一对多（精选9篇）
一对多 篇1
摘要：在以往的本体映射技术的研究中,大多数的研究都集中于本体中的一对一的映射,而很少有人从事概念间一对多或者多对多的映射研究工作。然而对于一些复杂的应用,仅仅是概念之间的一对一映射是不充分的。因此该文对本体一对多映射进行研究,提出一种实现一对多映射方法。该方法采用集束搜索算法查找比配候选集,并用概念属性进行相似度的计算。
关键词：本体映射,一对多映射,概念属性
1 概述
本体作为一种领域知识概念化和模型化的方法已经获得广泛认可。本体映射是为了实现不同数据源的数据之间的通信，它是数据共享的核心技术，在数据仓库，集成系统，P2P等中都有广泛的运用。当今，大量的工作集中于在不同的Ontology中发现1-1映射。如何构造复杂的映射(多对多)则是本体映射研究领域中一个新的难点。实现多对多映射的主要挑战在于，如何构造和筛选候选映射集，即对于一个目标概念，如何选择与之映射的候选概念的个数。本文将基于概念的属性，研究一对多概念相似度计算方法。
2 相似度计算
根据Gruber定义了一个典型的本体由五元组表示[1]：O=(C,I,R,F,A)。其中，C代表概念集合;I表示概念的实例;R为定义在概念集合上的关系集合;F为定义在概念集合上的函数集合;A表示公理集合。
现在大部分的对于两两概念相似度的研究主要从以下四个方面入手：概念名称相似度、概念属性相似度、概念实例相似度，以及概念关系相似度。比如在Halevy教授等开发的GLUE[2]，IMAP[3]系统是从概念的实例出发，引入机器学习的办法，从而发现本体间的映射。
本文基于概念属性的相似度计算的理论依据是：如果两个概念的属性都相同，则这两个概念是相同的;如果两个概念具有相似的属性，则这两个概念也是相似的。
2.1 两两属性相似度计算
大部分概念属性的研究，即比配两个属性的相似度，从属性的名称入手，考虑名称的差异性和语意关系。
首先，考虑名称的差异性。引入由Levenshtein提出的编辑距离[4]。编辑距离是一个用来衡量两个字符串差别的方法。它用一个动态规划算法计算把一个字符串转换成另一个字符串，所需要对字符进行的最小操作数，包括对字符的插入、删除、替换。计算公式如下：
其中，simdis(e1,e2)表示两概念属性之间的编辑距离相似度，e1和e2分别表示本体O1和O2中两个概念的属性，dist(e1,e2)表示两个字符串的编辑距离。
其次，考虑两个词之间的语意关系。因此引入WordNet，根据Lin提出的利用概率的方法计算两个概念属性的相似度[5]。计算公式如下：
其中，simwn(e1,e2)表示两属性利用WordNet得到的相似度。其中p(s)=count(s)/total，表示WordNet中词义节点s及其子节点所包含的单词个数在整个辞典中所占的比例，total是WordNet的单词总数。另外e1∈s1,e2∈s2表示单词e1和e2分别位于WordNet节点s1和s2中。节点s是s1和s2的公共祖先节点。
综合以上的分析，我们得到最后的两两属性相似度公式：
其中,w1,w2∈[0,1],w1+w2=1。
2.2 两两概念相似度计算
从单方向考虑，对于目标概念，如何在另一个本体中找到与其最比配的概念。当然，更一般的作法，需要双向的计算。这里为了方便阐述，只考虑单方向。
根据先前理论依据的描述，为了实现在另一个本体中查找出一个概念，使这个概念的属性与目标概念的属性比配度最高。
假设要计算A和B两个概念的相似度时，假设A有m个属性a1…am，根据如下公式计算A,B的相似度：
其中wi表示对A中的每个属性分配个权重，bj为概念B中的某个属性。
这里有两个问题需要展开：选概念的查找，有很多问题涉及对候选集合的筛选，如利用兄弟节点相似的规则，减少搜索的空间;对A中每个属性权重的分配，根据信息熵，对每个属性进行排列，从而得到各个属性的重要性，进而进行权重的分配。
2.3 一对多概念相似度计算
根据以上两两概念间的相似度计算式，我们进行扩张，提出了一对多的概念计算公式，该公式如下：
其中A代表某个概念，其包含属性a1…am。wi表示对A中的每个属性分配个权重。与(4)公式不同的是：式中的C不在是代表某个概念，而是代表概念的集合。同理cj代表概念集合中某个概念的属性。
3 一对多映射算法
对于两个Ontology(假设一个为源本体S，一个目标本体T)，我们要实现S到T的映射。但一般的做法，我们同时还需要完成T到S的映射。
一对多映射中主要的问题在于概念候选集是个无穷的集合。我们在此引用集束搜索(beam search)算法。对每个目标概念，具体步骤如下：
Step1：对某个目标概念，都生产1-1映射，并根据公式(4)计算其相似度。
Step2：运用beam search算法。该算法的主要思想是：对上一步(假设上一步为第i步，其映射为1-i映射)计算出来的相似度进行从高到低排列，选择最大的K个映射，然后对这K个映射进行概念的添加，且每次只添加一个概念，这样就生成了1-(i+1)映射，并根据公式(5)计算其相似度。重复第2步，直到收敛。
这里需要说明两个问题：
1)迭代终止条件，我们采用与IMAP系统相似的终止条件：当这轮候选集的最大相似度与上一轮的最大相似度差值小于预先定义的一个阀值时，终止迭代，否则进行下一轮的映射计算。
2)概念的添加。在概念的添加中涉及到一个问题，即概念的组合方式。正如第一章中所引用的例子，有些概念只需单单的连接，但有些概念需要算术符的计算。本文只把连接方式引入到系统当中。
下面通过一个简单例子阐述我们的思想。假设在目标本体T中有概念DATE，其包含的属性有year,month,day，简写为DATE(year,month,day)。源本体S中有两个概念为DATE1(month,day)和DATE2(year)。可以看出，如果单单是实现1-1映射，无论是S:DATE1还是S:DATE2都不能很好的与T:DATA实现映射。
但如果引入以上算法，具体步骤如下：对于目标概念DATE，先考虑所有的1-1映射，其候选映射包括了T:DATE--S:DATE1,T DATE--S:DATE2等等。然后根据公式(2.4)计算以上所有1-1映射的相似度。之后运用集束搜索，对1-1映射的结果进行从高到低的排序，选取最高的K个1-1映射，进行概念添加。如我们选取了T:DATE--S:DATE1，接着从源本体中选择概念进行添加，进而生成1-2映射，如T:DATE--concat(S:DATE1,S:DATE2)等等。对于1-2映射，我们根据公式(5)计算其相似度。如此循环，直至收敛。
4 结束语
本体匹配是解决本体异构问题的主要方法。目前的研究多集中于发现概念间的一对一映射，但更为普遍的应用，需要我们挖掘出概念间多对多的映射。针对这个问题，本文提出了一种实现一对多的本体映射方法。在一对一概念映射的基础上，提出了一对多概念相似度计算公式，在候选集查找方面，引入集束搜索减少概念映射候选集合空间，该方法能够较好的发现本体中一对多的概念映射。
参考文献
[1]Gruber T R.A Translation Approach to Portable Ontologies[J].Knowledge Acquisition,1993,5(2):199-201.
[2]AnHai Doan,Jayant Madhavan,Robin Dhamankar,Pedro Domingos,Alon Halevy.Learning to match ontologies on the Semantic Web[J].VLDB Journal,2003(12):303-319.
