浅析武警部队收费票据管理

近年来,武警部队一些财务部门在财务管理工作中,重视经费管理而轻视票据管理、重视收费管理而轻视收费票据管理的现象比较突出,使收费票据管理出现了一些薄弱环节。这些薄弱环节又进一步影响了财务部门对预算外收入的控制和监督,也影响了会计信息质量。对此,笔者提出了加强收费票据管理的对策,即：增强票据管理意识,严格落实管理制度,完善票据领用办法,规范票据的使用,加强业务稽查,加强管理信息化建设及提高人员素质。     

装备管理信息化标准体系框架研究

分析了装备管理信息化标准体系的研究需求,提出了装备管理标准体系的研究目标及应把握的基本原则,重点从多个视角研究探讨了装备管理信息化标准体系框架,希望能对加快我军装备管理信息化标准体系建设有所启示．     

基于安全库存的战时应急弹药储备库选址建模研究

为了更好适应战时弹药需求的不确定性,必须做好对战时应急保障系统的管理工作,应急弹药储备库的选址问题就是应急保障系统的关键环节．首先依据战时弹药需求特点,从库存策略的角度出发,引入安全库存概念;其次,建立了以建设成本和运输总距离为目标函数的战时应急弹药储备库选址模型;最后,运用Matlab对模型进行了仿真,验证了该模型的有效性．     

基于构件的装备管理综合信息系统软件开发

针对陆军部队装备管理综合信息系统软件开发的需要,采用基于构件的软件开发方法,建立了系统软件开发模型,分析了系统软件需求,分解了系统软件功能,设计了基于构件的系统软件多层体系结构,提出了业务构件开发和系统软件集成方法。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于物联网的武器装备管理系统

提出一种基于物联网技术的武器装备管理系统的建设方案。将各种信息传感设备如射频识别(RFID)、视频监控、温湿度传感器等种种装置与单位内部局域网结合起来形成一个综合性的装备信息管理网络,系统软件采用Oracle作为数据库管理工具,结构上采用浏览器/服务器(Browser/Server)模式,系统对提高武器装备管理的效率和水平具有重要的意义。     

基于Vague集的TOPSIS法求解目标优先级

针对传感器管理中目标—传感器配对出现的目标优先级求解问题,提出了一种基于Vague集的TOPSIS计算方法。在分析目标优先级的主要影响因素基础上,定义了各影响因素的影响系数。同时结合Vague集的TOPSIS法给出了目标优先级的计算步骤,为目标优先级求解提供了一种新途径。并结合仿真算例表明该方法的合理性与有效性。     

基于本体的消防应急决策模型

消防信息技术研究的不断深入和本体论在计算机中的应用日益成熟,促进了人工智能系统的发展。以消防应急决策过程为研究背景,尝试将全局数据包络分析引入应急决策中,建立消防应急管理协作模型,分析多个决策结果的相对有效性,协助决策者在较短时间里作出合理的决策。     

时间管理在实时仿真中的改进

时问是分布仿真中的核心概念;时间管理是分布交互仿真的关键技术.探讨了分布交互仿真中高层体系结构(HLA)的时间管理机制,针对HLA在实时系统仿真方面的不足,分析其原因,提出了时间管理在实时仿真中的改进方法,对HLA在实时系统仿真中的应用有一定的参考价值.     

Technical note: Finite-time regret analysis of Kiefer-Wolfowitz stochastic approximation algorithm and nonparametric multi-product dynamic pricing with unknown demand

We consider the problem of nonparametric multi-product dynamic pricing with unknown demand and show that the problem may be formulated as an online model-free stochastic program, which can be solved by the classical Kiefer-Wolfowitz stochastic approximation (KWSA) algorithm. We prove that the expected cumulative regret of the KWSA algorithm is bounded above by where κ₁, κ₂ are positive constants and T is the number of periods for any T = 1, 2, … . Therefore, the regret of the KWSA algorithm grows in the order of , which achieves the lower bounds known for parametric dynamic pricing problems and shows that the nonparametric problems are not necessarily more difficult to solve than the parametric ones. Numerical experiments further demonstrate the effectiveness and efficiency of our proposed KW pricing policy by comparing with some pricing policies in the literature.