首页期刊导航|武汉理工大学学报（信息与管理工程版）
期刊信息/Journal information
武汉理工大学学报（信息与管理工程版）
武汉理工大学学报（信息与管理工程版）

程森成

双月刊

2095-3852

xuebao@whut.edu.cn

027-87859055，87658078

430070

湖北省武汉市珞狮路205号

武汉理工大学学报（信息与管理工程版）/Journal Journal of Wuhan University of Technology(Information & Management Engineering)CSTPCD
查看更多>>本刊是教育部主管的、武汉理工大学主办的，具有专业学科特色的高级学术刊物。面向全国、全行业开门办刊，热忱欢迎相关学科的大专院校师生、技术工程人员投稿。
正式出版
收录年代

    不同预算约束下影响者选择策略与产品推广效果研究

    黄杏郑锐逯一辰
    582-589页
    查看更多>>摘要：为深刻剖析企业在不同营销预算情境下,选择不同类型影响者对产品推广效果的具体影响,基于消费者的购买行为、影响者分类及产品信息在社交网络中的传播机制,构建了一个全面的影响者营销模型,并利用多层网络仿真分析企业在多平台上开展影响者营销活动时的影响者选择问题.结果表明:当企业营销预算较低时,雇佣纳米级影响者进行营销是一种更明智的选择;当企业预算较高时,雇佣名人影响者进行产品推广会更加有效;企业可以考虑按照上述营销策略在多个社交网络平台上开展影响者营销活动,全面覆盖潜在消费者以获得更好的推广效果.

    影响者营销影响者选择社交网络多层网络仿真分析

      原文链接:
    • 万方数据
    • 维普

    考虑时变路网的多行程电动车辆路径问题研究

    程泽王正国秦虎毛树华...
    590-596页
    查看更多>>摘要：为了降低城市物流的电动车配送成本,考虑道路交通网络的时变性对电动车多行程配送活动进行研究.首先,以固定成本、充电成本和时间惩罚成本之和最小化为优化目标,构建时变路网下的多行程电动车辆路径问题模型;其次,利用自适应大规模邻域搜索算法对实际案例进行求解;最后,分别对出发时刻、路网时变性、充电策略和电价进行分析.结果表明:路网时变性在不同时刻下对成本和配送用时的影响不同,不同出发时刻有着不同的最优路线规划;电价的小范围波动对配送活动的影响很小;充电策略的选择对配送用时和成本的影响显著.

    多行程时变路网车辆路径自适应大规模邻域搜索电动车辆

      原文链接:
    • 万方数据
    • 维普

    政府激励下绿色技术创新活动三方博弈及仿真分析

    汪秀婷周添熠江时旭张志刚...
    597-604页
    查看更多>>摘要：绿色技术创新是制造业企业节能减排和价值链提升的重要途径之一,为激励企业积极开展绿色技术创新活动,基于利益相关者视角选择绿色技术创新系统中政府、企业和消费者3 个主要参与主体,构建三方之间的演化博弈模型,应用系统动力学方法分析博弈均衡策略解的稳定性.同时,运用模拟仿真方法,通过改变绿色技术创新系统中各参数的数值,探究不同政府激励下三方的博弈关系及策略选择.研究表明:在绿色技术创新系统中,当政府实行严格监管、企业积极开展绿色技术创新活动且消费者支持购买绿色技术成果时,系统能维持演化稳定均衡状态;当政府采取正向激励和负向惩罚措施时,均会促进企业开展绿色技术创新活动;消费者在获得补贴后更倾向于支持绿色技术成果,但对补贴力度的敏感性相对较低.最后,提出了增强绿色发展意识、强化监管机制、合理调整激励政策等相关建议.

    绿色技术创新政府激励演化博弈系统动力学制造业升级

      原文链接:
    • 万方数据
    • 维普

    工作不安全感的潜在类型与创新关系研究

    马冰兰凯周亚荣马贵梅...
    605-610页
    查看更多>>摘要：为探究工作不安全感的潜在类别特征及其与创新的关系,基于"以人为中心"的视角,关注数量型和质量型工作不安全感两个维度,运用潜在剖面分析方法,研究工作不安全感的潜在类型及其与创新(动机和创新行为)的关系.结果表明:工作不安全感的潜在类型包括低不安全型、一般型、数量主导不安全型、质量主导不安全型和高不安全型5 种;工作不安全感5 种潜在类型下的动机和创新行为均具有显著差异.因此,企业在创新过程中应针对不同类型工作不安全感群体采取差异化的策略.

    工作不安全感创新行为内在动机印象管理动机潜在剖面分析

      原文链接:
    • 万方数据
    • 维普

    基于EEMD-DRL的铁矿石期货交易策略研究

    刘仕强潘威旭丁佩佩
    611-618页
    查看更多>>摘要：随着铁矿石等大宗商品日益金融化,越来越多的投资者参与到铁矿石期货交易中,交易策略成为投资决策中的重点研究问题.针对复杂和动态的铁矿石交易环境,设计一种基于集合经验模态分解(EEMD)与深度强化学习(DRL)方法的铁矿石期货交易策略.首先,采用EEMD方法深入剖析铁矿石期货价格的特征,综合考虑分解后的特征,构建基于马尔可夫决策过程的铁矿石期货交易环境;其次,采用多种DRL方法产生铁矿石期货交易策略,并利用累计收益率优化DRL产生的交易策略;最后,采用夏普比率筛选出各交易周期内的最优策略,形成全交易周期的最优策略组合.实验结果表明:提出的交易策略在确保收益率最大化的基础上具有较强的稳健性.

