简介：表现为经济上的综合竞争实力的自主创新能力和产生于博弈论和量子信息结合的量子博弈理论与经济学、经济物理学息息相关。文章探讨了量子博弈理论与自主创新能力之间关系；分析了量子博弈理论与自主创新能力在结构上的相似性，指出了二者理论的共同之处，明确自主创新能力和量子博弈理论构成要素和理论体系及应用上的相同的核心共性；分析了量子博弈理论与自主创新能力在策略关联、非确定结果描述和合作关系三个方面的关系，表明量子博弈理论可以准确地描述和解决自主创新在这三个方面的问题。

简介：基于DEA的企业自主创新能力评价，能消除企业自主创新的基础条件差异带来的影响，客观地反映企业在自主创新过程中的主观努力程度。构造企业自主创新能力的投入产出指标体系，利用模糊多粒度语言对定性指标进行量化；利用C^2R模型判断企业自主创新能力的相对有效性，利用“投影”分析非有效DMU的成因，利用改进的DEA模型确定创新能力相对有效的企业创新资源投入产出的“扩大系数”；以某地区5个开展自主创新的企业为例，利用该方法对自主创新能力进行了评价，并提出了有效和非有效DMU自主创新能力提升的策略。实践表明，该方法能有效地评价和提升自主创新能力。

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。

简介：在再制造利益的驱动下，一些非原始设备制造商（UOEM）欲进入再制造市场。为探究UOEM参与再制造的进入博弈，应用演化博弈理论构建了原始设备制造商（OEM）和UOEM策略选择的复制动态。研究表明：博弈双方的回收价格、UOEM排除障碍的成本会影响UOEM的策略选择；OEM选择默许而潜在的UOEM进入再制造品市场是二维动态系统唯一的演化稳定策略。进一步考虑了参与人的学习行为，将噪声项引入复制动态方程中，得到了一个非子博弈完美均衡，即当带着噪声项的OEM采取竞争策略时，进入者的最优策略是置身于市场之外。

简介：本文考虑指数学习效应和位置学习效应同时发生的新的排序模型。工件的实际加工时间不仅依赖于已经加工过工件正常加工时间之和的指数函数,而且依赖于该工件所在的位置。单机排序情形下,对于最大完工时间和总完工时间最小化问题给出多项式时间算法。此外某些特殊情况下,总权完工时间和最大延迟最小化问题也给出了多项时间算法。流水机排序情形,对最大完工时间和总完工时间最小化问题在某些特殊情形下给出多项时间算法。

简介：本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题，而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构，完成对增量学习中训练样本的选取，进而完成分类器的重构。实验表明，该算法比传统支持向量机增量学习算法具有更高的分类精度。

简介：随机需求库存-路径问题（StochasticDemandInventoryRoutingProblem,SDIRP）是典型的NP难题,也是实施供应商管理库存策略过程中的关键所在。文章通过引入固定分区策略（FixedPartitionPolicy,FPP）,将SDIRP分解为若干个独立的子问题,并采用拉格朗日对偶理论以及次梯度算法确定最优的客户分区。在此基础上证明了各子问题的最优周期性策略由分区内各客户的（T,S）库存策略以及相应的最优旅行商路径构成,进而给出了客户需求服从泊松分布时求解最优（T,S）策略各参数的方程组,并设计了求解算法。最后,通过数值算例讨论了上述策略以及算法对于解决SDIRP的有效性。

简介：本文研究了一类不相关平行机的排序问题，在该问题中工件的加工时间既具有学习效应，又资源可控，也就是说在该问题模型中，工件的实际加工时间为其正常的加工时间、加工过程中工件所处位置以及加工时间可控这些变量的函数。该研究的目的是为使得总机器负载和总的控制费用的加权和最小以及总的完工时间和总的控制费用的加权和最小。文章通过对问题的相关性质的分析和证明找到了一个解决问题的最优化算法，并且也证明了在处理机的数量给定的条件下，该问题的时间复杂性为0（nm·2），最后也给出了相应的数值例子来阐述该问题。

简介：论文将动态能力作为解释组织学习和企业绩效间关系的中介变量。采用结构方程方法建立了其关系模型，以制造业部分上市公司为例，通过问卷调查、信度效度分析、回归分析验证提出的假设，研究理论模型符合可接受的适合度检定水平。实证研究结果表明制造业企业组织学习对动态能力影响显著且动态能力对企业绩效影响显著，组织学习对企业绩效直接影响较弱，动态能力中介作用明显。

简介：本文主要讨论了工件加工时间具有学习效应和安装时间的单机排序问题。工件的加工时间不仅与之前已加工完的工件加工时间有关,还与工件的加工位置有关。安装时间是依赖于已加工完的工件的实际加工时间的简单函数,即p-s-d形式。本文证明了极小化最大完工时间,极小化总完工时间,极小化完工时间的平方和问题具有多项式算法,也证明了极小化加权总完工时间,极小化最大延误和极小化总误工问题在某些条件下具有多项式算法。

简介：一个复杂系统通常由多个不同部件组成,考虑到这些部件有各自不同的失效率及维修时间,本文提出了一种新的维修策略模型,该模型考虑了不同部件的差异性及对系统的不同重要性,在一定可用度要求下,使系统总平均费用达到最小的最佳预防维修周期,并给出了相应的仿真算法.

