CIMS环境下一种顾客需求偏好结构模型

以多目标决策理论为基础，提出了一种顾客多目标需求的整体偏好结构模型。该模型反映了顾客满意度水平，能同时获得该满意度水平的人数以及相应目标值等方面的信息，能比较好地描述和集结被考察顾客群体的偏好结构，为ＣＩＭＳ环境下产品的质量设计和质量功能配置提供支持，对模型的性质进行了分析，并用实例对模型的应用进行了阐述。     

百联股份资本结构分析与思考

企业的资本结构是企业理财和战略管理的重要内容,它决定了公司的资本成本的高低,直接影响到企业的经营成本和债权人的切身利益。公司资本结构的合理与否直接关系到生产经营活动的顺利进行,关系到企业的生存与发展。本文是对百联股份资本结构的现状进行分析,并从中找到使其资本结构优化的策略。     

基于不同偏好信息集成的带钢质量评价方法

在研究多属性决策中常见偏好信息之间的相互转换关系基础上,将带钢质量评价抽象为研究多属性群决策问题.根据企业对产品质量各个影响因素评价的特点选用不同偏好信息决策方法,集成构造不同参数的评价矩阵,然后将不同偏好信息矩阵一致化,再利用矩阵排序的加权平均法对带钢质量状态排序,从而达到对一批带钢产品进行质量综合评价的目的.文中给出了实例对该方法进行验证.     

基于拍卖方偏好揭示的多属性网上拍卖模型

为了揭示拍卖方偏好对多属性网上拍卖的影响,研究由一个买方和多个卖方组成的多属性网上拍卖模型.根据模型,在多属性拍卖开始时,买方需要揭示偏好信息,给出每个属性的期望值和保留值.在拍卖过程中,买方Agent和卖方Agent分别代表拍卖双方进行评标和投标,由买方Agent控制拍卖协商过程.最后用一个多人参与的算例说明了该模型的有效性.这种方法能够避免多属性加权和模型的缺点,并且可以有效的控制拍卖过程.     

基于蚂蚁寻径原理的最优路径选择算法

蚂蚁算法在动态路径寻优方面具有特有的优势。文章首先阐述了蚂蚁寻径原理,在长春市驾驶员调查问卷的基础上,对驾驶员的偏好性进行了分析。在蚂蚁寻径原理的基础上,结合驾驶员的偏好性,提出了一种能够综合反映驾驶员偏好的最优路径选择算法。算法以调查问卷得出的驾驶员最为关心的三类因素——行程时间、行驶距离和道路等级为考虑因素,以驾驶员对路径的硬性要求为约束条件,通过对偏好性参数的标定,体现驾驶员在路径选择上的不同偏好。最后以算例进行验证,表明算法具有很好的可行性和适用性。     

大数据赋能的C2B个性化定制决策范式

从消费者的个性化偏好入手,借助红领集团C2B个性化定制模式创新案例,构建个性化产品与大众化产品市场竞争博弈模型,分析大数据赋能的C2B个性化定制模式下消费者与厂商的决策范式.结果表明:消费者个性化偏好是大数据赋能的C2B个性化定制的决策源点;随着个性化偏好的增大,消费者选择定制个性化产品,既能充分满足自身的个性化需求,...     

带有多属性偏好决策模型的应用

多属性决策方法是决策者在管理和项目选择中的重要辅助工具,在分析多属性决策问题的基础上,依据LINMAP法的基本思想,在给出群体一致度和非一致度的基础上,构造了一个估计正理想点和权重的线性规划模型,通过计算每个方案与正理想点之间的距离来确定最优方案.     

乡村旅游偏好研究——以陕西省兴平市马嵬驿为例

旅游偏好被视为进行旅游决策前的主要过程,对于有选择地开发旅游产品、进行市场营销非常关键.以新兴的乡村旅游地——马嵬驿作为研究对象,采用问卷调查法,运用频数分析和交叉列联表分析定量测量了游客对各项旅游因素的偏好程度,最后提出乡村旅游开发的建议.结果显示:游客的旅游体验明显高于预期,且对品尝特色小吃、感受特色民俗、儿童体验农村生活以及土特产和手工艺制作具有较高的旅游偏好.游客倾向于通过他人推荐和网络获取信息,偏好自驾游、自助游,平均停留时间较短,人均消费水平不高,且不同年龄段的游客对旅游活动、停留时间、出游方式、人均花费的偏好存在很大的差异.     

基于顾客偏好的瓶装水外观感性质量评价

从感性质量评价的角度提取13个感性质量评价词对,用于全面且针对性地评价顾客对瓶装水的偏好.以"想购买"为综合感性提取瓶装水的感性质量评价要素,结合聚类分析等方法确定7种代表性样本.基于语义差异法构建瓶装水感性质量评价量表,运用多元回归模型分析建立顾客偏好与感性评价词对之间的关系模型.关系模型解决了如何识别顾客偏好和感性质量需求,以及如何将这些偏好和需求整合到产品设计过程中的问题.     

面向历史轨迹的多因素驾驶偏好挖掘算法

提出一种新型基于窗口的数据挖掘算法,以用来挖掘所定义的多因素驾驶偏好.具体地,定义了多因素之间的两两权衡来刻画驾驶偏好;提出了一种用于估算偏好分布的挖掘算法,并根据假设引入了椭圆对挖掘算法进行了优化.结果证明,该方法能够发现本文所定义的多因素驾驶偏好,并且算法有效、快速,具有较好的扩展性.