一种基于粗糙集的企业供应商评价与选择新方法

给出了粗糙集中组合属性重要度确定单属性重要度的新定义,并应用于企业供应商评价与选择,新方法计算的指标权重结果避免了文献[10]中计算的指标权重为0的情况出现,同时新算法计算的各指标重要度之和避免了文献[11]算法各指标重要度之和过大现象,计算精度更高,评价结果更符合实际。     

基于径向基神经网络的装备制造业供应商选择研究

装备制造企业如何选择供应商从而有效降低供应链成本具有重要的意义。本文通过层次分析法与RBF神经网络相结合,对RBF神经网络的反复训练,建立供应商选择模型,然后通过某装备制造企业为例进行实例分析,验证模型的有效性。结果表明,基于RBF神经网络的供应商评价模型稳定性、精确性在允许范围内,具有一定的应用价值。     

基于BP神经网络的供应商评价选择问题的研究

随着经济全球化,市场上的供应链已经形成,供应链环境趋于完善.越来越多的企业开始重视供应商,考虑构建一个供应商评价系统来实现供应商的选择并加强与供应商的交流合作.但是目前缺乏有效的能够应用于开发系统的供应商评价方案,难以满足实际的需求.供应商评价模型设计是开发供应商评价系统的基础.通过对供应链环境下的供应商评价和BP神经网络的研究,以汽车制造行业为例构建了供应商评价模型以方便供应商评价系统的实现.     

基于供应链的供应商选择研究

供应链管理（SCM）是一种集成的管理思想和方法,它执行供应链中从供应商到最终用户的物流的计划和控制等职能。自波特提出这一概念以来,供应链管理已经有了长足的发展,而本文主要通过研读国内外文献专著对供应链中供应商选择这问题进行简要综合评述,将国内外学者对供应商的选择研究分类阐述。     

基于粗糙集与未确知模型的供应商风险评估方法研究

供应商是制造商材料的来源,供应商风险的发生可能导致原来井然有序的供应链无法正常运转,因此,供应商风险的预警与评估在供应链风险管理中占据着举足轻重的地位。本文提出一种基于粗糙集和未确知测度理论的供应商风险评估方法,该方法首先运用粗糙集理论对繁杂的供应商风险指标体系进行精简,并确定指标权重,然后运用未确知测度模型对供应商风险进行评估,从而使评估结果更加客观。最后在实证研究中以某汽车制造商企业供应商风险评估体系为例,阐明了该评估方法的科学有效性以及评估结果的合理性。     

基于粗糙集理论的专有技术价值评估模型研究

应用粗糙集理论对专有技术价值评估指标体系进行了约简并给出了相关算法,在此基础上构建了基于粗糙集理论的专有技术价值评估模型.     

基于BP神经网络物流供应商能力评估研究

本文针对物流供应商评价优选问题,从物流供应商能力实现层面,运用BP神经网络方法,以MATLAB7为缟程工具实现,为物流供应商能力的评估提供了有效的途径.     

基于供应商参与新产品开发的供应商选择影响因素分析及实证研究

供应商参与新产品开发(Supplier Involvement in New Product Development,SINPD)已受到越来越多国内外企业的关注,选择合适的供应商参与新产品开发成为企业实施SINPD的关键。以我国制造企业为研究对象,通过对国外相关文献的分析提炼出供应商选择的影响因素,据此设计了问卷量表,利用调研数据进行统计分析验证。研究表明,供应商技术能力、供应商的信誉及企业特征、供应商的合作经历、双方合作兼容性、供应商情景及合作的意愿是我国制造企业选择供应商的关键影响因素。     

基于ABC的供应商选择与评价研究

在21世纪，随着供应链业务紧密联接的趋势越来越强，传统成本管理下基于价格驱动的供应商竞争关系已经不能满足现代供应商关系管理的需要。本文分析了现有的作业成本计算法（ABC）基础上的供应商评价和选择方法的不足，建立了作业基础的所有权总成本（TCO）矩阵，从两个不同的成本维度系统地定义和分类企业与供应商发生联系的各种成本。最后用一个案例说明了TCO模型的应用可以为企业的供应商评价和选择决策提供客观的、易理解的有用信息。     

