基于粗糙案例推理在线自我学习决策方法

随着知识进步信息增长,现实决策环境日趋复杂.因决策人的有限理性所导致的决策不确定问题亟需解决.知识发现是解决不确定性问题的有效方法.基于案例推理和粗糙集是从数据中挖掘知识的良好工具.因此将粗糙集应用于基于案例推理,提出基于粗糙案例推理的在线自我学习决策方法.文中设计了决策模型和算法,并以应用实例对该方法的合理性和有效性予以说明.     

创业者如何从事件中塑造创业能力?——基于事件系统理论的连续创业案例研究

本文采用探索性案例研究方法,以连续创业者10年创业经历为纵向研究案例,基于事件系统理论深入探索创业者创业能力形成的过程机理,并揭示创业活动的差异、创业者自我效能感、创业认知、创业学习对该形成过程的影响。研究发现:事件空间、强度影响连续创业者的创业认知模式支配地位,创业者在被动性事件中倾向于采用分析式认知模式识别创业机会,采用直觉式认知模式发现创业资源,通过创造主动性事件在行动学习中利用创业机会,在经验学习中获取并管理创业资源;创业自我效能感能够调节创业者认知模式的转变,创业学习能够促进主动性事件对创业能力的提升效果;连续创业过程中,被动性和主动性事件的交互作用形成创业能力提升的正反馈,被动性事件变少、主动性事件变多,创业能力得以巩固。研究结论对创业者如何在复杂事件环境中提升创业能力具有一定的启发和指导意义。     

基于知识管理的敏捷组织学习二维度模型框架

如何在知识管理先进思想的基础上,充分利用信息技术来促进组织学习,是当前企业管 理的主要研究问题之一. 在剖析了两个具有代表性的组织学习模型基础上,提出了一种基于知 识管理的敏捷组织学习二维度模型框架. 在该模型框架中,充分考虑了组织学习的核心内容, 并围绕学习主体和学习工具的互动关系,对组织学习过程进行了构建. 文章不仅详细给出了该 模型框架的建立过程以及实施要素、原则和方法,而且通过一个案例具体说明了该模型框架在 企业项目建设中的实际意义和应用价值.     

基于美宜佳案例的零售虚拟企业模式研究

如何改变国内零售企业在竞争中的不利局面,是学术界和企业界关注的一个重要问题.受美宜佳案例的启发,结合生产领域中虚拟企业的一些思想,提出了一种新的基于服务能力的零售虚拟企业模型及其供应链解决方案,并以该案例为蓝本研究了一类零售虚拟企业模型的商业实践,讨论了这种模型对零售企业的管理优化和赢利模式的影响.案例研究结果表明,零售虚拟企业模型实现了零售商从出售商品到输出服务,以及从靠购销差价赢利到服务增值赢利的转型,促进了零售企业在较低成本下的良性互动发展.     

基于seminar的案例分析法在普通本科院校教学中的应用探讨——以《企业战略管理》课程为例

《企业战略管理》课程具有起点高、难度大的特点，因此普通本科院校的学生在学习中有一定的难度，而基于seminar的案例分析法从学生参与入手，将案例讨论纳入课程的全部过程，由学生在其中自主的选择案例、分组讨论、课堂发言讨论，老师在整个过程中进行有效的指导和协调总结，从而使学生能够借助案例的学习，加深对该门课程的理解。     

《长庆油田基层建设管理10法》的学习和实践

近年来,中国石油长庆油田顺应集团公司着力构建基层建设的管理模式,经过进一步的探索、总结和提炼,先后汇集出版了《长庆油田基层管理案例集萃》和《长庆油田基层建设管理10法》等书籍,把经验变成了示范,把示范变成了规范,对基层单位有着很强的针对性和很大的实用价值。长庆油田通信处信息中心作为基层单位,在学习、推广《长庆油田基层建设管理10法》过程中,取得了一些经验,使该单位的基层管理得到了规范,管理水平得到了提高。本文是该信息中心在学习和实践《长庆油田基层建设管理10法》一书中按自己实际情况挑选了部分章节内容所做的一些基本的学习和实践,通过学习和实践,该信息中心从中启发了思路,开阔了视野,进一步提高了该基层单位的规范管理和科学管理水平。     