[3]Robin Dhamankar,Yoonkyong Lee,AnHai Doan,Alon Halevy,Pedro Domingos.iMAP:Discovering Complex Semantic Matches be-tween Database Schemas[C].In SIGMOD'04,2004:383-394.
[4]Levenshtein V I.Binary Codes Capable of Correcting Deletions,Insertions,and Reversals[J].Cybernetics and Control Theory,1966.
[5]Pantel P,Lin D.Discovering Word Senses from Text[C].Proceedings of the2002ACM SIGKDD Conference on Knowledge Discovery and Data Mining,2002:613-615.
一对多 篇2
如今，贝立兹英语学习似乎已经成为一种趋势，因为在国际化的背景下，英语越来越重要。大家通过不同的方式进行英语学习，其中，参加培训班就是很多人的选择。那么，什么样的培训班效果好呢？贝立兹一对一英语学习的好处有很多。
普通的英语培训班，一个班里可能有很多学员，但是老师却只有一个。在这种情况下，老师很难照顾到每位学员，做到一一解答每一位学员的疑惑。这样一来，上课的效果就会下降。然而，一对一外教，就是一个学员对一个英语老师，老师的全部注意力就会放到你身上，课堂效果就不用说了。老师还可以配合你的时间来上课。
传统的英语教学注重的是学生考试能不能拿高分，所以就比较重视学生的阅读能力。但是，现在很多人已经渐渐认识到听说能力才是学英语的基本，因为学习英语的目的就是要达到与别人交谈的目的。
公募:私募与一对多 篇3
募集对象
公募基金主要是面对整个社会公开发行，投资者大多是中小散户，投资门槛仅为1000元。而公募一对多和阳光私募主要面对特定高端客户群体发行，投资者必须具有较大的可投资金额，投资门槛最低一般为100万元。
投资灵活度
大多数公募股票基金都有严格的股票仓位，即不低于60％，这导致了公募基金的投资灵活度偏弱。在下跌过程中，由于公募基金不能进一步降低仓位，净值有可能下跌幅度过大。公募一对多和阳光私募在投资股票额度上没有这样的限制，可以随时空仓规避风险。公募基金和一对多在选择股票时都有双十限制，即单个基金或一对多专户投资某只股票不能超过该股票总股本的10％，同时不能超过单个基金或专户规模的10％。而阳光私募由于没有双十限制，可以集中持有4～5只好股票，对业绩的提升作用更强。
信息披露
公募基金对信息披露有非常严格的要求，需每日向公众披露净值，每季度披露季报，每个工作日都可以进行申赎。一对多每月或每周向购买该产品的投资者公布一次净值，一年开放一次申赎，资产管理合同中会约定向投资者报告相关投资信息的时间和方式。多数阳光私募会通过自己的网站及信托公司的网站每月向公众披露净值、每月开放一次申赎，并且以较高频率定期向投资者公布操作状况。
盈利模式
公募基金的主要盈利来自于1.5％的管理费，如果一只公募基金的规模有100亿元，那么管理费收入就是1.5亿元，若一个基金公司有6～7只基金的话，就会有10亿元左右的收入。而公募一对多和阳光私募由于规模相对较小，主要收入并不来自于管理费，而是绝对收益中的利润分成。当阳光私募或一对多创造历史新高净值后，可以提取新高与前最高净值之间差额的20％作为业绩提成。这决定了阳光私募和一对多在操作中必须及时减仓锁定收益，否则大盘发生暴跌导致净值大幅缩水，未来一两年都不太可能创造新高，也就失去了收入来源。
基金经理
公募基金除少数明星基金经理外，其他的基金经理从业经验普遍差于阳光私募经理，而且公募基金经理还存在一托多现象(一个经理管理多个基金)。公募一对多团队虽然目前已初具规模，但其市场影响力可能稍逊一筹，一方面是没有较长的管理业绩可供参考，另一方面追求绝对收益的思路毕竟不同于追求相对收益。阳光私募的基金经理一般出自公募基金或券商，无论他们来自哪里都有一个共同点，那就是市场知名度较高，可供投资者参考的历史管理业绩较长，并具有很高的认同度。
赎回压力
普通投资者在购买公募基金的时候，经常会产生羊群效应。在市场下跌的时候，散户一看赔了钱就会卖，那么公募基金就有赎回压力，就要卖重仓股，导致基金净值还会继续下跌，形成恶性循环。而一对多和阳光私募因为投资门槛高，投资者买的时候都经过了慎重考虑，不会因为短期的调整而改变投资方向。因此一对多和阳光私募的赎回压力相比公募股票基金要轻许多。
分配机制
一对多 篇4
关键词：基于Agent的一对多谈判,两阶段谈判,谈判模型,谈判策略
1 引言
基于Agent的谈判是用Agent这一人工智能领域的新兴手段来实现谈判的智能化和自动化的技术[1]。按照谈判过程中参与谈判的买卖各方Agent数量的不同,可以将谈判分为一对一谈判、一对多谈判和多对多谈判等。其中,一对多谈判是指由一个买方Agent就同一份合同同时与多个卖方Agent进行谈判,在综合所有的谈判结果后选择其中的一个卖方Agent达成协议的过程。
早期的自动谈判系统多采用拍卖的形式实现,买方在拍卖过程中不提出反报价,从多个卖方Agent的报价方案中选择最优的进行合作[2,3]。这种方法在形式上简单,但对于卖方来说明显不公平,买方也无法通过合理运用谈判策略来得到更优的报价。后来的研究者提出将一对多谈判转化为多个并行的一对一谈判,通过某种协调控制策略来协调处理各谈判的结果[4,5,6,7]。这样可以产生比较理想的谈判结果,但对多个并行谈判进行协调必然导致额外的通讯和协调成本的产生。有人提出了两阶段式的一对多谈判模型,将谈判分成预谈判和竞标两个阶段来进行[8],但这种模型和早期的竞标模型一样,存在显著的谈判公平性缺失的问题。针对这些模型中存在的问题,本文提出一种两阶段的谈判模型,在谈判的第二阶段逐步淘汰卖方Agent来减少参与谈判的Agent数量,以达到减少谈判成本的目标。
2 两阶段一对多谈判
两阶段一对多谈判是在现有一对多并行谈判模式基础上的改进,将谈判分成了两个阶段:第一阶段为预谈判阶段,在这个阶段中,买卖各方正常进行有反报价的谈判,但是不淘汰卖方;在第二阶段,买方根据谈判进行的情况,根据一定标准对卖方进行淘汰。将谈判分为两个阶段有以下优点:
(1)保证了谈判的公平性。在谈判的第一阶段,卖方不会因为报价策略的保守而导致被过早淘汰,有充分的机会来通过买方的反报价来判断买方的意图,及时调整自身的报价策略。
(2)降低了谈判的总体成本。在谈判的第二阶段,买方根据谈判情况淘汰成交可能性低的卖方,减少了通讯和协调成本的浪费,从总体上降低了谈判成本。
3 改进的基于合作可能度的淘汰谈判机制
谈判第二阶段的核心问题是淘汰标准的选择。李冉冉等提出了合作可能度的概念和基于合作可能度的淘汰卖方Agent的谈判机制[9],能够得到较为理想的淘汰效果。但该谈判机制存在两个缺陷:
(1)合作可能度的计算依赖于对最终成交价格的预测,其准确程度是随着谈判轮次的增加而逐渐增大的。始终用一个固定的阙值来作为淘汰的标准,合理性较差。
(2)用合作可能度作为权重来计算统一的反报价,这个反报价必然低于各Agent单独计算的反报价中的最低值。对买方而言,这显然不是最优的选择。
针对以上模型存在的问题,本文提出了一种改进的基于合作可能度的淘汰谈判机制。它在原有机制的基础上做出了两点改进:
(1)采用随着轮数t变化的函数σ(t)作为淘汰的判断标准,其计算方式如下:
式中,T1是第一阶段的谈判轮数;Tb是允许谈判的最大轮数,σmin和σmax是σ(t)的上下限,λ是控制σ(t)变化策略的参数。
(2)采用各Agent单独计算的反报价中的最小值作为下一轮买方提出的统一反报价。
4 一对多两阶段谈判模型
4.1 一对多两阶段谈判模型描述
