基于触发策略的企业动态联盟利益分配博弈北大核心CSCDCSSCI

在关系契约理论和演化博弈理论的框架下,构建了企业动态联盟的利益分配博弈模型。重点探讨了重复性合作情境中,在考虑利益的时间价值后,企业的不同触发策略选择对联盟利益分配机制的影响及原因,并与一次性合作情境进行比较,导出了6个重要的相关结论。通过数值模拟分析,对所得结论进行了验证。较好解决了一次性和重复性合作的利益分配原则及易于维护联盟长期稳定的策略问题,可切实指导联盟利益分配协议的签订。     

产出分享模式下动态物流联盟利益分配方法

为充分体现"收益共享、风险共担"的合作关系,动态物流联盟收益分配应以产出分享模式为主.在此基础上,本文建立动态物流联盟利益分配的两阶段过程模型,即在联盟组建期综合考虑各种利益分配要素,提出基于满意度的综合集成方法确定初始利益分配方案,在联盟解体期依据联盟实际运行状况提出不对称Nash协商模型对初始利益分配方案进行协商,以确定最终利益分配协调方案.应用实例表明该模型的合理性和有效性,为动态物流联盟利益合理分配提供切实可行途径.     

供需网企业合作利益分配机制

针对现有利益分配机制存在的缺陷,提出了供需网企业合作利益分配机制模型。该模型利用合作意愿度模拟了供需合作子网内部两节点的博弈格局,分析了两节点之间合作利益的分配过程;通过引入利益调节因子协调两节点利益分配不均衡问题,深入探讨了分配决策对市场销量、价格和节点利益的影响,给出了利益调节因子的调控范围,有效解决了两节点因利益分配不均而引起的合作积极性不高问题。     

基于企业核心能力的Raiffa裁决

利益分配问题一直以来都是虚拟企业合作中争论的热点问题,利益分配模式的选取一定程度上依赖合作的模式,根据目前出现的以企业核心能力为依据的虚拟企业合作伙伴优化选择模式,笔者提出了基于企业核心能力的Raiffa裁决,将量化的核心能力指标权重代入Raiffa模型以求得更合理的利益分配。     

基于TOPSIS的动态联盟利益分配方法

动态联盟在利益分配时,成员会倾向于不同的利益分配方案,联盟的意见会因此产生不一致.本文提出一种综合利益分配法,运用TOPSIS思想为不同的利益分配方案确定权重,最后折中成一种综合方案,解决多种协商结果不一致问题,达到了动态联盟中利益分配的协调.本文发现运用逼近负理想点和逼近正理想点方法会得出两个不同的分配结果,这两种方案的选择取决于联盟成员悲观或乐观的不同心理倾向,文中尝试使用乐观指数α来折中这两种情况.     

试论企业战略联盟分配问题

运用博弈论基本理论,通过纳什利益分配模型分析了战略联盟的分配问题,导出了n个企业联盟时利益分配一般公式,指出纳什解与贴现因子δ=1时鲁宾斯坦解的一致性.最后考察了协商点的3种确定方法.     

应用ANP的Shapley值法动态联盟利益分配策略

基于Shapley值法的利益分配策略是研究企业动态联盟利益分配的有效方法之一.由于它在利益分配过程中未能考虑盟员承担风险等因素影响的差异性,因此会造成利益分配的不合理性.应用网络分析法(ANP)确定对影响联盟利益分配的贡献率、风险以及投资额等因素的权重,进而对基于Shapley值法的利益分配策略进行修正.最后通过实例证明这种修正方法更为合理、更符合实际.     

工程项目突发事件知识联盟利益分配研究

将知识联盟引入到工程项目应急管理中,以降低突发事件给建筑企业带来的损失.在Nash谈判理论的基础上,建立工程项目突发事件知识联盟利益分配的两阶段基本模型,然后通过分情况讨论努力水平与利益分配系数的关系,增加博弈环节,将两阶段的利益分配模型扩展到多阶段,提出了基于内部博弈的工程项目突发事件知识联盟的多阶段利益分配方案.     

含有风险的供应链联盟伙伴利益分配法

利益分配是供应链联盟形成及运作的核心问题,关系到联盟的稳定与成败.本文在研究供应链联盟利益分配原则的基础上,提出了供应链联盟两步利益分配法,使分配结果体现多劳多得和互惠互利的原则;并根据供应链联盟伙伴在联盟中承担风险的不同,给与相应的风险补偿.     