    铁矿石期货深度强化学习马尔可夫决策过程交易策略集合经验模式分解

      原文链接:
    • 万方数据
    • 维普

    基于深度强化学习构建股票交易智能体

    包建国马玉洁杜良丽
    619-624页
    查看更多>>摘要：在复杂多变的金融市场环境中,构建稳定盈利的交易策略面临重大挑战.传统投资组合方法不能有效适应市场快速变化而进行及时权重调整,且关于市场效率、正态分布收益率等市场假设并不能真实反映快速变化的市场环境.针对这些挑战,将DRL算法与金融交易应用场景有效结合,探讨了DRL算法在优化股票交易策略并实现稳定盈利方面的应用潜力.通过选取上证50 成分股作为交易品种,综合利用股票价格、成交量、均线等技术指标构建了交易市场环境,合理设计状态空间、动作空间和目标函数,并采用DDPG、SAC、TD3 等DRL算法训练出适应性强的交易智能体.结果表明:该股票交易智能体在盈利能力和风险控制方面与传统投资组合策略相比具有显著优势.

    股票交易策略深度强化学习交易智能体投资组合风险控制

      原文链接:
    • 万方数据
    • 维普

    模糊信息协同相关IOWGA算子区间组合预测模型

    童宇叶知秋陈华友
    625-630页
    查看更多>>摘要：三角模糊数是复杂和不确定性预测系统的重要信息表达形式.引入刻画三角模糊数特征的3 个指标,包括面积型中心、面积型散度和中界点.这些指标分别反映三角模糊数的精度、模糊程度和中点特征.在此基础上,提出了一种新的协同相关系数的概念,结合诱导有序加权几何平均算子(IOWGA),以三角模糊数左右区间的协同相关系数作为最优准则,建立了基于三角模糊数和协同相关系数的IOWGA算子区间组合预测模型.通过实例分析,证明了该模型的有效性和稳定性.

    三角模糊数面积型中心协同相关系数IOWGA算子组合预测

      原文链接:
    • 万方数据
    • 维普

    基于最优样本和最优属性组合的作业车间调度规则挖掘

    张鑫吕海利
    631-636页
    查看更多>>摘要：作业车间调度问题可使用调度规则解决.为挖掘到高效、准确的调度规则,基于训练样本最优和属性组合最优的核心思想,提出一种基于最优样本与最优属性组合的决策树-遗传算法框架(NDTGA).该框架在构造训练数据时采用成对比较的方式,在构造属性组合时使用属性原值、差值、对比值等多种组合;在遗传算法的每次寻优过程中,调用决策树挖掘全新的调度规则;最终得到最优训练样本和最优属性组合,进而得到最优的调度规则.通过与经典调度规则和其他机器学习算法的对比实验论证了NDTGA框架挖掘所得调度规则的优越性.

    调度规则作业车间调度最优样本属性组合决策树-遗传算法

      原文链接:
    • 万方数据
    • 维普

    中国就业政策的主题时空演变分析

    程佳雪于卫红魏海瑞杨钦茹...
    637-643页
    查看更多>>摘要：为挖掘不同时间和空间上的中国就业政策主题特征,以2012-2022 年间768 份各发展区域的就业政策作为数据样本,将发布时间和发展区域作为协变量,构建就业政策文本的结构化主题模型.研究结果表明:在11 个中国就业政策的主题中,见习就业主题占据显著地位,而对校园招聘和定向人才教育主题的关注较少.在时间维度上,就业政策主题的演变特征受新冠疫情影响具有显著差异;在空间维度上,受经济基础、地理位置、产业发展和教育水平等因素的影响,东部、中部、西部和东北部的就业政策主题存在着偏向差异.各发展区域政府应根据本土就业特征与问题进一步完善就业政策体系.

    就业政策时空演变发展区域政策量化结构化主题模型

      原文链接:
    • 万方数据
    • 维普

    基于投票机制的联邦学习恶意代码检测:以电网为例

    王琼赟王萌张亚昊史睿...
    644-650,657页
    查看更多>>摘要：为了保护电网企业二级单位的用户隐私,增加分布式终端的病毒检测能力,将联邦学习框架应用于恶意代码检测任务中.在该框架中,通过使用局部模型来计算全局模型参数.提出了基于投票机制的联邦学习恶意代码检测方法.在设备的通信过程中,不发送节点的原始数据,而是发送模型参数,有效保护了各设备的数据隐私.通过随机选择用户参与投票,控制中心可依据投票结果调整本地和全局模型的超参数.最后,通过加权聚合来汇聚本地模型参数,以获得一个高精度的全局恶意代码分类模型.该模型将在提供隐私保护的同时,维持了较高的恶意代码检测精度.实验证明该方法在多个恶意代码数据集上的分类精度均有提高,且使模型的损失函数值降低.

    联邦学习恶意代码神经网络投票集成代码可视化

      原文链接:
    • 万方数据
    • 维普