摘要:基于可折旧设备在线租赁的特点，首先研究了随机选择租赁和购买两种设备获得方式的可折旧设备在线竞争算法．商品的多样化使得具有同种功能的设备往往具有不同的折旧和购买价格，针对这一特点，进一步提出了转化随机策略，用来解决随机选择多种设备获得方式的可折旧设备在线租赁问题．转化随机策略将随机选择多种设备获得方式转化为随机选择两种设备获得方式，并得到了与折旧相关的竞争比上界．与经典租赁问题的随机性策略相比，折旧的引入和转化随机策略的提出使得竞争比进一步减小，进而竞争性能得到提高．

摘要:类重叠问题是数据挖掘与机器学习领域的瓶颈问题之一．如果其中还存在类不均衡问题时，情况变得更加复杂．有鉴于此，本文在已有文献基础上归纳了三种类重叠学习算法及提出一种新的方法: 分隔法，并首次将支持向量数据描述算法用于实际数据的重叠样本识别，对类重叠问题及其与类不均衡问题的相互影响进行了系统研究．在真实数据上采用五种分类器的实验结果表明:1) 多数情况下“分隔法”是表现最佳的类重叠学习算法; 2) 分隔法通常对基于分界面而非规则的分类器更为有效; 3) 分隔法在类不均衡问题中表现很好，当基础分类器为支持向量机时尤为突出． 最后针对支持向量机的实验结果给出了理论分析．

摘要:本文针对短生命周期产品的特点，考虑与需求因子相关的库存短缺拖后和无形变质，根据缺货时间点、订货时间点与产品到达成熟期的时间点之间的关系，建立基于短生命周期产品需求预测的 3 种订货策略模型: 乐观订货策略，悲观订货策略和中庸订货策略模型，对模型进行了分析求解，对最优解的存在性进行了证明． 然后根据实际销售数据进行需求预测和算例分析，分析各因子对于总库存成本、订货量、短缺拖后量、销售损失量以及最优订货策略的影响． 最后通过订货策略分析，分析各因子对于最优订货策略的影响，并将它们划分为 3 种订货策略影响因子，分析结果可以指导企业在不同因子水平情况下如何调整订货策略，以降低总库存成本．

摘要:本文研究了供应商五种权力的使用对制造商两种关系承诺的影响，以及它们对供应商整合的作用．通过对我国 617 家制造商的问卷调查及分析，提出并验证了供应商管理的权力 －关系承诺 － 供应商整合的理论模型．研究结果表明: 供应商使用专家权力和奖励权力既会增加制造商的规范性承诺也会增加它的工具性承诺; 供应商使用强制权力会减少制造商的规范性承诺，而供应商使用认同权力和法定权力对制造商的两种关系承诺都没有显著影响．结果还发现制造商对供应商的两种关系承诺都会促进供应商整合，但是，规范性承诺的促进作用更大．本研究的理论意义在于在 Zhao 等［1］对制造商和客户之间权力 － 关系承诺 － 客户整合理论研究的基础上，进一步研究了供应商和制造商之间的关系，从而完善了整条供应链上权力 － 关系承诺 － 供应链整合的理论．本研究对企业供应链管理的实践活动具有一定的参考价值．

摘要:模仿者通过模仿创新对创新者产品( 即原始产品) 性能进行改进，推出模仿创新产品并与创新者进行竞争．战略顾客根据模仿创新产品的可获得性与性价比，跨期理性选择购买时机．文中研究了模仿者的性能改进能力与顾客对性能的偏好程度对模仿者能否超越创新者的影响．结论表明: 当模仿创新产品的性价比低于原始产品时，如果模仿创新产品的推出能吸引大量新顾客，模仿者就能在市场份额与利润方面超越创新者; 相反，当模仿创新产品的性价比高于原始产品时，模仿者能否在市场份额与利润方面超越创新者取决于其性能改进能力与顾客对性能的偏好程度间的匹配度．

摘要:基于企业行为理论，尤其是业绩反馈理论对家族成员内部的权威配置进行了理论分析，并基于中国上市公司的数据进行了实证检验，主要得到以下几个方面的结论: 1) 在企业实际业绩未达到经营期望水平时，业绩的落差越大则家族企业主越倾向于采取拯救行为而不是放弃对家族企业的控制，同时倾向于砺练最有能力的核心家庭成员． 2) 在企业的实际业绩超过经营期望水平时，超额收益越高则家族企业主越倾向于将权威配置给经营能力最强的家族代理人以实现家族王朝梦想，同时还会产生一种亲缘效应，即对核心家庭成员而不是远亲成员赋予更多的权威． 3) 制度环境对家族成员内部权威的配置产生了显著的调节作用，即在制度环境不规范情况下，家族企业主出于仁慈倾向于将具有“负产品”性质的权威配置给有能力的远 亲成员而不是有能力的核心家庭成员．

摘要:通过组织变革来提高组织收益是公共部门机构改革的重要课题．已有文献表明，因为无法描述组织的结构特征和公共事务的差异性，组织变革的研究正面临瓶颈． 本文根据公共事务发生地区性和职能性特征，构建了描述公共事务多重多任务特征的概率模型，用于分析公共部门的组织结构特征，并从组织收益提高视角研究了组织变革．研究结果表明，基于公共部门组织结构进行的组织变革可以明显提高组织收益． 相关结果可以为公共部门的机构改革提供组织变革方面的参考．

摘要: