基于信息间隙决策理论的发电商电量分配策略

在电力市场环境下,发电商需要在现货市场、双边合同和期权等交易选择中合理分配交易电量.针对现货市场电价的严重不确定性,采用信息间隙决策理论,提出风险回避发电商在多种交易选择中的电量分配鲁棒决策模型.算例仿真验证了模型方法的合理性和有效性,并表明,所提出方法提供了发电商不同预期收益目标下的电量分配策略可抵抗的现货价格波动幅度,风险回避发电商可由此评价不同的电量分配策略,并采用相应的策略来保证预期收益目标.     

基于多智能体强化学习的发电商竞价策略模型

随着越来越多的新能源发电商加入电力现货市场的竞价行列,各发电商都面临着如何调整报价策略来使自身利益最大化的问题。为了解决各发电商的报价策略问题,提出了基于多智能体强化学习的MARL-SCCP模型来模拟各发电商的竞价行为以学习报价策略。上述模型首先将每一个发电商建模为一个智能体。其次在建模过程中使用随机机会约束规划来解决风力发电商的不确定性。最后,将神经网络引入WoLF-PHC算法来更好应对智能体较大的状态空间并大幅提高求解速度。实验表明,使用多智能体强化学习来模拟各发电商的竞价过程是可行的,并且能够在较少的迭代次数后学习到较优的策略。在此策略下,各发电商均能实现利益最大化,且新能源发电商能够减少由外界不确定性带来的影响。     

电商平台主导下的供应链推广策略研究

结合电商平台快速发展的时代背景,构建了电商平台主导、制造商跟随的两级电商供应链博弈模型,分别研究了集中决策与分散决策下的产品定价、服务水平和推广水平,分析了佣金率对最优决策和供应链成员利润的影响,并设计了"推广成本分摊"策略.结果表明:当佣金率较低时,集中决策下的产品定价和服务水平、推广水平高于分散决策下的最优决策;当...     

电商平台公平关切下电商闭环供应链的回收决策

研究电商平台公平关切行为下,电商闭环供应链的回收策略和协调机制.首先,构建3种决策模型,分别是无公平关切的分散决策模型、电商平台考虑公平关切的分散决策模型和联合决策模型;然后,给出每种模型的最优决策,包括废旧品的回收价格、电商平台的服务水平以及各成员的最优利润;最后,对这3种模式的最优决策进行比较分析,并在此基础上设计“佣金联合成本共担”契约, 实现系统的协调.研究表明:在分散决策下,电商平台的公平关切行为,有助于提高电商平台的利润,但是这种公平关切对再造商和系统运作均不利;联合决策下,废旧品的回收价格最高,电商平台的服务水平最高,系统的利润也达到最大;在“佣金联合成本共担”契约中,再造商分担电商平台服务成本的比例系数与再造商所分得的系统利润的比例系数相等,电商平台的公平关切行为,会造成协调机制的可行范围变小.     

多假设最大联合概率决策融合准则的自适应算法

为获得多假设最大联合概率决策融合准则的多假设自适应算法,通过对原算法中各权重系数求偏微分,结合简单计数方法,给出了自适应决策融合中的各个系数增量表达式,并进行了收敛性证明.该算法在系统参数未知及参数发生改变的情况下,均能进行决策融合.针对两假设自适应决策融合问题,将该算法与Mansouri的算法进行了比较.最后在多假设情况下对该算法进行了应用,并给出了提高收敛速度的方法.     

多置信水平下的最坏情况条件风险模型及其电能分配应用

采用最坏情况下条件风险(WCVaR)作为市场风险度量指标,建立了多置信水平下的极小化WCVaR优化模型.在随机变量为离散界约束分布的假设下,运用多目标决策方法和最优化对偶理论将具有Min-Max结构的复杂模型转化为常规的单目标线性规划问题.应用该模型建立发电商电能分配策略,并采用蒙特卡洛模拟测试了模型的有效性.     

多目标花粉算法在电力投资市场中的应用

针对电力市场的投资组合优化问题,采用多目标花授粉算法（MOFPA）构造Pareto最优解集,为发电商面临不同的交易做出选择。为避免多元化不足,增加一个目标以增强多元化,得到四目标的均值-方差-偏度（MVS-D）组合模型。与MOPSO和MOGAS进行比较,算例结果表明MOFPA能够得到的基于MVS-D优化模型较优的帕累托解,能为发电商提供更好的权衡解决方案,同时促进发电企业投资主体的多元化。     

多假设最大联合概率决策融合准则的自适应算法

为获得多假设最大联合概率决策融合准则的多假设自适应算法,通过对原算法中各权重系数求偏微分,结合简单计数方法,给出了自适应决策融合中的各个系数增量表达式,并进行了收敛性证明. 该算法在系统参数未知及参数发生改变的情况下,均能进行决策融合. 针对两假设自适应决策融合问题,将该算法与Mansouri 的算法进行了比较.最后在多假设情况下对该算法进行了应用,并给出了提高收敛速度的方法.

     

一种无决策属性的信息系统的属性约简算法

经典属性约简及其延伸算法是基于有决策属性的信息系统的属性约简算法,它们对无决策属性的信息系统的属性约简无能为力.为此,本文以粗集理论为基础,对无决策属性的信息系统从集合论的论域划分方面进行研究,提出了一种适用于无决策属性的信息系统的启发式属性约简算法.该算法在一定程度上能够解决无决策属性的信息系统属性约简问题,进一步扩展了粗集理论的应用范围.实例表明该算法是有效可行的.     