定义1将一对多两阶段谈判模型定义为七元组{A,P,T,βST,AC,I},其中:
A={b,s1,s2,…,sj,…,sn}表示参与谈判的Agent集合。b表示买方Agent,s1,s2,…,sn分别表示n个相互独立的卖方Agent。
T表示谈判时间。为了便于讨论,将谈判时间离散化,即T={1,2,…,t,…,Tb},用T来表示谈判轮数集合;T1是第一阶段的谈判轮数;Tb是买方谈判的最大轮数;Tsj是卖方Sj的最大谈判轮数。其中,买方Agent向卖方发送一个提议并收到所有卖方Agent回应为一轮。
P={Pj|0≤j≤n,1≤t≤Tb}表示各方报价的集合。P0(t)表示买方b在第t轮的报价,Pj(t)(1≤j≤n)则表示卖方Sj在第t轮的报价。每个Agent的报价Pj(t)(0≤j≤n)都对应一个预设的取值范围[Pjmin,Pjmax]。
β={β(t)|T1≤t≤Tb}表示卖方的合作可能度集合。β(t)=(β1(t),β2(t),…,βj(t),…,βn(t))是第t轮所有卖方的合作可能度组成的向量。βj(t)是卖方Sj在第t轮的合作可能度。
ST={spia,smid,simp}表示Agent采用的谈判策略集合,其中包含3种谈判策略:spia表示节俭型策略,smid表示折中型策略,simp表示急躁型策略。Agent根据采取的策略和对手本轮的报价来生成下一轮的反报价。
AC={proposal,re-proposal,accept,reject,terminate}表示参与谈判的Agent的原子行为集合。其中,proposal表示向对手提出一个报价,re-proposal表示拒绝接受对手的报价后向其提出一个新的报价,accept表示接受对手的报价,reject表示拒绝对手的报价并结束谈判,terminate表示结束所有谈判。
I={Ib(t+1,Pj(t)),Ij(t+1,P0(t)},1≤j≤n,1≤t≤Tb,是Agent在收到对方报价后的反应行为集合。Ib(t+1,Pj(t)),为买方b在第t轮收到卖方Sj的报价Pj(t)后,下一轮将采取的行动;Ij(t+1,P0(t)),为卖方Sj在第t轮在收到买方b的报价P0(t)后,下一轮将采取的行动。
4.2 报价评估
每轮买卖双方收到对方的报价后,要对收到的报价进行评估,决定接下来要采取的行为。
在谈判的第一阶段,即1≤t≤T1时,买方b不主动淘汰卖方。如果卖方Sj提出的报价Pj(t)低于买方b下一轮的反报价P0(t+1),则买方b应该采取accept行为;否则,应该提出反报价P0(t+1)。这可以表示为:
在谈判的第二阶段,即T1≤t≤Tb时,买方可以淘汰卖方。如果卖方Sj的合作可能度βj(t)小于σ(t),则采取reject行为;如果t+1>Tb,则采取terminate行为。这可以表示为:
卖方的报价评估过程与买方类似,只是卖方不区分所处的谈判的阶段。其采取的行为可以表示为:
4.3 报价生成
根据卖方Agent在谈判中采取的谈判策略的不同,可以将卖方分成急躁型、节俭型和折中型3种类型[10,11,12]。具体说来,卖方Sj在第t轮的报价Pj(t)由下式决定:
式中,λj为卖方Sj的策略参数。λj越小卖方越急躁,反之则越节俭。当λj≥2时为节俭型策略;当0.5<λj<2时为折中型策略;当0<λj<0.5时为急躁型策略。
买方用P0min作为首轮谈判的报价P0(1)。在以后的轮次中,则根据卖方的报价计算出下一轮的反报价。买方的反报价P0(t+1)的具体计算步骤是:
(1)对每一个卖方sj,分别计算反报价P0 j(t+1)。其计算方法是,首先根据谈判轨迹图对应的反应函数判断卖方的谈判策略[10];然后,根据卖方的谈判策略采取相应的反报价策略[9],得到报价策略参数λ0 j(t)。最后,将参数λ0j(t)代入公式计算出P0j(t+1):
(2)由P0j(t+1)得到统一的反报价P0(t+1):
5 实例分析
本文采用文献[9]中的实例来对谈判模型进行分析。在本例中,各方的谈判参数如表1所示:
其他参数,T1=10,Tb=Tsj=40,买家b针对节俭型、折中型、急躁型的卖方,λ0 j取值分别为8、5和4。σ(t)的上下限σmax和σmin分别为0.6和0.01,λ取值为1.5。
实验模拟谈判过程,得到的各卖方合作可能度变化如图1所示。
实验结果表明,第26轮买方与卖方3达成协议,结果与文献[9]一致,证明本文中提出的模型能够达到预期的效果。
6 结论
本文通过对基于Agent的一对多并行谈判的研究发现:拍卖模型存在缺乏公平性,买方无法通过使用谈判策略来得到更优的报价等缺陷;并行谈判模型需要对并行的各一对一谈判进行协调控制,引入了额外的通讯和协调开销,增加了谈判的成本。针对这些问题,本文提出了一种两阶段的一对多谈判模型,将谈判分为两个阶段。在谈判的第一阶段,不主动淘汰卖方,以保证卖方有机会了解买方的谈判策略,不会被过早淘汰;在谈判第二阶段,买方根据合作可能度来淘汰不满足要求的卖方,以此来降低通讯和协调开销,加快谈判进度,在不影响谈判最终结果质量的前提下减少总的谈判成本。通过实例验证表明,本文提出的模型能够达到预期的效果。
参考文献
[1]Minghua He,Ho-fung Leung.Agents in E-Commerce:State of the Art[J].Knowledge and Information System,2002,4(3):257-282.
[2]Martin Bichler.A Roadmap to Auction-based Negotiation Protocols for Electronic Commerce[C].Proceedings of the 33rd Hawaii International Conference on System Sciences,IEEE Press,2000.
[3]David Esther,Azoulay-Schwartz Rina,Kraus Sarit.Bidding in Sealed-bid and English Multi-attribute Auctions[J].Decision Support Systems,2006,42(2):527-556.
[4]Thuc Duong Nguyen,Nicholas R Jennings.A Heuristic Model for Concurrent Bilateral Negotiation in Incomplete Information Settings[C].Proceedings of 18th International Joint Conference on AI,Morgan Kaufmann,2003.
[5]Thuc Duong Nguyen,Nicholas R Jennings.Managing Commitments in Multiple Concurrent Negotiations[J].Electronic Commerce Research and Applications,2005,4(4):362-376.
[6]张谦.基于电子商务环境的多Agent并发协商策略研究[D].重庆:西南大学,2006.
[7]Iyad Rahwan,Ryszard Kowalczyk,Ha Hai Pham.Intelligent Agents for Automated One-to-many E-commerce Negotiation[C].Conferences in Research and Practice in Information Technology Series;Proceeding of the 25th Australasian Conterence on Computer Science,2002:197-204.
