基于改进投票协议的群决策综合评判方法

研究在群决策支持系统(GDSS)中对决策对象的综合评判问题.在分析现有方法局限性的基础上,提出一种基于改进的Bora投票协议的群决策综合评判方法,以实现agent对代理者偏好的提取.通过比较简便的方法收集决策者的评价意见,依照协议将定性的评价映射为数量评分.采用的投票协议可以避免建设性的操纵,克服了以往系统的主要缺陷,有效地实现了多人、多因素条件下的定性评价的量化和排序.     

风险资本退出时机和方式决策控制

对风险资本退出的两个重要问题--退出时机和退出方式进行研究.将可观测的利润流作为内生决策变量,基于实物期权方法分别建立了风险资本在股份转售、公开上市等退出方式下的退出时机决策模型;并应用金融工程中的或有要求权定价方法,求出各退出方式下的实物期权价值以及各退出方式下退出时机对应的利润流阈值;最后得到了风险资本退出时机和方式的决策控制准则,并且举例说明了该准则的应用.     

供应链管理视角的客户服务满意度评价方法

在吸取客户服务评价的优秀经验的基础上,通过分析影响客户满意计算评估的诸多因素,从供应链的角度研究了客户服务评价的原则,探讨了面向供应链终端客户的评价方法和面向供应链伙伴的客户服务评价方法,构造了两套客户满意评价指标体系, 用改进的AHP法确定各因素和因素项的权重, 对评价指标进行无量纲处理形成单因素评价矩阵, 运用模糊决策理论构造评价模型进行综合评价.这种评价方法具有科学性、全面性和客观性,减少了评价的盲目性,增加了评价的可靠性,便于企业在实践中应用.     

计算机模拟在库存决策支持系统中的应用

在详细分析医院药库库存决策支持系统中存在的问题的基础上,针对随机性离散需求量的库存模型,将计算机模拟技术与库存模型相结合,从而解决了随机性需求量库存模型求解难的问题,在实际应用中取得良好的效果.     

基于移动设备云迁移的节能决策算法

随着云计算的兴起,云迁移计算开始成为移动设备获取计算资源和降低功耗的有效方式.云迁移的主要想法是将移动终端的复杂任务经由无线网络迁移到云端执行,然后再接收计算结果.然而,无线网络的不稳定性和数据传输的高功耗限制了云迁移计算在移动设备中的应用.不同于已有工作,本文通过引入数据压缩的方法完善了云迁移计算决策模型,并且基于对未来时段网络期望的预测,提出了一种节能迁移计算决策算法——EPVAD.基于实际的3G网络带宽数据和开发测试平台,实验结果显示:EPVAD算法的节能效果较同类算法平均优14.9%,并且算法自身的系统开销可忽略.     

公众环保意识影响地方政府环保决策的范例——广东番禺垃圾焚烧厂选址事件的分析

当城市拥有了整洁的环境,大多数人利益得到保证的同时,如何保障垃圾厂周边少数人的利益,成为社会需要认真面对的问题。通过对广东番禺垃圾焚烧厂选址事件中公众环保意识增强和由此引发的相关民间环保行动为范例,分析了公众环保意识影响政府环保决策的过程。     

Global awareness, future city design and decision making

Our world has been changing at an exponential rate.As a result of this rapid growth,we will be forced to make changes in not only the way we live in the environment but also in the environment itself such as designing the cities of the future to be in greater harmony with the increasing population and growing complexity.The paper contains both reflections on global awareness and comprehensive criteria and their priorities for choosing the most desirable city.     

基于多目标群决策迭代算法的PPP项目合作伙伴选择

基于决策个体满意度水平的基础上,运用赋权的方法导出决策个体的总体满意度和群体的联合满意度,使PPP基础设施建设项目参与群体的联合满意度极大化作为项目群决策的规则,从而求解PPP项目多目标群决策问题的最佳调和解.并由于决策个体目标以及各子目标间的矛盾性,当决策个体的个体满意度水平过高时,会导致PPP项目群决策中各决策个体...     

Business failure prediction using decision trees

Accurate business failure prediction models would be extremely valuable to many industry sectors, particularly financial investment and lending. The potential value of such models is emphasised by the extremely costly failure of high‐profile companies in the recent past. Consequently, a significant interest has been generated in business failure prediction within academia as well as in the finance industry. Statistical business failure prediction models attempt to predict the failure or success of a business. Discriminant and logit analyses have traditionally been the most popular approaches, but there are also a range of promising non‐parametric techniques that can alternatively be applied. In this paper, the relatively new technique of decision trees is applied to business failure prediction. The numerical results suggest that decision trees could be superior predictors of business failure as compared to discriminant analysis. Copyright © 2009 John Wiley & Sons, Ltd.     

P_MOEA：一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下，SLA约束下的服务组合优选是实现服务质量管理的重要基础之一．服务组合优选既是一个组合优化问题同时也是多目标决策问题，需要高效的算法以支持大规模的候选组合方案集合，同时也需要有效的评价模型来明确定义候选方案的优劣程度，从而为决策者提供支持．现有的服务组合优选方法多基于两种模型定义其优化目标：线性效用函数和Pareto最优．前者需要量化权重配置以定义效用函数，但是对于用户来说精确的量化权重配置是一个非常困难的任务，特别是在涉及到的QoS维度较多时；后者无需权重配置，将Pareto最优的skyline集合作为优化结果返回给用户，然而skyline集合的规模是不可控的，最优结果集的规模会随着问题的规模增大而显著增大，过大的最优结果集显然难以为决策者提供有效参考，针对上述传统方法的不足，在本文中，我们将PROMETHEE方法弓I入服务组合优选问题，结合Pareto和PROMETHEE两种评价模型，将skyline集合基础上的Top—kPROMETHEE最优方案作为优化目标，提出并实现了一个高效的遗传算法：P—MOEA．算法可以针对大规模问题，高效地返回Top—kPROMETHEE最优组合方案集合，从而为进一步的决策提供有效的参考．我们实验验证了算法的效率和有效性．