一个Pawlak粗糙集冲突分析模型的改进

本文在Pawlak冲突系统模型基础上,引入每个局中人的信息系统和可行方案,领域专家为冲突系统提供的信息系统和可行方案,冲突系统中各争端的约束条件和冲突系统的可行方案,得到一个新的基于粗糙集的冲突模型.同时给出一个求解冲突系统的可行方案的算法.最后,用实例说明了新模型的有效性.     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

一种新的基于粗糙集理论的冲突分析模型

在PAWLAK提出的冲突系统中,局中人对争端的态度只有3种:肯定、否定或中立。这样的冲突系统提供的信息过于抽象,很难从该模型中了解局中人产生冲突的原因,更无法找到大多数局中人一致同意的方案。经深入研究,认为现实生活中的某些冲突系统,其局中人应具有自己的方案,而整个冲突系统应有领域专家提供的方案。同时,各争端之间可能存在相互制约关系。根据这些特点,在PAWLAK冲突系统模型的基础上,引入每个局中人的信息系统和可行方案、领域专家为冲突系统提供的信息系统和可行方案,以及冲突系统中各争端的约束条件和冲突系统的可行方案,从而得到一个新的基于粗糙集的冲突模型。同时,给出了一个求冲突系统可行方案的算法,并以实例说明新模型能较好地刻画现实在生活的某些冲突系统。     

基于粗糙集理论的排污收费优化模型

基于粗糙集理论,建立了排污收费模型。通过评价因素的重要程度和约简因素,确定了模型中各污染源的排污浓度对各控制点污染物浓度的影响权重;考虑了管理者在征收排污税的同时参与了环境治理工作,使得各个控制点在符合污染物浓度控制要求的条件下,得出了理想的排污税,并达到了全社会总成本最低。     

基于粗糙集理论的格序选择方法

在粗糙集理论中,为了识别由偏好属性导致的不相容性,已提出基于优势关系的粗糙集理论,然而这一理论在实际应用中往往导致多个决策规则的出现,如何辨别由偏好多属性决策表中获取的多个决策规则从而选取最优方案,尚未见到有关的研究文献。本文针对这一问题,利用格序理论,给出属性约简的贴近度,比较不同约简所得决策规则贴近于原知识库的程度,从而得到一种选择最优决策方案的方法。     

一种基于Rough集的客户流失风险分析方法

为了对客户流失风险分析过程中的大量的冗余特征进行约简或压缩,本文利用粗集理论中的特征约简方法来研究客户流失风险分析,提出了一种基于粗集的客户流失风险的分析方法.通过一个客户流失风险的分析实例对该算法进行了检验,实验结果表明,在保证分类质量基本不变的情况下,该算法可以查找出对分类起主要作用的特征,从而达到了特征约简的目的,成功地将粗集理论应用到客户流失风险的分析和预警中,为客户流失风险的分析和预警提供了一条新的研究思路和方法.     

基于变精度粗糙集的分层知识粒度

本文在研究变精度粗糙集模型中的近似、分类质量与知识粒度关系的基础上,提出了利用嵌套的等价关系集,可以构造基于不同置信阈值β、不同级别分类质量γ的分层知识粒度,并设计了相应的算法,最后以实例构造了分层知识粒度结构图。     

需求外部性与供应商组合问题研究

零售需求外部性是指当顾客被外部力量(通常是声誉高的品牌)吸引到一个特定的零售店时,其他品牌的需求被推动的情形.基于需求外部性的理论,探讨了经营不同声誉品牌商品的零售商如何针对不同声誉品牌的外部性来选择自己供应商的组合,以最大化自己的总利润,最后给出了判定定理.     

基于粗糙神经网络的客户消费分类模型研究

针对客户消费属性的多维、相关及不确定的特点,提出了基于粗糙神经网络(RS-NN)的客户消费分类模型.在揭示了客户消费分类问题的粗糙集特性基础上,设计出由预处理分类知识空间、建立消费分类模型、分类模型应用构成的研究框架,系统阐述了基于粗糙集的约简消费属性、提取分类规则、构建粗糙集神经网络初始拓扑结构、训练和检验网络模型等一系列关键技术,最后以某地区电信客户管理为建模示例.结果表明:RS-NN模型在模型结构、模型效率、分类预测精度方面均优于BP-NN算法,是一种有效和实用的客户分类新方法.