[8]张蕊芬,黄梯云,蒋国瑞.基于Agent的两阶段式一对多谈判模型[J].计算机应用,2009,29(2):565-567,573.
[9]李冉冉,孙华梅,蒋国瑞,等.基于Multi-agent的一对多淘汰制谈判模型研究[J].信息系统学报,2008,2(1):29-36.
[10]汪定伟,王庆,宫俊,等.双边多轮价格谈判过程的建模与分析[J].管理科学学报,2007,10(1):95-97.
[11]张谦,邱玉辉.一种具有自主学习能力的并发协商模型[J].计算机应用.2006,26(3):663-665.
从QDII到“一对多” 篇5
市场的低迷并没有阻挡基金公司专户理财业务快速迈进的步伐。今年以来的两个多月中，基金专户理财又有不少进展。不仅专户资产管理规模大幅增加，QDII专户业务的开闸也将这一业务引入新阶段。若此后“一对多”专户业务能进一步开展，那么中高端投资者将有望享受全面的定制化的资产管理服务，意义和影响可谓深远。
海外投资服务启航
近期，基金公司开展QDII专户业务已正式获得证监会批复。拥有QDII资格和专户管理资格的基金公司，如果同时拥有外汇局相关投资额度，便可开展QDII专户业务，为高端客户进行海外投资管理就此迈开重要一步。
据记者了解，除了目前已被确认的交银施罗德基金公司和华宝兴业基金公司能够开展ODII专户业务之外，国内首只ODII产品的管理方——华安基金公司也属此列。在此之前，基金业内人士普遍认为，同时拥有QDII和专户资格的基金公司共有9家，但目前只有交银施罗德、华宝兴业、华安等几家公司还有剩余外汇额度可用于开展ODII专户业务。
不过，也有业内人士向记者表示，目前外汇额度申请难度并不高，因此可以理解为，凡是同时具备QDII和专户资格的基金公司，均有资格开展QDII专户业务。这意味着，目前已有9家公司可望率先开展特定投资人的海外投资业务。
“在海外市场略有回暖的背景下，国内不少拥有大量资产的高端客户已显露出对于海外市场，尤其是香港市场的兴趣。”在接受记者采访时，某公司专户负责人表示。ODII专户相比以往面向大众投资者的ODlI产品，似乎是一种更契合于国内市场需求的形式。该人士认为，目前国内投资者中，对于市场有一定认识、具有较强风险承受能力，同时有分散资产需求的主要是高端客户。从过去与客户接触的情况来看，的确存在这样一个群体，他们对提供“一对一”服务的QDII投资感到很有兴趣。这类客户通常有明确特定的投资目标和要求，希望和基金公司保持直接有效的沟通。专户QDII正符合其要求。
在这方面，外方股东实力较强的合资基金公司显示出优势。依靠外方股东在海外市场的投研团队，这类基金公司有能力提供各类定制化的海外投资服务。交银施罗德专户业务负责人透露，公司已经准备好了国际指数、环球精选、债券优选三款产品，已有多家机构客户表示出浓厚兴趣，有望尽快实现合作。
“一对多”呼之欲出
在“一对一”专户稳步推进的同时，“一对多”专户业务何时开闸亦成为市场焦点。“一对一”和“一对多”是基金公司专户理财的两个方向，前者为单一账户，门槛为5000万元，而后者则允许有多个账户，按照目前下发的征求意见，门槛降低到个人客户50万元，法人客户100万元。如若正式启动，“一对多”将为基金公司资产管理服务带来变革。
某公司机构业务负责人向记者表示，“一对多”专户的开展对基金公司来说，相当于在特定地域内发行了一只小型基金。以往无法享受到基金公司专户理财个性化服务的中高端投资者，在“一对多”业务中或许可以找到更多的选择空间。
据记者了解，目前已经有多家公司花重金打造专户理财团队，并建立了一整套适合专户理财业务的投资管理模式和风险控制体系，还设计了多种产品方案。上述机构业务负责人表示，“一对多”业务可以将中端客户引入市场，而且由于产品是备案制，因此可以根据客户需要，根据渠道需求，对产品进行个性化的设计和改造。
对于投资者普遍关心的公募与专户业绩差异问题，该人士表示，两者在产品设计和投资理念上是不同的，公募追求相对业绩回报，而专户追求绝对回报；收费方式也是不同的，公募收取的是管理费，专户则可以在管理费的基础上收取业绩提成：专户产品有自己的特性，产品设计具有更高的灵活度，比如股票仓位可以为0，下跌市场中的表现相对灵活。
一些业内人士认为，“一对多”的开展可能会促使一部分中高端公募基金投资者转向专户，基金客户结构很可能进一步分化。
市场转暖规模劲增
随着市场逐渐转暖，专户理财规模近期呈现出快速增长态势。
其中易方达基金专户规模从去年四季度以来的增长最为明显。据该公司透露，2008年底，公司在四川省成功签约一单专户理财合同。2009年，公司又与福建、湖南、新疆的一批客户正式签下专户委托合同。
国投瑞银专户业务负责人向记者透露，该公司近期专户理财又签一单，委托人的初始投资规模为6000万元。该单已在春节后进人正式运作，由于运作业绩良好，该专户委托人已透露出追加投资的意向。国投瑞银去年8月入市的首单专户，初始委托金额为1亿元，由于运作稳健，收益可观，此后亦获追加投资额5000万元。
交银施罗德则于今年1月份签了一单新的专户理财合同，委托规模为1亿元。
大成基金、博时基金、鹏华基金、长城基金等在去年年末也都陆续有签单动作。国内专户理财市场可谓暗潮涌动。
个性化服务作为专户业务最大的卖点，对一些个人高端客户以及机构客户构成很大的吸引力。据国投瑞银基金公司专户业务负责人介绍，该公司一直稳步推进该项业务。去年8月份入市的首单专户，初始委托金额为1亿元。公司把握委托人的真实需求，为委托人设计了一款低风险的偏债产品，不仅避开了去年下半年股市的大幅调整，还抓住了一波债市的上涨行情，深得委托人青睐，因而又获追加投资5000万元。专户理财业务的“量体裁衣”功能和个性化服务，是推动投资人认识并且认可这一服务模式的核心。
不可否认的是，近期专户业务规模的增加和市场转暖有关。从2008年3月专户业务推出到三季度末，尽管有超过30家基金公司获得专户理财资格，但开展实质性运作的很少。截至2008年底，基金专户理财业务的整体规模仅30亿元左右，发展速度明显低于推出前的预期。
一些业内人士认为，随着政府振兴经济政策的实施及市场信心的逐渐恢复，看好A股市场投资价值的声音开始成为市场的主基调。基金专户理财业务规模激增的背后，也是基金和机构开始看好股市未来走势。市场估值风险的释放及基金专户理财收益上的优势给基金专户签单提供了机遇。
泰达荷银集利债券首度分红
泰达荷银集利债券型基金将进行成立以来的首次分红。权益登记日、除息日为3月23日，每10份集利A类、集利C类基金将派发红利0.18元。
申万巴黎拓展网上直销定投
申万巴黎基金将针对持有农行金穗卡和招行借记卡的个人投资者，开通基金网上直销定投业务。投资者在公司网站上通过农行金穗卡和招行借记卡开通网上直销定投业务并成功定投旗下基金，可分别享受申购费率4折和8折优惠。投资者单笔定投申购金额最低限额为200元。
浦银安盛推农行卡网上定投
浦银安盛基金将新增农行借记卡电子直销通道，届时，投资人使用农行借记卡可以直接在公司网站申购公司旗下基金，也可以进行定投。定投申购费率4折，每月最低投资起点为100元。一般申购费率为7折，购买起点为1000元。
国投瑞银网上定投专区升级
为适应投资人的现实需求，国投瑞银基金公司“爱生活爱定投”网上定投专区全新升级。“定投测算”系统是该专区升级后的重要服务内容之一。
兴业全球基金整体业绩不俗
天相投顾近期对60家基金公司旗下所有积极偏股型基金整体净值表现的统计显示，截至2月28日，兴业全球基金公司旗下4只积极偏股型基金近一年、近两年分别排名第一、第二。工银添利债券基金表现抢眼
