基于过滤微粒群优化算法的虚拟企业伙伴选择

提出了一种过滤微粒群优化算法并应用于虚拟企业的伙伴选择问题.该算法以优良适应值微粒取代部分不良适应值微粒,使算法具有过滤能力,加快了搜索速度,并保证收敛于全局最优解.仿真实验及与基本PSO算法的对比分析表明了FPSO算法的有效性.     

虚拟企业伙伴选择的优化算法

虚拟企业伙伴选择及优化是组建虚拟企业的一个关键问题。根据虚拟企业任务之间的关系，该文将虚拟企业伙伴选择问题分解为串行问题、并行问题和混合问题3类，并建立了问题的多目标决策模型，通过候选企业筛选和确定优化组合方案，优化了模型求解过程，并验证了该算法的有效性。     

虚拟企业伙伴选择方法研究

阐述了虚拟企业伙伴选择在构建虚拟企业中的重要作用,说明了如何构建一个群决策环境下的基于INTER-NET的虚拟企业伙伴选择系统,提出了一种基于层次分析法的虚拟企业伙伴选择的数学方法。并结合供应商伙伴选择问题,给出了一个虚拟企业伙伴选择系统事例。     

虚拟企业伙伴选择的遗传粒子群混合算法

针对标准粒子群优化算法易陷入局部最优的缺点,提出了一种遗传粒子群混合算法。通过对算法中惰性粒子和局部最优粒子分别进行交叉变异,以及消除粒子速度对寻优的干扰,从而避免了粒子种群单一化和局部最优的问题。将该算法应用于虚拟企业伙伴选择实验,结果表明在进化代数和最优值方面是令人满意的。     

虚拟企业伙伴选择的粗糙集方法

将粗糙集理论应用于虚拟企业合作伙伴选择中,提出了基于粗糙集理论的虚拟企业伙伴选择的模型和方法.该方法根据各潜在伙伴企业的样本数据集建立决策系统,以伙伴选择的评价指标作为属性,从中挖掘出反映评价指标本质关系的重要属性以及伙伴选择知识规则.这些规则很好地描述了有限样本中所反映出的属性之间的本质特征,运用这些规则可对伙伴选择数据库中的其他样本有效地进行伙伴选择.应用实例表明,该方法是正确有效的.     

虚拟企业伙伴选择的BP神经网络模型研究

针对当前虚拟企业伙伴选择方法存在的不足,提出了虚拟企业合作伙伴选择的BP神经网络模型。文中首先构建了虚拟企业合作伙伴选择评价指标体系,在该体系的基础上,构建了BP神经网络评价模型,并通过MATLAB神经网络工具对其进行模拟计算。最后,给出了一个典型算例。     

基于本体的虚拟企业伙伴选择系统研究*

虚拟企业伙伴选择首先必须要解决潜在伙伴企业信息的获取和规范化处理的问题.为了解决这一问题,提出通过构建企业本体来规范企业资源信息描述和理解.在此基础上建立了一种基于本体的虚拟企业伙伴选择系统,并对企业本体库的内容框架和结构设计方法作了详细介绍.     

基于模型的虚拟企业伙伴选择研究与应用

伙伴选择是虚拟企业建模过程中的一个重要环节。本文从虚拟企业建模的角度出发，提出了虚拟企业伙伴选择的三阶段模型．给出了评价指标体系．并用AHP算法给出了伙伴选择系统的实现方式。     

基于多Agent协商的虚拟企业伙伴选择方法

伙伴选择是虚拟企业建立过程中的核心问题,分析了虚拟企业的特点、虚拟企业环境下协商问题的特点,提出了一个适合于虚拟企业环境的多Agent协商模型。该模型支持多Agent多议题的多轮谈判,并将Agent类型引入到协商中来,作为指导协商Agent提议的一个重要因素。在不完全信息的条件下,应用贝叶斯学习的方法,更新既有信息,并通过分析对方Agent的历史提议序列,推测其类型,来指导自身的提议策略和战术,使自己的提议更具有针对性,避免了盲目性,从而节约协商时间,提高了协商的效率,使得盟主企业能在尽短的时间里寻找到理想的合作伙伴。     

基于支持向量机的虚拟企业伙伴选择方法研究

分析了虚拟企业中的伙伴选择问题,针对传统决策方法中的不足,提出应用支持向量机对竞标企业自动分类与筛选,向决策者提交候选伙伴列表,并结合其他选择算法实现伙伴选择的方法。通过分类,以达到缩减决策输入数量,提高选择过程的效率和精度的目的。试验结果表明,该方法能降低伙伴选择的时间消耗,与人工选择对比有较高的拟合率。     

基于模型的虚拟企业伙伴选择研究与应用

选择正确的合作伙伴是组建虚拟企业的关键因素之一,而要保证伙伴选择过程中决策的正确性,就必须采用合理的合作伙伴评价指标体系,并采用适当的优化决策方法。本文从虚拟企业建模的角度出发,提出了虚拟企业伙伴选择的三阶段模型,给出了评价指标体系,并用AHP算法给出了伙伴选择系统的实现方式。     

基于多智能体的虚拟企业任务调度模型及优化

采用多智能体技术构建虚拟企业任务调度模型, 并对基于该模型的任务调度运作过程进行说明. 针对调度优化问题, 以资源智能体承担的生产任务为研究对象, 综合考虑生产任务之间的时序逻辑关系、作业时间及资源自身已确定的生产任务等影响因素, 建立以生产延续时间最小为目标的优化模型, 给出粒子群优化求解算法. 应用实例及数字仿真验证了模型及优化算法有效性.     

粒子群遗传算法在离散制造业排产中的研究

在离散制造业中,排产方法的优劣直接影响生产的效率.为了使算法更好的应用到排产当中,首先分析离散制造业的生产特点.同时,为了提高算法的搜索性能,分析遗传算法与粒子群优化算法的优缺点,提出了一种粒子群遗传混合算法(PSO_GA).该算法中,在遗传算法的基础上引入参数,从而动态控制每次迭代交叉变异比,进而提高群体多样性.同时为了克服遗传算法自身收敛速度慢的缺点,在适当的迭代周期内引入粒子群优化算法,从而提高算法的搜索速度和精度.最后,针对排产模型进行仿真实验,结果表明该算法具有很好的搜索性能.     

虚拟企业合作伙伴智能优化选择研究

针对复杂的虚拟企业伙伴选择问题,利用神经网络的推理功能,并结合模糊技术处理不确定因素的优势,实现最优伙伴的确定。通过分析建立了包括成本、技术能力、服务水平等指标的评价体系,采用实例验证了该方法的可行性。     

一种面向电子商务的虚拟企业盟友选择方法

采用对数最小二乘法对AHP中的判断矩阵进行计算,由此获得的盟友选择数学模型规范、简便,在计算机上容易实现,在企业中初实可行,结合具体实例,在Matlab环境下对该数学模型在服装企业的盟友选择和评价展开了应用研究。     

基于网格的聚类算法的虚拟物流企业伙伴选择方法研究

虚拟物流企业已成为21世纪信息社会生产、物流的主流组织形式。准确地选择和确定合作伙伴是建立虚拟物流企业的关键。本文提出了应用基于网格的聚类算法来选择虚拟物流企业合作伙伴。该算法能对虚拟物流企业信息平台提供的庞大的高维的成员企业信息数据库进行快速有效的数据挖掘,从而在全球范围内寻找潜在的合作伙伴,以供虚拟物流企业核心企业作为下一步精选的根据。实例仿真说明了该算法的有效性。