简介：借助CPM网络计划进行工序机动时间特性研究是对项目进度进行科学管理的基础。针对项目进度中，若某工序的结束时间从最早结束时间开始一直推迟，其后继工序的机动时间是否会一直受其影响的问题，利用工序机动时间已有的概念和性质，提出路线机动时间和路线自由时差的概念，并借助这两个概念进行工序机动时间守恒性分析，得出某工序的后继工序的机动时间会在该工序的结束时间推迟到一定值后达到恒定值，不再随该工序结束时间的推迟而变化的结论，进而给出工序机动时间守恒性的充分条件，以及计算工序机动时问恒定值的方法。最后，通过应用举例进行具体分析和阐述。

简介：本文简单地分析了销售的过程,利用认知心理得到的销售状态指标和Markov链在Pfeifer工作的基础上建立的客户关系模型,对几种不同的销售策略进行了比较.分析结果表明,在与客户关系不好的情况下,采用先改善与客户的关系、后实施销售活动效果比直接销售好些.

简介：生态工业链与传统供应链不同，传统供应链中的定价策略在生态工业链中不再适用。为了解决该问题，基于单一上游企业和单一下游企业构成的生态供应链系统，应用博弈理论对上游企业生产产品时产生的副产品或者废物定价策略进行研究。分别得出了一个非合作博弈的均衡解（斯坦克尔伯格均衡）和一个合作博弈的均衡解（联合定价），并进一步对各种定价策略的效率进行了分析。最后对原料短缺时的定价情况进行了讨论。

简介：本文引进连续对策上的判断块、判断准确、判断下的最优策略集等概念,得到了如下几个主要结果:1.判断下的最优策略集是一个局部凸空间的非空有界闭凸集;2.两个判断下的最优策略集相等的充要条件是这两个判断位于同一个判断块中;3.若局中人判断准确,则在一次性对策下不论他使用此判断下的那一个最优策略(不论是纯的还是混合的),都可无风险地取得最优赢得.

简介：考虑策略工作休假M／M／1排队，简记为M／M／1（N-WV）。在休假期间，服务员并未完全停止工作而是以较低的速率为顾客服务。用拟生灭过程和矩阵几何解方法，我们给出了有直观概率意义的稳态队长和稳态条件等待时间的分布。此外，我们也得到了队长和等待时间的条件随机分解结构及附加队长和附加延迟的分布。

简介：运用在线问题与竞争分析的方法研究了购买价格递减的在线租赁问题。通过揭示相关费用函数的性质，先后给出了最优离线策略以及在线策略。通过竞争比分析，证明了我们给出的在线策略是该问题唯一最优策略，而且该策略的竞争比随购买价格的优惠率的增加呈严格递减趋势。竞争分析结果表明考虑购买价格递减因素能够改进在线策略的竞争比从而提高决策效率。

简介：在市场需求受价格影响的假设下，建立了一个供应商和零售商都是风险厌恶的两阶段供应链模型，利用确定性等价方法得到了分散决策下的最优定价策略，同时也给出了对于第二类效用函数存在改进性定价策略的判定条件。并通过数值分析讨论了需求不确定性对供应商和零售商的定价策略和期望效用的影响。

简介：本文研究了随机工件加工时间的生产系统在JIT（Just-In-Time）控制策略下的运行机制。基于文[1]所提出的看板控制生产系统的生产率与其马尔柯夫模型的状态空间相对应的理论，本文探讨了在JIT控制策略下生产系统的看板在安全库存受限的条件下的最优配置问题，并给出了工作站数目小于5的生产系统看板最优配置公式。

简介：对于按订单采购的销售商而言,采购成本和延误成本是影响总成本的主要因素,销售商需要采取适当的采购策略,权衡二者,以使总成本尽量小。文章首先给出了订单需求完全已知情况下的离线最优策略,并指出策略的计算复杂性为O（n^2）。其次,针对订单需求难以预测的情形,设计了相应的在线采购策略,证明了该策略的竞争比为2;同时,证明了该问题的竞争比下界为（5＋1）/2〉1.618。