一对多 篇6
集送货一 体化车辆 路径问题 ( P i c k u p a n dDelivery Vehicle Routing Problem,简称PDVRP)是对传统VRP的一个扩展。通常指:车辆从车场载货出发,配送到各客户点,同时在所到的客户点集货,最后完成送货任务、载着集货回到车场以及车辆无载货从车场出发,到达某货运任务的集货点集货,然后到该任务的各送货点完成送货两大类[1~3]。前一类是从车场到客户问题;后一类是从客户到客户问题。后一类问题必须首先考虑先访问各任务的集货点然后再依次访问送货点,而且各任务的送货点数又不一致,情况比较复杂、难度较大,因此这类问题相比前一类的车辆路径问题研究的较少。
在国外,学者们给出了多种启发式算法进行求解,例如,蚁群算法[4],禁忌搜索算法[5],嵌入式的启发式算法[6],分枝切面法[7]等,取得了一定成果。在国内,针对各个任务集货点和送货点都是一对一的集送货问题有一些研究,例如,李军、郭辉煌[8]在书中给出了数学模型,并运用C-W节约算法对该问题进行了求解。屈援、汪波、钟石泉[9]等人用含有禁忌规则的模拟退火算法对带有时间窗约束的单车场单车型的集送货一体化车辆路径问题进行了求解。钟石泉、贺国光[10]对上述问题进行了扩展,加入了里程约束,并通过改进的禁忌搜索算法给出了该问题的解。而针对各个任务集货点和送货点是一对多的集送货问题研究的较少,霍佳震、张磊[11]讨论了一个单车场、封闭式(车辆由车场出发完成货运任务后再回到车场)带有时间窗的、每项任务有一个集货点和n个送货点(n > 1)的集送货车辆路径问题,用修正的C-W算法分析了求解的过程。陈鑫、王明阳、张丽华[12]对有里程和软时间窗约束的开放式多车场一对多集送货车辆路径问题进行了研究,用遗传算法给出了问题的解。
本文将在文献[11]和[12]研究的基础上进行扩展,采用两阶段贪心策略算法(Two-Phase GreedyAlgorithm,TPGA),求解单车场、单车型、有最大行驶里程、有时间窗约束、开放式、一对多集送货车辆路径问题,并用文献[12]给出的案例验证算法的可行性和有效性,并进一步对TPGA和修正的C-W运算结果进行分析比较。
1 符号描述
文中所用的数学符号如下:
m为任务数;
i为任务i ; 也是任务i的起始点 , 即取货点 ( i=1,…,m);
i’为任务i的最后一个送货点;
d0i为车场0到i的距离;
di'0为i'到车场0的距离;
di'j 为i'到下一个任务j起始点的距离,即任务i到任务j间距离;
n为一个任务中的点数 (n≥2: p=1,2,..,n);至少有两个点,一个是取货点,一个是送货点;
gi 为一个任务的送量货(或者体积);
G为车辆的容量(最大载货量);0.5G≤gi≤G,因此多个任务不能拼车,任务必须独立完成;
c1为每公里费用;
c0为车辆的启动费用;
cet为提前到达的惩罚费用;
clt为延迟到达的惩罚费用;
Cp为惩罚费用;
v为车辆的平均速度;
limit M为车辆的最大运输距离。
2 问题求解
为了使复杂的问题化简,把上述问题分解为两个阶段进行求解:第一阶段对每项任务内部的集货点与送货点进行内部行车路线安排(InnerRouting);第二阶段再进行任务间的行车路线安排(Tasks Routing)。
2.1 内部行车路线安排
由于每项任务具有一个集货点与n个送货点,并且每个点具有时间窗的限制,因此可以把问题看成带有时间窗的开放车辆路径问题。为了便于问题的说明,将集货点编号为0,送货点编号为1, … ,n。sp是车辆到达任务中p点的时间,其必须在一定的时间范围[ETp, LTp] (p =0, 1, …, n )内,ETp表示车辆到达任务中p点的最早时间(时间下限),LTp表示车辆到达任务中p点的最晚时间(时间上限),提前到达的惩罚费用为cet,延迟到达的惩罚费用为clt;c0p为连接任务中集货点0和送货点p的距离,cpq为连接任务中送货点p和下一个送货点q的距离。于是第一阶段的问题成为:求找到一条以0为出发点连接所有点一次且仅一次并使总距离最小、满足时间窗约束的线路。定义变量如下:
得到下列模型:
约束为:
贪心策略的原则:求解时,总是做出在当前看来是最好的选择。即以里程数最小为判断条件,时间窗约束作为考虑惩罚费用的标准。具体算法步骤如下:
step1:令任务i的集货点为0,初始化该任务的里程数jsdi=0;
step2:以集货点的时间窗为基点,计算送货点p的相对时间窗口[ETip’, LTip’] = [ETip- ETi0, LTipLTi0] (i=1, …, m;p=1, …, n );
step3:在任务i的所有n个送货点中找到点p,使得ci0p最小;计算sip’= ci0p/v;如果sip’存在于[ETip’,L Ti p’]中,构成当前局部线路0-p-;如果si p’不在[ETip’, LTip’]中,则计算提前到达的时间ETip’- sip’(或者延迟到达的时间sip’ - LTip’),以及相应的提前惩罚费用cet× (ETip’- sip’)(或者延迟到达的惩罚费用clt×(sip’ - LTip’)),取sip’ = ETip’(或者sip’ =LTip’),并构成当前局部线路0-p-,jsdi = jsdi + ci0p;
step4:在任务i剩余的送货点集合中找到下一个q点,使得cipq最小,计算siq’= sip’ + cipq/v;如果siq’存在于[ETiq’, LTiq’]中,构成当前局部线路0-p-q-;如果siq’不在[ETiq’, LTiq’]中,则计算提前到达的时间ETiq’- siq’(或者延迟到达的时间(siq’ - LTiq’)+ (sip’ - LTip’)),以及相应的惩罚费用,取siq’= ETiq’(或者siq’ = LTiq’),并构成当前局部线路0-p-q-,jsdi = jsdi + cipq;
step5:按step4类推,直至任务i的最后一个送货点i’;获得任务i的送货路径、最后一个送货点i’、任务i的送货总里程jsdi、送货总时间ti以及总惩罚费用。
2.2 任务间行车路线描述
在各项任务内部路径确定以后, 进行任务之间行车路线的安排,即求任务间的最短路径:车辆从车场出发,完成第一个任务的集货/送货后,选择最短的路径、满足时间窗约束、到下一个任务的集货点,…,以此类推,直至车辆停在最后一个任务的最后一个送货点(开放式)或者返回车场(封闭式)。定义变量如下:
得到数学模型:
约束为:
模型中,cij表示为从任务i到任务j的运输距离(即,任务i的终点i’到任务j的起点的距离ci’j)。以ci’j的最短距离作为判断任务间连接的标准,以时间窗约束作为惩罚费用的判断标准。
si是任务i的开始时间, 其必须在一定的时间范围[ATi, BTi]内, 其中, ATi为任务i的允许最早开始时间,BTi为任务的允许最晚开始时间。在第一阶段计算的基础上,确定任务i开始的时间窗 [ATi, BTi](结束点i’的时间窗 [ATi’, BTi’])和任务j的开始时间窗的具体方法如下:
step1: 任务i开始点的时间窗 [ATi, BTi] = [ETi0,LTi0];
step2: 任务i的终止点i’的时间窗口为[ATi’,BTi’] = [ETi’, LTi’],由于任务i的总里程为jsdi,车辆所需的行驶时间为ti= jsdi/v,因此:
以开始点为基础:
step3:任务j的开始时间
step4:判断sj是否在[ATj, BTj]约束之内。
2.3 车辆路径贪心算法
