格是第一阶段总订货量的减函数。零售商在观察到自身的需求之前,达成信息共享的协议。研究结果表明,当第一阶段的均衡订货数量低于需求时,零售商间无共享私有信息的动机,该结果和寡头模型信息共享的相关结果相反。除此之外,在一个总体需求稳定的市场中,信息共享的影响随着零售商数量的增加而递减。此结果对企业在不同市场情况下选择信息共享策略具有重要价值。