采用基因库构建的季节性服装需求预测

季节性新款服装的历史销售数据少,生命周期短,故利用数据序列的趋势信息进行预测的方法不合适。鉴于服装企业的销售点(POS)数据中包含许多特征信息,利用层次聚类与动态时间弯曲距离从POS数据中进行特征信息抽取,以构建服装销售基因库。并提出基于基因库进行季节性服装需求预测的方法,根据新款服装信息、销售信息计算其与基因库中基因的相似度,再以相似度查找相似基因,用相似基因的信息预测新款服装的需求。这种方法可为服装企业利用POS数据进行定量预测,构建快速响应系统提供解决方案。最后,对某知名女装企业2011年POS数据抽取了基因库,并对其2012年3月1日到2012年7月31日的新款库存单位进行预测,结果表明该预测方法是有效的。     

模糊互补矩阵的加性一致性阈值仿真

由于事物的不确定性、信息获取的限制、甚至专家知识的局限性,决策者在决策过程中很难用精确数来表示其偏好,而喜欢用模糊语言来表示。当决策者给出的模糊互补判断矩阵不满足加性一致性,加性一致性指标阈值的确定是一个值得研究的问题。一般来说,决策者给出的模糊互补矩阵具满意一致性,且加性一致性模糊互补矩阵一定是满意一致性模糊互补矩阵。MATLAB中计算机仿真方法构造了大量的满意一致模糊互补判断矩阵,通过计算其加性一致性指标值及其概率分布,获取模糊互补矩阵的加性一致性指标的逼近阈值（0.2）。如果模糊互补判断矩阵的加性一致性指标值小于等于0.2,则矩阵是可接受的;否则需要修订。     

基于非传递路径的次序一致性判断与修正

为了修正非次序一致性矩阵,定义了非传递路径数和非传递路径贡献数两个概念.提出利用非传递路径矩阵来进行模糊判断矩阵的次序一致性判断方法.同时,根据非传递路径数的大小来确定模糊判断矩阵中的最不合理元素,这样模糊判断矩阵的次序一致性判断和修正可以一体化实现.最后,用1个中小板上市公司的非财务指标体系构建作为实例进行说明.