“集送对”车辆路径贪心算法具体步骤如下:
step1:建立所有点位置数组point[x][y],计算点之间的距离dd[i][j];
s t e p 2 : 按照第一阶段算法 , 计算各个任务起始点i到终点i’的自身距离jsd[i]以及t[i](包括一对一、一对多的集送货点);
step3:计算车场到各任务起始点的距离;进行升序排序,存入数组aa0 [0,i,sa] (车场0,任务起始点i,距离sa);路径长度zhd = 0;
s t e p 4 : 建立任务对 ( 起点、终点 ) 位置数组Tpoint[x][y]数组,计算每个任务的终点到其他各任务起点的连接距离ci’j,进行升序排序,存入数组aa[I’,j,sa](终点i’,起始点j,距离sa);
step5:在aa0数组中搜索,如果aa0数组到底且元素都为0,则终止此路径的搜索,转step9。否则:
1)找到车场至任务起始点的最短距离(由于aa0数组是升序的,因此选中的是aa0[0],任务是aa0[0].i),zhd = aa0[0].sa;根据任务的个数m,获得该任务的终点i’=(i + m)。
2)存储任务i的起点和终点i’,以及相关的路径长度zhd=zhd +jsd[i] 进入路径数组bb。
3)令aa数组中i=0,sa=0;令aa0数组中i=0,sa=0。
step6:用i’在aa数组中搜索,如果aa数组到底且元素都为0,则终止此路径的搜索,转step5。否则:
1)找到与i’连接j的最短距离,计算zhd =zhd +sa(i’, j) + jsd[j]。
2)假如zhd≤ (里程约束limit M),存储j,j’以及zhd到路径数组bb。
3)令aa数组中i’,j=0及其相应的sa=0;令aa0数组中相应的j=0,sa=0。
4)假如zhd> (里程约束limit M),则退回zhd,终止此路径的搜索,转step9。
step7:把j’->i’,重复step6;
step8:输出此路径的任务点对;转step5;
step9:终止。
3 案例验证
本文采用了文献[12]中的案例以验证算法的可行性和有效性。有三个车场将其编号为红色1、2、3(如图1所示),坐标依次为[40,60], [55,30 ],[80,51]。车辆从这三个车场出发共需要完成6项货运任务,任务信息见表1,各任务的集送货点为蓝色(如图1所示)。各个车场的车型都相同,已知每辆车的载重量为q=10, 速度v=45, 最大行驶距离为180, 启动费用及单位里程行驶费用分别设为c0=10,c1 =1,时间窗惩罚系数:提早到达的单位时间惩罚费用a=4, 迟到的单位时间惩罚费用b=7,安排车辆行驶路线,使总费用最小。
为了简化问题,本文对文献[12]中的数据进行了整理:1)对集送货点一对一和一对多的情况分别相对集中表示,任务1、2、3、4是一对一的情况,任务5是一对二、任务6是一对三的情况;2)进行第一阶段的任务内部路径计算,任务1、2、3、4、5、6的起终点分别为(1->7)、(2->8)、3(3->9)、4(4->10)、(5->12)、(6->13);3)采用虚拟的任务起终点 (i, i+任务数m),(1,7)、(2,8)、(3,9)、(4,10)、(5,11)、(6,12)进行运算。
实验是在i n t e l ( R ) C o r e ( T M ) i 3 -3220@3.30GHz,8GB内存,64位,Win7系统、C语言环境下进行的。使用时间窗上限(最迟到达时间)进行约束、开放式运行,运行结果如表2所示。车场为1 [40,60],运行结果0-5-11-12-1-7-6-14 -15-132-8,总里程数177;该结果与文献[12]用遗传算法的结果完全一致。车场为2 [55,30],运行结果0-6-1415-13-2-8-1-7-5-11-12,总里程数174。运行路线如图1所示,图中细红色为任务内部集送货路线,粗蓝色为任务间的路线。案例运行验证了该算法是可行的、有效的。
4 与修正C-W节约算法的比较
基于文献[11]对C-W算法的修正思路,0点为车场,为出发点和回归点。i,j为任务的编号,其所对应的集货点和最后一个送货点分别为i,i’和j ,j’。点对间的距离用d来表示,如图2所示。
方案1是从车场0向任务i与j分别派遣车辆, 车辆的总的配送距离D1为:
方案2是从车场0向任务i与j连续派遣车辆, 车辆的总的配送距离D2为:
节约的距离saij = D1 –D2
在各点位置确定以后,di’0 和d0j是定值,可以优化的就是di’j—“空车路线”。
具体求解步骤如下:
step1:计算saij;令数组M={saij| saij >0};
step2:在M内按saij从大到小的顺序排列;
step3:若M =Φ,则终止,否则对第一项saij考察对应的i和j, 若满足下列条件之一,则转下步,否则转step5;
1)任务i和任务j均不在己构成的线路上。
2)任务i或任务j在己构成的线路上, j为在已构成的线路上的始点或i为在已构成的线路上的终点。
3)任务i和任务j位于已构成的不同线路上, 且i为终点j为始点。
step4:连接任务i,j,计算车辆到达各项任务的新时间,转step5;
step5:令M = M-saij,转step3。
在上述相同的系统环境和选用的案例上,编程实现修正的C-W算法,单车场(车场1或2)、封闭式运算得到的结果如表3所示。比较TPGA和修正的C-W算法发现,
1)TPGA的里程数少,节省费用;
2)TPGA的行车路线更加合理,对于各车场来说,任务路线都围绕在各自周围;而修正C-W算法中,车场1的行车路径中没有包含距离较近的任务5->11,反而取了距离较远的任务6->12;车场2的行车路径中没有包含距离较近的任务1->7,反而取了距离较远的任务5->11。
3)修正的C-W算法很难通过略加修改求解开放运行模式。
5 结论
本文对单车场、单车型、带有里程和软时间窗约束的一对多集送货车辆路径问题进行了研究,建立了数学模型,采用两阶段贪心策略算法TPGA进行求解,案例运行表明TPGA算法可行、有效。本文对修正的C-W节约算法进行了讨论和实现,针对TPGA与修正C-W节约算法的运算结果进行了分析,结果表明本算法可以获得较好的效果。
参考文献
[1]Bodin L.,Golden B.,Assad A.and Ball M Routing and scheduling of vehicle and grews-The state of the art[J]Computers and Operations Research.1983,10:63-251.
[2]Desroslers,Glaporte.Vehicle Routing With Full Loads[J]Computers and Operations Research.1988,15:219-226.
[3]Savelsbergh M.W.P.,Sol M.The general pickup and delivery problem[J].Transportation Science.1995,29:17-25.
[4]Gambardella L.M.,Dorigo M.An ant colony system hybridized with a new local search for the sequential ordering problem[J].INFORMS Journal on Computing,2000,12(3):237-255.