PBL结合案例特色教学法用于内分泌科临床药学带教实践

目的 探讨以问题为导向的教学方法(problem-based learning,PBL)结合案例特色教学法在内分泌科临床药学带教中的效果。方法 在内分泌科采用PBL结合案例特色教学法对药学实习生进行临床药学带教实践,通过学生对典型案例相关问题的解答和问卷评估来评价这种教学方法的效果。结果 PBL结合案例特色教学法在相关问题的解答和问卷评估等方面均取得满意的效果。结论 PBL结合案例特色教学法能明显活跃教学气氛,调动学生积极性,更大程度地启发学生自主学习、探索问题的精神,更好地培养其发现问题、解决问题的临床思维和团队合作能力,值得进一步推广。     

中国跨国公司交易对手风险管控研究——基于与韩国Sekwang船厂交易的案例分析

本文在对跨国公司交易对手及其风险简单界定基础上,结合案例详细探讨了如何管控跨国公司交易对手风险。该案例研究表明,事前对交易对手风险做好识别和缓释,事后对交易对手风险积极管控,是交易对手风险管理成败的关键,金融类与非金融类交易对手的合理选择和组合,对跨国公司交易对手风险管控的设计很富有启发意义。     

含非连续性信息多属性案例中的决策知识发现方法

医疗决策案例中非连续性属性信息大量存在,含该类信息的案例知识发现是多属性案例决策的关键和难点。该文研究了含非连续性属性信息案例中的决策知识发现,将条件概率和GAs融合技术整合到案例推理方法之中,开发了KNN的延伸方法--CRMGACP法。该方法的核心是基于Gas进行权重获取和基于融合条件概率的改进相似度算法进行案例知识获取。在某大型综合医院收集数据,获取有效数据300条,基于VC++开发实现的BC-CBRsys平台进行了实验研究,结果表明CRMGACP比其他常见方法具有更好的性能,在多个统计指标上展示出显著的优势。显然,改进的案例决策方法克服了含非连续性信息案例决策知识难以获取的问题,在临床决策领域具有广阔的前景。     

基于案例推理技术的企业经营决策支持模型设计

本文提出了一个基于案例推理技术的企业经营决策支持模型的设计思想和实现方法。该模型通过对案例库中记忆的源案例企业的经营指标进行相似性搜索,在分析源企业实施的各项决策及实施后收到的经营效果的基础上,对目标企业未来经营策略进行指导。在关键技术(相似度搜索)上,模型采用了一种新的混合相似性搜索的方法,克服了传统的只能对确定性指标进行搜索的缺陷。     

DETERMINISTIC TIME‐VARYING DEMAND LOT‐SIZING MODELS WITH LEARNING AND FORGETTING IN SETUPS AND PRODUCTION

We study the deterministic time‐varying demand lot‐sizing problem in which learning and forgetting in setups and production are considered simultaneously. It is an extension of Chiu's work. We propose a near‐optimal forward dynamic programming algorithm and suggest the use of a good heuristic method in a situation in which the computational effort is extremely intolerable. Several important observations obtained from a two‐phase experiment verify the goodness of the proposed algorithm and the chosen heuristic method.     

模型的事例表示

基于事例推理的模型管理系统中 ,有效地表达事例是实现系统的基础 .模型事例不是属性值事例 ,而是结构事例 .本文针对原有表达事例方式的不足提出了一种模型事例的表达方法 ,该方法适合于各种数值类模型的表示 ,并能够脱离模型的语义 ,同时给出了此种事例库组织的初步方案 ,为以后的研究奠定了基础 .     

模型的事例表示

基于事例推理的模型管理系统中 ,有效地表达事例是实现系统的基础 .模型事例不是属性值事例 ,而是结构事例 .本文针对原有表达事例方式的不足提出了一种模型事例的表达方法 ,该方法适合于各种数值类模型的表示 ,并能够脱离模型的语义 ,同时给出了此种事例库组织的初步方案 ,为以后的研究奠定了基础 .     

