针对随机扰动造成的企业库存系统缺货、库存水平增加和订货波动增大的问题,提出一种基于自抗扰控制(ADRC)的随机扰动库存系统优化模型。首先,根据进销存产品流和信息流的运营管理逻辑,通过拉普拉斯变换得到了库存系统的传递函数并将其转换成一类二阶状态空间标准式;然后,设计了一种包括跟踪微分器、扩张状态观测器和非线性状态误差反馈控制率的基于ADRC的随机扰动库存系统优化模型,从而在保证系统稳定的前提下,控制补偿随机扰动对库存系统的影响;最后,利用行业数据进行仿真实验,以验证ADRC优化模型对随机扰动库存系统优化的有效性。仿真实验结果表明,与无ADRC的库存反馈控制模型相比,基于ADRC的随机扰动库存系统优化模型可减少40%的库存剩余,减小47.4%的订货量均值,降低39.3%的订货量波动,并极大地改善随机扰动下企业库存系统的缺货现象。由此可见,基于ADRC的随机扰动库存系统优化模型能够指导企业合理订货,降低企业库存水平,从动态的角度提高库存系统的稳定性,为企业的实际生产运营提供科学的理论借鉴和应对方法。
为了解决不均衡数据集的分类问题和一般的代价敏感学习算法无法扩展到多分类情况的问题,提出了一种基于K最近邻(KNN)样本平均距离的代价敏感算法的集成方法。首先,根据最大化最小间隔的思想提出一种降低决策边界样本密度的重采样方法;接着,采用每类样本的平均距离作为分类结果的判断依据,并提出一种符合贝叶斯决策理论的学习算法,使得改进后的算法具备代价敏感性;最后,对改进后的代价敏感算法按K值进行集成,以代价最小为原则,调整各基学习器的权重,得到一个以总体误分代价最低为目标的代价敏感AdaBoost算法。实验结果表明,与传统的KNN算法相比,改进后的算法在平均误分代价上下降了31.4个百分点,并且代价敏感性能更好。
针对如何协调多个认知用户择机接入多段空闲频域信道的问题,提出了一种基于无休止多臂赌博机(RMAB)模型的动态频谱接入机制。首先,考虑到实际环境下认知用户的信道感知误差,推导出能有效处理感知误差的Whittle索引值算法,该算法通过历史经验积累给予每个信道一定的信任值,并综合考虑在当前信任值下选择每个信道的立即收益与未来收益的多少,选择出需要感知接入的信道;其次,对于多个认知用户接入相同信道时产生冲突的问题,提出了基于多标拍卖的协调机制,通过多标拍卖的方式处理认知用户之间的冲突。仿真结果表明,在相同的环境中,所提出的频谱接入机制与未处理误差的或者未采用多标拍卖的接入机制相比,认知用户获得的吞吐量更大。