[5]Li H.B.,Lim A.A meta-heuristic for the pickup and delivery problem with time windows[C].Tools with Artificial Intelligence,Proceedings of the 13th International Conference,2001:160-167.
[6]Renaud J.,Boctor F.F.,Ouenniche J.A heuristic for the pickup and delivery traveling salesman problem[J].Computers and Operations Research,2000,27:905-916.
[7]Dumitrescu I.,Ropke S.,et al.The traveling salesman problem with pickup and delivery:polyhedral results and a branch and cut algorithm[J].Mathematical Programming,2010,121(2):269-305.
[8]李军,郭辉煌.物流配送车辆调度理论与方法[M].北京:中国物资出版社.2001.
[9]屈援,汪波,钟石泉.单车场集送一体化车辆路径问题及其混合算法研究[J].武汉理工大学学报:交通科学与工程版.2007,(05):811-814.
[10]钟石泉,贺国光.有里程和时间窗约束的一体化车辆调度智能优化[J].系统工程与电子技术.2006,(02):240-243.
[11]霍佳震,张磊.有时间窗集货送货一体化车辆路径规划启发式算法研究[J].物流技术,2004,5:64-66.
一对多 篇7
设计出满足客户功能要求的应用程序和数据库系统是对程序员的基本要求。除此之外,设计的数据库表和表记录应尽可能少,程序的使用界面应尽量方便用户使用,并且程序的运行速度和效率要高。
2 问题的提出
现有一个医保MIS系统,有参保人员10万人,定点医院100家。按政策规定,每家医院不对所有参保人员开放,每个参保人员由医保中心指定若干家医院就医。现有表设计:(1)人员表ry:人员编号ryid,姓名xm;(2)医院表yy:医院编号yyid,医院名称yymc。
按数据库设计范式规定,为体现人员与医院的对应关系,应再设计一个人员医院表ryyy:人员编号ryid,医院编号yyid。对于实际运行的系统,平均每个人员可在80家医院就医,这样人员医院ryyy表中将有10万×80=800万条记录。对如此庞大的表进行检索、修改十分耗时,数据库的存储空间也会大大增加,若出现人员删除的情况,还需设计触发器对人员医院ryyy表中该人员的相关记录删除。可见使用传统的数据库设计方法解决此类问题并不是最优的方案。
3 数据库设计
既然新增一个表将导致庞大的表记录产生,那么能否不新增表,而利用现有的表来完成呢?答案是肯定的。可以利用现有的人员表ry,新建字段医院编号列表yyids,保存该人员对应的所有医院编号,类型为可变字符型。使用Oracle数据库,假设yyid为char(2)类型,则yyids为varchar2(200)。
例如:现有100家医院,其医院编号yyid分别为00--99,某个人员对应的医院编号为00--09,共10家,则它的属性字段医院编号列表yyids取值为00010203040506070809。
这样,只是在现有表中新增一个字段就能满足程序的功能要求。当检索某个人员对应的医院列表时,不需要从800万条记录中去查找,只需查找该人员的医院列表yyids属性即可;修改某个人员对应的医院时,也不需要对其相关的80条记录进行增加、删除,只需对他的一个属性字段进行修改;删除人员时,不需删除人员医院表ryyy中与他相关的表记录。
4 程序设计
数据库设计完成,现在的问题是如何设计应用程序,实现以下3大功能。
4.1 人员与医院有对应关系
建立一个显示所有医院列表的datawindow dw_yy,SQL定义为:select yyid,yymc,'×'as sign from yy;查找该人员的属性字段医院编号列表yyids,例如00010203040506070809;顺序搜索此字符串,每次找到两个字符,即一个医院ID;在dw_yy中找到该医院记录,将其列sign置为‘√’,表示该医院与此人员有对应关系。字符串搜索完成后,凡是与该人员有对应关系的医院,其列sign均为‘√’,否则为‘×’。
示例图如图1所示。
4.2 修改个人对应医院
dw_yy的sign列可以修改,参见图1(yyid=05)。用户对所有医院修改完毕进行保存时,设置一空字符串变量ls_yyids,对dw_yy中所有记录循环,凡是列值为‘√’的医院ID,添加到变量ls_yyids后。循环完成,ls_yyids中就保存了该人员新的对应医院编号列表;将表ry中该人员的字段yyids修改为变量ls_yyids的值即可。
4.3 根据编号判断就医情况
查找该人员的属性字段医院编号列表yyids,例如00010203040506070809;顺序搜索此字符串,每次找到两个字符,即一个医院ID;将该医院ID与给定的医院编号进行比较,若相等则返回True,表示该人员与此医院有对应关系;如果整个字符串搜索完成未发现给定的医院编号,则返回False。
5 结语
上面针对一个特定的应用系统阐述了实现一对多关系的PB算法。对于很多应用系统,对象和对象之间都存在这种一对多的关系,如银行系统中储户与帐号的对应关系,学校管理系统中教师与学生的对应关系等。这些系统的设计和实现都可以参考这种算法的实现思路。另外,上述算法中的程序设计利用PB实现,若采用其他编程语言,借鉴其编程思路,实现起来也是很容易的。
参考文献
[1]Kevin Loney.Oracle Database10g完全参考手册.北京:清华大学出版社,2006.
[2]王珊,萨师煊.数据库系统概论.北京:高等教育出版社,2006.
一对多 篇8
一、集体教育内涵的界定
当前集体教育虽然被广泛采用, 但不同研究和实践者对其内涵的理解却不尽相同。开宗明义, 本文所探讨的集体教育是“着眼于集体”, 面向某个群体而不是独对某个人的教育, 以影响集体成员身心发展为目的的教育形式, 不特指集体主义信仰教育。教育实践中, 有三种倾向可能影响我们对集体教育的理解:一是将集体教育中的共性塑造和个性发展对立起来, 表现为以提倡“个性发展”为名忽视共性塑造, 造成集体组织氛围自由散漫。诚然, 在崇尚个性、讲求创新的时代, 共性塑造和个性发展并不矛盾, 集体教育就是要在理解和把握同代人共性的基础上兼顾“个性发展”, 实现二者的相辅相成、相得益彰, 共同致力于大学生良好道德品质和精神风貌的培养, 通过集体来培养教育个人, 张扬个性是集体教育的应有之意。二是将集体教育中“集体主义信仰教育”与“一般道德教育”等同起来, 或者将集体教育狭隘理解为“集体主义信仰教育”, 这就可能造成由于忽视集体教育形式的运用而错失很多教育机会。三是将“集体教育”内容狭隘化理解的错误倾向, 甚至将集体教育与外部灌输等同。集体教育作为一种历久弥新的教育形式, 其内涵也随着教育实践的发展而与时俱进。集体教育形式不仅应用于课堂教学、还广泛应用于大学生社会实践、党团、志愿者等第二课堂活动中。集体教育不是一种“你讲我听”的教育, 辅导员在集体教育中扮演的不是一种主导的身份, 而是集体教育的参与者和协助者, 集体教育的内容也涵盖集体生活的方方面面, 广泛而深入。
二、集体教育特征的思考
集体教育的实施需要一定的载体, 集体教育的内容就是其载体。苏联教育家苏霍姆林斯基说过, 班集体建设是围绕学生的正常社会化和交往展开的, 这一论述启迪我们对集体教育载体和特征的进一步思考。
首先, 集体教育是一种有导向性的教育, 旨在促进大学生群体的社会化, 包括主流意识形态传承及生活习惯和个人品质养成教育, 要在尊重教育对象发展规律的前提下使他们的发展轨迹符合家庭和社会的期望。随着网络交往方式的普及, 不少大学生忽视现实中的人际交往, 缺乏起码的人际交往技巧和意识, 这些恰恰为他们在集体中接受教育提供了很好的契机, 日常思想教育、行为规范和人际交往准则的引导等这些共性问题是集体教育的重点。
其次, 集体教育是一种广泛意义上的“全人教育”, 旨在帮助大学生实现“自我教育、自我管理和自我服务”的目标。“全人教育”关注每个人智力、情感、社会性、物质性、艺术性、创造性与潜力的全面挖掘, 强调人文精神的培养, 注重生命的和谐与愉悦, 它整合了以往“以社会为本”与“以人为本”两种教育观点, 强调既要重视社会价值又要重视人的价值。相比较而言, 今天的集体教育会更多地考虑大学生个体发展, 因此它是一种广泛意义上的“全人教育”。前苏联教育家马卡连柯指出:“集体不仅是教育的客体, 也是教育的主体”大学生不仅是教育对象, 也是自我教育的力量, 引导大学生开展自我教育、自我管理和自我服务是发挥大学生主观能动性的有效方式, 也是对集体自身教育资源的利用。
另外, 集体教育是一种互动的教育。卢梭在《爱弥尔》中说, 千万不要干巴巴地向年青人讲什么道理, 如果你想使他懂得你所说的道理, 你就要用一种东西去标示它, 应当使思想的语言通过他的心才能为他所了解。大学生在教育的过程中扮演着双重的角色—既是受教育者, 受到来自辅导员施加的影响, 也受到来自其他同学的影响, 同时承担着一个教育者的身份, 在自身接受他人影响的同时也时刻在对他人产生影响, 这恰恰体现集体教育的独特魅力。更深层次的互动表现为集体成员在共同的活动中形成集体的舆论并且在心理上产生一种标准化的倾向—集体规范。集体成员在集体舆论的压力下, 行为符合集体期待, 符合集体规范, 就会得到集体的支持。这一方面会进一步强化他本人的行为, 更重要的是他充当起教育者的职能, 对其他集体成员形成示范效应。
三、辅导员开展集体教育的策略
在厘清集体教育的内涵和特征之后, 那么, 辅导员在开展集体教育时要把握哪些策略呢?
