简介：DanelKahneman诺贝尔经济学奖的主要贡献在于"把心理学的,特别是关于不确定条件下人的判断和决策的研究思想结合到经济科学中",解释了人类在不确定情况下的判断和决策行为,开创了行为经济学研究的新领域.本文阐述Kahneman等人开创的前景理论(ProspectTheory)在实际判断和决策方面偏离传统经济理论预测的内容,重点介绍该理论提出的新的决策模型,并探讨其广泛应用.

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：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。