基于CBR的化妆品销售组合预测模型

预测是销售企业面临的至关重要的问题,预测精度会直接影响到企业的利润及长远发展。考虑到化妆品销售独特的生命周期特点,提出基于案例推理技术的化妆品销售组合预测模型。基于案例推理技术能够弥补短生命周期产品数据不足的问题,根据"最相似"产品的数据对目标产品属性进行推理计算,既提高了预测精度,又便于实际操作。在此基础上,提出了改进的BASS模型及季节性趋势增长模型,充分考虑数据序列波动的季节性、趋势性及其完整的生命周期特征。为了进一步提高预测精度,提出AFTER-GA组合预测算法,并添加PSOWv-SVM模型作为组合预测的模型之一,利用模型处理外界影响因素的能力,使得各模型取长补短,更有效地突出各模型的优势,从而取得更精确的预测结果。实例分析表明,AFTER-GA组合预测算法在精度上要明显优于其他方法;基于CBR的组合预测模型在化妆品销售预测方面,能够达到令人满意的精度要求,具有实际应用价值。     

两阶段法求解混装模式下的加热炉调度

针对目前加热炉调度模型少有考虑混装模式下加热炉调度优化的不足,建立了连铸-热轧混装-体化模式下的加热炉生产调度优化模型,并提出了基于贪婪算法和模拟退火算法的两阶段求解方法.生产数据测试表明该模型和算法能有效解决加热炉调度问题.     

高校博士生学术行为失范原因调查和分析

为了掌握博士研究生学术失范行为的现状,对北京四所全国重点大学的在校博士生进行了问卷调查,对问卷进行统计,并对不同因素引起的学术失范现象进行了分析。社会环境、学校的制度与教育工作、导师的指导行为和其主观因素都影响博士研究生的学术行为。文中的数据大致反映了不同因素对博士生的影响状况。