摘要：为提升供应链的整体绩效,设计适当的协调机制,使局部决策与整体目标相一致,基于协调理论,提出了资源共享、物流和时序三类供应链依赖关系,并通过相关的供应链优化模型将三类依赖关系形式化为关联约束。利用供应链模型的加可分性结构,基于拉格朗日松弛技术和次梯度算法构造一种优化协调机制,该协调机制通过松弛关联约束将模型分解为成员独立的子问题,并通过次梯度算法迭代更新拉格朗日乘子以协调成员局部决策。此外,相应于次梯度算法的实现方式,提出两种分布协调结构。

摘要：研究了多生产商联合对其回收产品进行回收的逆向物流网络和流量分配问题.构建了多回收源点、多企业参与回收多种回收物品,且每一回收物品处理站对每种回收物品有最大处理容量约束的网络优化模型,提出了基于拉格朗日松驰的启发式算法,并通过一组算例验证了算法的适用性和有效性.该研究可以应用到资源受限的回收物品回收实践中,为回收资源、再生资源和循环利用资源中的逆向物流设计提供新的方法.

摘要：针对如何提供丰富的通信交互提出了一种基于OverlayNetwork的网格架构,设计OverlayNetwork,给出了一种动态环境中分布式拉格朗日启发式算法DLagrOTDP,计算的结果显示该算法具有更快的适应性。

摘要：基于生产企业联合实施生产者责任制度的构想,研究了多个初级回收源点,多企业共同对多种废弃品进行回收的逆向物流网络设计和流量分配问题,建立了相应的数学模型.一般的设施选址模型只考虑容量上限,为避免设备闲置和处理能力不足的问题,对每一处理站的各种废弃品的处理量设置了上下限.设计了解决该NP-困难问题的拉格朗日松驰算法,用随机产生的一组数据对提出的算法进行检验,运行速度快且解的收敛性很好.

摘要：现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,通过结构化学习为每个对象训练一个模型,将目标跟踪问题建模为拉格朗日松驰优化问题,提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断视频片断中所有目标的最佳位置。利用多种高难度数据集进行仿真实验,实验结果表明,所提方法的性能优于其它较新算法。