不同风险防范模式下农产品供应链决策研究

针对由电商、受资金约束的农户以及龙头企业组成的农产品供应链,考虑农户破产风险和农产品的产出随机性,分别构建保险和风险分担模式下电商、农户和龙头企业的收益模型.分析每种模式下电商、农户和龙头企业的最优决策以及最优决策的影响因素.研究结果表明:风险分担模式下电商以及农户的收益始终大于保险模式;当风险分担因子超过一定值时,保...     

A computational intelligence technique for the effective diagnosis of diabetic patients using principal component analysis (PCA) and modified fuzzy SLIQ decision tree approach

Knowledge inference systems are built to identify hidden and logical patterns in huge data. Decision trees play a vital role in knowledge discovery but crisp decision tree algorithms have a problem with sharp decision boundaries which may not be implicated to all knowledge inference systems. A fuzzy decision tree algorithm overcomes this drawback. Fuzzy decision trees are implemented through fuzzification of the decision boundaries without disturbing the attribute values. Data reduction also plays a crucial role in many classification problems. In this research article, it presents an approach using principal component analysis and modified Gini index based fuzzy SLIQ decision tree algorithm. The PCA is used for dimensionality reduction, and modified Gini index fuzzy SLIQ decision tree algorithm to construct decision rules. Finally, through PID data set, the method is validated in the simulation experiment in MATLAB.     

基于云计算的SLIQ并行算法研究

云计算为存储和分析海量数据提供了高效的解决方案,对数据挖掘算法的研究具有重要的理论意义和应用价值。SLIQ算法采用逐一遍历并计算伸缩性指标的方法来寻找最佳分裂点,这种方法过于消耗时间,当数据量增大时,算法的执行效率很低。本文针对云计算环境下的决策规则挖掘算法展开研究,介绍了Map Reduce编程模型,在此基础上,以实现云计算环境下SLIQ并行化挖掘为目的,给出了改进后的SLIQ算法在Map Reduce编程模型上的应用过程。     

基于SLIQ分类算法的数据挖掘技术及其在企业CRM中的应用

研究了SLIQ算法的预处理、计算最佳分裂、执行分裂几个大的阶段以及具体算法设计实现过程。最后,将SLIQ算法运用到建设工业集团销售公司中,并与客户关系管理系统结合起来,为公司决策提供支持和依据。     

基于粗糙集和决策树的医学图像分类研究

根据医学图像数据的特性,提出一种基于粗糙集和决策树相结合的数据挖掘新方法。该方法利用粗糙集中基于属性重要性的离散化方法对医学图像特征进行离散化,采用粗糙集对其属性进行约简,得到低维训练数据,再用SLIQ决策树算法产生决策规则。实验表明：将粗糙理论与SLIQ相结合的数据挖掘方法既保留了原始数据的内部特点,同时剔除了与分类无关或关系不大的冗余特征,从而提高了分类的准确率和效率。     

基于数据挖掘的入侵检测研究

文章阐述了入侵检测和数据挖掘，然后介绍了SLIQ算法在入侵检测中的具体实现。     

基于粗糙集和SVM的工程项目投标风险研究

针对建筑工程项目投标过程中的不确定性和风险分析问题,运用Rough集理论和方法对投标风险决策表的属性进行约简,再采用支持向量机对决策数据进行风险分类,帮助决策者迅速对工程项目的投标风险进行评估和预测。     

基于决策树的软件分类方法

提出一种基于决策树SLIQ算法的软件分类方法,在利用现有测试工具的条件下,编写应用接口,获取软件的外部属性和内部属性数据。对异构数据源进行清理转换,从中提取软件分类的规则,对软件进行细粒度的划分,构建分类模型并在数据库管理系统不同版本的分类中应用。     

领域本体驱动的招投标网页解析方法

针对正则表达式解析招投标网页效率低下的问题，提出了一种基于招投标领域本体的网页自动化解析新方法。首先，分析了招投标网页文本的结构特征；其次，构建了招投标本体的轻量级领域知识模型；最后，给出一种招投标网页元素语义匹配与抽取算法，实现招投标网页的自动化解析。实验结果表明，新方法通过自适应的解析，准确率、召回率分别可达到95.33%、88.29%，与正则表达式方法相比，分别提高了3.98个百分点和3.81个百分点。所提方法可实现自适应地对招投标网页中语义信息的结构化解析抽取，能够较好地满足实用性能要求。     

数据挖掘技术在税务稽查选案中的应用

数据挖掘,也可以称为数据库中的知识发现(Knowledge Discovery in Database,KDD).决策树是数据挖掘的一个重要的技术.本文尝试把数据挖掘的方法和技术,通过实现SLIQ算法把该技术应用到税务稽查的计算机选案的途径.     

决策树分类技术研究

决策树分类是一种重要的数据分类技术。ID3、C4．和EC4．5是建立决策树的常用算法，但目前国内对一些新的决策树分类算法研究较少。为此，在消化大量文献资料的基础上，研究了CART、SLIQ、SPRINT、PUBLIC等新算法，对各种决策树分类算法的基本思想进行阐述，并分析比较了各种算法的主要特性，为数据分类研究者提供借鉴。