基于证据理论的不确定可拓推理及其应用

针对可拓推理的不足及可拓知识的不确定性,将关联函数与信任函数结合起来,研究不确定条件下可拓推理的可信度与支持度、冲突度与一致度,构建了基于证据理论的可拓推理函数及合成规则,以实现决策对象在不确定条件下的比较与选择,解决了多方案可拓推理、动态识别的数据挖掘问题,提高了可拓推理的准确性和可信度。     

基于顾客选择行为的客房分配模型研究

针对酒店收益管理中的客房分配问题,研究顾客满意度对客房资源分配和收益的影响,基于消费者行为理论,构造顾客客房效用函数,建立了消费者离散选择模型,通过调查问卷方式收集顾客偏好信息,利用变精度粗糙集方法对影响消费者选择的因素进行约简并计算权值,在此基础上建立了酒店客房分配模型。最后通过实例对该模型进行验证,计算结果表明了该模型的有效性。     

《供应链管理》互动式教学探讨

《供应链管理》是一门理论性和实践性都很强的课程,在教学中使用互动式教学方法,能极大地调动学生的学习热情和积极性,增强教学效果,是提高教学质量行之有效的方法。该文分析了《供应链管理》课程的特点,总结现有教学方法的不足,提出实施互动式教学的方法。     

一种改进的Lasso方法及其在对数线性模型中的应用

变量选择在数据分析中有着重要应用,其参数估计的渐近性质,特别是Oracle性质及组效应性质在变量选择方法上尤其重要。针对Lasso方法一般情形下不具有Oracle性质及组效应性质,将探讨Lasso的一种改进方法,即Adaptive elastic net方法在Poisson对数线性模型的应用,证明当满足一定条件时,Adaptive elastic net方法估计具有Oracle性质及组效应性质,并利用数值模拟验证其优良性。     

《供应链管理》互动式教学探讨

《供应链管理》是一门理论性和实践性都很强的课程,在教学中使用互动式教学方法,能极大地调动学生的学习热情和积极性,增强教学效果,是提高教学质量行之有效的方法。该文分析了《供应链管理》课程的特点,总结现有教学方法的不足,提出实施互动式教学的方法。     

用于高维函数优化的多智能体量子进化算法

基于智能体的竞争和学习能力、量子计算理论及生物进化策略,提出了一种新的优化方法——多智能体量子进化算法．一个智能体代表优化问题的一个可能解,所有的智能体都以量子染色体表示．该算法将智能体分布于多智能体网络环境中,智能体之间通过量子进化来实现竞争及学习,以提高个体的竞争能力．理论证明该算法具有全局收敛性．实验结果表明,该算法具有强的全局寻优能力及快速搜索能力。     

双关键词广告拍卖中广告主竞价策略

互联网环境中广告主在关键词广告位上的竞价大多是对多个关键词同时竞价的,但当前研究都集中在单关键词上。研究了广告主在2个关键词广告位上的竞价问题,建立了双关键词拍卖模型;提出了用户纯度的概念,分析了在不同用户纯度下广告主的竞价行为。结果进一步表明,广告主的竞价策略和使用该关键词的用户纯度相关。     

一种新量子进化算法及其在函数优化中的应用

基于量子计算理论和进化理论,提出了一种新的量子进化算法-基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,算法以实数矩形区域来表示基因,一条染色体携带多个个体信息.利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程.实验表明,该算法在函数优化上具有优异的性能.     

不完全信息的审计博弈及风险分析模型

从混合审计博弈策略和不完全信息出发,研究审计期望收益及策略矩阵,分析基于被审计对象的违规倾向、利益转移的审计风险类型及关系,构建了基于不完全信息的扩展审计博弈模型.将定性分析与定量研究相结合,实现博弈策略在不完全信息和隐藏行为下的比较与选择,提高了审计博弈风险分析、策略择优的准确性和可信度.