基于犹豫模糊元最小公倍数拓展法及模糊熵的双边概率语言多准则决策方法

双边概率语言术语集能在高度不确定性决策环境下更细致完整地刻画决策者复杂评价信息,其决策理论与方法亟需深入研究.本文针对具有双层评价指标结构且权重未知的典型复杂决策问题,提出一种更具实际适应性的双边概率语言科学决策方法.首先,提出基于最小公倍数的犹豫模糊元拓展法以避免主观态度假设等限制及相应潜在信息扭曲,并藉此定义了双边概率语言距离测度、熵和相对熵测度.其次,利用熵和交叉熵开发二级指标的客观权重确定模型,并引入BWM方法来确定一级指标的主观权重.进一步,基于上述方法与模型构建了面向双层评价指标结构决策问题的双边概率语言多准则决策方法.最后,可持续供应商选择案例研究与实验对比分析验证了所研决策方法的有效性与优越性.     

基于模糊AHP的企业IT项目子系统建设后评价模型

企业IT项目是要建立一系列信息子系统,在某个子系统建设完成并投入使用一段时间后必须对其进行评价,为下一个子系统的建设积累经验;文章建立较为完整的评价指标体系,并在WSR方法论的指导下,综合运用了Delphi法、模糊层次分析法、灰色关联度方法及模糊综合评价方法,提出了一个基于模糊AHP法(FAHP)的综合评价模型,提高了评价过程的客观性和评价结论的准确性。     

定性系统单元分解仿真算法研究

标准的QSIM算法,由于基于全局状态表示来描述、推理系统的行为,对于复杂系统推理求解时会产生不可控分枝问题.文章提出一种系统分解的仿真算法,将定性模型分解成称之为"单元"的子模型.对单元分别应用QSIM推理,对单元间的关系通过约束传播使得子模型推理一致.这种系统分解仿真算法可大大降低QSIM算法的不可控分枝,提高系统的仿真效率.     

基于延迟理论的Supply Hub出库调度模型

考虑了配送准时性和配送成本之间的悖反关系,将延迟理论引入配送调度,研究了订单随机到达、准时配送的supply hub的出库调度问题.考虑订单到达时间的随机性对配送准时性的影响,设计了一个带延迟因子的滚动调度模型,建立了supply hub准时制配送的出库调度多目标规划模型.根据模型的特点,设计了求解模型的克隆免疫算法.最后,结合数值实验,对延迟调度模型和实际使用的调度模型进行了对比分析.研究结果表明,带延迟因子的调度模型相比常规调度策略.能明显降低随机性订单的配送成本.     

基于消费者视角的智能快递使用意愿实证研究

随着电子商务蓬勃发展,网上购物交易量持续增多.快递包裹数量出现跨越式增长,传统送货上门的方式已不能满足最后一公里配送需求,于是智能快递柜应运而生.本文以消费者为研究对象,从情景和用户的角度,构建出智能快递柜的使用意愿影响因素的模型.通过多元逐步分析得出情景因素中的智能快递柜的位置便利、包裹轻便和感知时间压力以及用户特质中的感知有用性和个体创新性显著影响智能快递柜的使用意愿.因此本文结论对未来智能快递柜的发展布局及完善具有重要意义.     

虚拟企业的构建与协调

首先阐述了虚拟企业产生的背景;然后从识别、组建、运行、中止4个阶段来分析虚拟企业的生命周期,论述了虚拟企业构建过程中的关键要素;最后从企业文化的角度论述了虚拟企业的协调,同时对我国虚拟企业发展现状、存在的问题及对策进行了探讨.     

基于证据理论的证券投资分析方法

文章基于证券市场的多变性和存在诸多不确定性的客观事实,分析了单一证券投资技术方法的弊端,建议用多种分析方法预测证券未来的走势;引入证据理论来处理不同投资分析方法结论存在的差异;将不同的技术分析方法作为独立的证据源,用Dempster-Shafer合成法则对各种方法的结果予以融合,提高了投资分析结果的可靠性和科学性。     

网络教育资源浏览的导航模型及其挖掘算法

将Web使用挖掘应用到网络教育领域,分析了其挖掘过程,包括数据采集、数据预处理、模式发现和模式分析;通过建立网络教育资源导航模型,并利用蚁群算法对Web日志数据中使用者的浏览行为进行挖掘;提出一个新的导航路径挖掘算法,可以发现有价值的用户浏览模式,指导用户对教育资源作进一步的搜索,还可以将训练好的网络图用于用户的个性化定制服务。     

城市突发事件的应急设施选址群决策方法

针对应急设施选址中存在的一类不同决策部门存在不同权重且属性值为精确数、三角模糊数和语言值的混合型多属性群决策问题,提出了一种基于TOPSIS和距离测度的应急设施选址群决策方法。该方法可直接集结评价信息,避免了数据类型转换和量纲统一所造成的信息损失,同时基于距离测度方法确定决策部门和属性的客观权重,将其客观权重和主观权重线性合成为综合权重。最后,通过具体的应急设施选址案例验证方法的可行性和有效性。     

LBSN中考虑用户交友偏好的好友推荐方法研究

基于位置的社交网络(location-based social networks,LBSN)大为流行之余,也带来了信息过载问题.好友推荐是所有社交网络必须面临的问题,为了改进LBSN中好友推荐的效果,构建了考虑用户交友偏好的好友推荐模型(friends recommendation considering users'preference,UPFR).从兴趣相似性、距离和熟识度三个属性刻画LBSN中的用户,兴趣相似性属性基于信息熵理论计算、距离属性通过朴素贝叶斯推导、熟识度属性建立在共同好友的基础上.在对三个属性进行集成时,考虑了用户的交友偏好,通过目标用户的好友列表确定各属性的权重,建立了自适应用户交友偏好的好友推荐算法.通过Foursquare上的数据实验证明该算法能取得较优的综合推荐效果.