“前港后厂”供应链“链-链”联盟利益分配

“前港后厂”模式下,港口为钢厂生产提供高质量的增值服务,形成了以港口服务供应链与钢厂制造供应链相辅相成的“链”与“链”联盟。而共生共赢的利益分配方案是影响联盟稳定与联盟绩效的关键因素。因此,为促进“前港后厂”供应链联盟有效运行,针对港口服务与钢铁制造“链-链”联盟的特点,考虑服务贡献度与服务时长差异,以联盟整体利益最大化为目标,构建了其利益分配模型。由于模型非线性、不可微,对结果精确性要求高,故选择搜索幅度广、进化空间大的细菌觅食优化算法求解。本文设计的觅食动力学与觅食优化算法相结合的新算法,克服了单一觅食优化算法翻转方向不确定导致其稳定性差的缺陷,提高了算法精确度及稳定性。使用Python语言仿真验证表明利益分配结果符合合作博弈理论中整体理性与个体理性原则,证明该利益分配模型公平高效,为制造业与服务业的“两业融合”提供了科学依据与理论方法。     

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.     

考虑风险偏好的区间2型模糊多属性决策方法

针对区间2型梯形模糊集(IT2TrFS)的多属性决策问题,提出了一种考虑决策者风险偏好的多属性决策方法.首先根据决策者的风险偏好给决策者分类,提出了决策者风险偏好的度量方法,进而求得决策者风险偏好决策矩阵,并定义了新的可能度计算公式:最后通过计算符号距离得到方案的排序结果.实例分析表明该方法科学合理,决策者的不同风险偏好对决策结果存在影响,方法对比说明与已有算法相比该方法有更强的适用性:对风险偏好和风险保守的决策者同样适用.     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

基于K近邻决策分布图的决策层融合目标识别

决策模板法是一种直观的决策层融合目标识别方法。该方法实质上是将目标的决策分布图作为特征矢量,将其和每类目标的决策模板进行匹配以实现融合识别。由于每类目标的决策模板是该类目标所有训练样本决策分布图的平均,因此它不能反映训练样本决策分布图的分布情况。为减少目标决策分布图散布对融合识别效果的影响,提出采用K近邻方法对目标的决策分布图进行分类,以实现融合识别。仿真实验结果表明所提方法的平均融合识别率优于决策模板法。     

基于格理论的数据包络分析方法

基于偏序集理论的数据包络分析方法中通过引进适当的偏序关系,不仅建立了决策单元之间的特殊关系,也给出了决策单元无效及弱有效的部分原因。然而,随着决策单元所选取投入产出指标个数的增加,决策单元之间的偏序关系可能越来越少,从而能为决策者提供的决策消息也随之减少。本文通过引进决策单元之间的交并运算生成了新的样本决策单元,这些决策单元与原有决策单元将构成格,且这一格关系不仅能够为决策单元的投影提供相关依据,也为决策单元的合作与竞争提供新了思路。最后,引进了相关定理、算法及实例。     

基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

考虑可信度和方案偏好的犹豫模糊决策方法

研究了对方案有偏好的犹豫模糊多属性决策问题。对每一个评价值给出相应的可信度,用来表示决策者对专业领域的熟悉程度。基于可信度提出几个犹豫模糊信息关联度公式,并讨论了它们之间的关系。基于决策者的主观偏好与客观偏好之间的关联度建立属性权重模型。给出一种考虑可信度且对方案有偏好的犹豫模糊多属性决策方法。算例证明了所提方法的有效性。     

基于朴素贝叶斯和EM算法的软件工作量缺失数据处理方法

软件工作量数据缺失是软件工作估算的一个难题.本文在朴素贝叶斯模型和EM(expectation maximization)算法的基础上,提出了针对软件工作量数据缺失的处理方法.首先,本文介绍了数据缺失的内在机理;然后,本文提出了基于朴素贝叶斯和EM算法的软件工作量预测的方法;之后,本文提出了两种软件工作量数据缺失处理方法:容忍数据缺失方法和修复缺失数据方法;最后,本文利用ISBSG和CSBSG软件工作量数据集验证了本文所提出的数据缺失处理方法.实验结果表明:本文所提出的两种缺失数据处理方法的性能要优于MINI修复方法结合SVM的分类模型;修复缺失数据方法的预测性能要优于容忍数据缺失方法;对于两个数据集来说,其每一类别的工作量数据都来自于一个高斯组件.     

基于目标偏离容忍水平的多目标交互式决策方法

提出了一种基于目标偏离容忍水平的多目标决策新方法．该方法充分考虑到了实际决策过程具有的目标多样性、主客观互动性等特点,根据目标希望水平和目标偏离容忍水平在原多目标问题的基础上构造辅助模型,通过求解辅助模型得到原问题的非劣解,并经过与决策者的反复交互将不同的目标偏离容忍水平整合入模型当中,最终得到满意解．本文的方法具有结构清晰、求解方便快捷、易于反映决策者偏好结构等优点．