首先, 使集体目标和个人目标相一致。在集体教育的过程中, 设定合理的目标, 采取适当的行动能够大大激发集体成员为实现集体的共同目标的信心, 而集体目标要与个人目标相一致, 要让每一个学生都能在这个集体中愉快生活并有所收获, 同时通过全员参与最大限度减少摩擦, 增进集体内部和谐融洽氛围的形成。
其次, 通过集体中的典型人物来影响和教育个体。集体其他成员可以通过典型人物来实现“观察学习”。集体中的典型人物是多层次、多角度, 涵盖的是指在集体中处于领导地位的, 起支配作用的重要人物。当个体目标与集体目标一致性高时, 个体更易于参考集体中其他成员的行为。辅导员可以创设相互学习的氛围, 让个体寻找集体内的榜样, 这些榜样最好是自己所熟悉的, 既有亲切感又有威信。
再次, 树立正确的集体舆论导向, 坚定不移地传递正能量。在健康舆论导向方面, 笔者认为要关注:人活着的意义, 人如何与自然、社会和谐共存, 人为什么要有远大的理想, 什么是真善美与假恶丑, 什么是身心健康和全面发展, 学生对这五方面问题的探究和思考将伴随着集体教育的全过程。
最后, 注重利用从众的正效益。集体教育要考虑学生的心理需求, 从众的正效益是集体教育的核心制度。个人受群体压力的影响, 在知觉判断、信仰上表现出与群体大多数成员相一致的现象称为从众现象。从众现象既有积极作用的一面也有消极作用的一面, 从众的正效应正是利用了其积极作用的一面, 它可以相互激励情绪, 建立良好社会氛围并使个体达到心理平衡。
辅导员和大学生之间每天都在发生着双向、多向的交流和沟通。用心的辅导员就要在大量的实践中不断体验、感悟, 探究沟通的艺术, 充分发挥集体教育的优势, 使之与其它教育方式相辅相成, 最终达成互相包容和共同发展的目标。
参考文献
[1]张明.关于集体教育的综述[J].科教文汇.下旬刊, 2012, (2) .
[2]郭峰.集体教育与个性教育的辩证关系[J].中国教育学刊, 2002, (12) .
不会刻意抢“一对多”第一单 篇9
本刊上期刊发《专户“一对多”开闸》报道后，在读者中引起很大反响，不少读者来电，希望能进一步了解基金公司专户“一对多”的进展情况。为此，本刊特采访了泰达荷银首席策略分析师兼专户投资部总经理尹哲。
IF：泰达荷银基金公司专户理财已经进展到哪个阶段了?你们会抢专户“一对多”第一单吗?
YZ：我们不会刻意去抢专户“一对多”第一单。从去年4月开始，泰迭荷银取得了专户资格，紧接着泰达荷银便把专户理财提高到战略的高度。但是专户“一对多”毕竟是一个新生事物，对于很多客户而言，第一次的合作满意很重要。因此，做好准备工作、提升投资能力、服务好客户、保证少犯错，比急急忙忙扩大规模重要得多。现在专户“一对多”业务的推出，就是在正确的时间做正确的事情。
IF：现在一种比较流行的说法是“专户‘一对多抢了私募饭碗”，对此你们怎么看?
YZ：公募专户和私募专户各有优势，两者都能生存下来。公募专户的优势在于平台大，有足够实力去支持有几十个人组成的投研队伍，市场营销团队和渠道也更有优势；因为受到监管层的严格监督，在信誉和规范上面更有优势；在公司治理结构、风险控制、业务系统等体系上更具体和成熟。而私募的优势在于，与公募经典的投资方法相比，其投资方法各有特点，私募常常有个人的品牌优势。
IF：由于专户有业绩提成，不少人担心基金公司会“重专户、轻公募”，这种迹象也已经在个别基金公司身上体现。泰达荷银基金公司将如何在人才和其他资源投入上平衡专户与公募基金客户的利益?
YZ：泰达荷银的人才储备非常丰富，不会出现那样的情况。我们目前专户销售和客户都有专门的部门。泰迭荷银基金公司在人员储备方面一直是侧重从公司内部培养，都是从投研一步步成长起来，人员储备对于我们不成问题。
IF：有评论认为“专户理财或将毁灭公募基金”，专户将无法完全避免基金公司利益输送的情况出现。对此，你们怎么看?
YZ：作为一个专业的基金管理公司，专户和公募其实就是业务开放先后的关系。这都是作为专业理财机构的基金公司的基本业务，只不过根据监管部门放开的先后进行运作，就像以前的封闭式基金和开放式基金一样。我们在研究平台上是共用的，这个证监会是允许的，不过投资决策和交易都是分离的。
利益输送现在很难出现。第一，从自然规律看，投资竞争性很强，能够生存下来的一定是靠本事，而不是作弊。第二，从法律环境来看，证监会对于专户理财的制度性条款十分明确，基金公司的利益输送也是公众最关心的，这种情况下作弊的可能性基本为零。
IF：现在大家都对基金公司“一对多”的销售渠道有疑虑。泰达荷银基金公司“一对多”将会有什么特点，与私人银行合作会是主要销售渠道吗?
YZ：“一对一”与“一对多”实际上是完全不同的两个东西，产品的设计也不一样。我们把专户“一对多”设计成五大模块，投资者可以根据需要进行组装，构成新的产品。发行渠道主要通过券商、银行，还有我们自己的营销团队。
IF：选择在今年重点发展专户，是否意味着此时进入市场有获取绝对收益的机会?