An Investigation into the People-Sequential Heuristic Method of Group Formation

This study investigates the people-sequential heuristic method of group formation as proposed by Beheshtian-Ardekani and Mahmood [2] and examined by Muller [9]. Responding to Muller's call for continued research on this topic, we first replicate the seven hypothesis investigations presented in that study and then consider several additional hypotheses designed to more fully examine the value of the process to the group members themselves. The results of this study indicate that the balanced groups assignment method is not effective as a sole means of increasing learning or satisfaction with the project. Of the twelve hypothesized relationships, which, if supported, would favor the use of balanced groups over randomly assigned groups, only one was supported. These findings and their relationship to group learning theory are discussed.     

Discrete time-varying demand lot-sizing models with learning and forgetting effects

This paper deals with the problem of incorporating both learning and forgetting effects into discrete timevarying demand lot-sizing models to determine lot sizes. Forgetting is retrogression in learning which causes a loss of labour productivity due to breaks between intermittent production runs. Formulae are derived for calculating the production cost required to produce the first unit of each successive lot over a finite planning horizon. An optimal lotsizing model and three heuristic models are developed by extending the existing models without learning and forgetting considerations. Numerical examples and computational experience indicate that larger lot sizes are needed when the phenomenon of learning and forgetting exists. Several important conclusions are drawn from a comparison of the three heuristic solutions with the optimal solution, and suggestions for future research and for lot-size users to choose an appropriate lot-sizing technique are made.     

An Approximate Solution to Deterministic Kanban Systems

This paper presents a simple heuristic for computing the number of kanbans in a kanban system. The production systems under consideration have a multistage, uncapacitated, assembly tree structure, with every stage producing only one item at a time. The experimental results show that this method generates very good solutions. In more realistic problems where the master production schedule incorporates a smoothed demand, the solution found under the proposed method is identical to that of the linear programming approximation. This simple heuristic can be used in the real world to quickly determine the number of kanbans for daily just-in-time operations.     

基于粗糙集与主成分分析的属性约简的启发式算法研究

信息系统的属性约简反映了一个决策表的本质信息,为信息系统的数据挖掘奠定的基础。生成一个决策表的所有约简或计算出最佳(定义为属性数目最少)的约简都是NP难问题。目前已有的基于粗糙集的属性约简算法由于计算复杂较高,而不适用大规模数据。本文探讨了一种基于区分矩阵和主成分分析的算法,该算法利用属性在区分矩阵中频率及属性贡献率做为启发规则,寻找最小约简,并在海关通关风险评估系统中得到良好的应用。     

Two approaches to solving the multi-depot vehicle routing problem with time windows in a time-based logistics environment

This paper presents a two-phase heuristic method that can be used to efficiently solve the intractable multi-depot vehicle routing problem with time windows. The waiting time that was ignored by previous researchers is considered in this study. The necessity of this consideration is verified through an initial experiment. The results indicate that the waiting time has a significant impact on the total distribution time and the number of vehicles used when solving test problems with narrow time windows. In addition, to fairly evaluate the performance of the proposed heuristic method, a meta-heuristic method, which extends the unified tabu search of Cordeau et al., is proposed. The results of a second experiment reveal that the proposed heuristic method can obtain a better solution in the case of narrow time windows and a low capacity ratio, while the proposed meta-heuristic method outperforms the proposed heuristic method, provided that wide time windows and a high capacity ratio are assumed. Finally, a well-known logistics company in Taiwan is used to demonstrate the method, and a comparison is made, which shows that the proposed heuristic method is superior to the current method adopted by the case company.     

下料问题与运输问题联合优化建模

本文研究了考虑子材运输的标准一维下料问题。建立了由生产商负责运输时,标准一维下料与运输协调优化整数规划模型,最小化母材使用成本,子材库存成本及子材运输成本。采用拉格朗日松弛技术对有关约束进行松弛和模型分解,设计基于序列规则和FFD规则的混合启发式算法求解模型。该算法由两部分组成,分别用于求解标准一维下料子问题和卖方运输子问题。通过随机产生的1800个算例,验证模型合理性与算法的有效性。与基于列生成法的两阶段算法解进行比较,平均总成本降低了17.57%,表明集成算法优于两阶段算法。