近年来,不少学者力图运用代理理论的概念和方法来研究我国国有企业的改革,取得了许多可喜的进展,并主要集中于道德风险(Moral Hazard).本文打算从信息不对称(Infom ation Asymmetry)的角度参与这个问题的讨论,目的在于:(1)说明我国国有...近年来,不少学者力图运用代理理论的概念和方法来研究我国国有企业的改革,取得了许多可喜的进展,并主要集中于道德风险(Moral Hazard).本文打算从信息不对称(Infom ation Asymmetry)的角度参与这个问题的讨论,目的在于:(1)说明我国国有企业十几年来的改革在解决道德风险中的偷懒问题(shirkins)方面是卓有成效的,但并没有解决道德风险的另一方面问题,即机会主义问题(opportunitism);(2)比较分析承包制和股份制在解决机会主义问题上的有效性,指出股份上市公司对国有企业改革具有重要意义;(3)提出发展和完善我国证券市场的对策以促进国有企业改革.一、道德风险和信息不对称代理理论认为:在以分工为基础的社会中,委托——代理关系是普遍存在的,委托人(Princi-pal)与代理人(Agent)订立或明或暗的合同,授予代理人某些决策权并代表其从事经济活动.但在信息不对称的情况下,合同是不完全的,必须依赖于代理人的“道德自律”(诺斯称之为“第一方监督”the first party enforcement);而这是一种风险,因为代理人在最大限度地增进自身效用时可能作出不利于委托人的行为.(国有)企业的所有者和经营者之间也是一种委托——代理关系,其道德风险主要表现为两类行为;(1)偷赖,即经营者所付出的(正)努力小于其获得的报酬;(展开更多
无人机三维路径规划是一个比较复杂的全局优化问题,其目标是在考虑威胁和约束的条件下,获得最优或接近最优的飞行路径。针对鲸鱼算法在进行无人机三维航迹规划时,存在容易陷入局部最优、收敛速度较慢、收敛精度不够高等问题,提出了一种...无人机三维路径规划是一个比较复杂的全局优化问题,其目标是在考虑威胁和约束的条件下,获得最优或接近最优的飞行路径。针对鲸鱼算法在进行无人机三维航迹规划时,存在容易陷入局部最优、收敛速度较慢、收敛精度不够高等问题,提出了一种基于莱维飞行(Lévy flight)的鲸鱼优化算法(Levy Flight Based on Whale Optimization Algorithm, LWOA),用于解决无人机三维路径规划问题。该算法在迭代过程中加入了Levy飞行对最优解进行随机扰动;引入了信息交流机制,通过当前全局最优解和个体记忆最优解以及邻域最优解来更新个体的位置,能够更好地权衡局部收敛和全局开发。仿真结果表明,所提路径规划算法可以有效避开威胁区,收敛速度更快,收敛精度更高,且更不易陷入局部最优解。当迭代次数为300次、种群个数为50时,LWOA算法求得的成本函数值是PSO算法的91.1%,是GWO算法的92.1%,是WOA算法的95.9%,航迹代价更小。展开更多
文摘近年来,不少学者力图运用代理理论的概念和方法来研究我国国有企业的改革,取得了许多可喜的进展,并主要集中于道德风险(Moral Hazard).本文打算从信息不对称(Infom ation Asymmetry)的角度参与这个问题的讨论,目的在于:(1)说明我国国有企业十几年来的改革在解决道德风险中的偷懒问题(shirkins)方面是卓有成效的,但并没有解决道德风险的另一方面问题,即机会主义问题(opportunitism);(2)比较分析承包制和股份制在解决机会主义问题上的有效性,指出股份上市公司对国有企业改革具有重要意义;(3)提出发展和完善我国证券市场的对策以促进国有企业改革.一、道德风险和信息不对称代理理论认为:在以分工为基础的社会中,委托——代理关系是普遍存在的,委托人(Princi-pal)与代理人(Agent)订立或明或暗的合同,授予代理人某些决策权并代表其从事经济活动.但在信息不对称的情况下,合同是不完全的,必须依赖于代理人的“道德自律”(诺斯称之为“第一方监督”the first party enforcement);而这是一种风险,因为代理人在最大限度地增进自身效用时可能作出不利于委托人的行为.(国有)企业的所有者和经营者之间也是一种委托——代理关系,其道德风险主要表现为两类行为;(1)偷赖,即经营者所付出的(正)努力小于其获得的报酬;(
文摘无人机三维路径规划是一个比较复杂的全局优化问题,其目标是在考虑威胁和约束的条件下,获得最优或接近最优的飞行路径。针对鲸鱼算法在进行无人机三维航迹规划时,存在容易陷入局部最优、收敛速度较慢、收敛精度不够高等问题,提出了一种基于莱维飞行(Lévy flight)的鲸鱼优化算法(Levy Flight Based on Whale Optimization Algorithm, LWOA),用于解决无人机三维路径规划问题。该算法在迭代过程中加入了Levy飞行对最优解进行随机扰动;引入了信息交流机制,通过当前全局最优解和个体记忆最优解以及邻域最优解来更新个体的位置,能够更好地权衡局部收敛和全局开发。仿真结果表明,所提路径规划算法可以有效避开威胁区,收敛速度更快,收敛精度更高,且更不易陷入局部最优解。当迭代次数为300次、种群个数为50时,LWOA算法求得的成本函数值是PSO算法的91.1%,是GWO算法的92.1%,是WOA算法的95.9%,航迹代价更小。
