不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组成.PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析.NDM通过引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平衡,以保...     

基于软构件技术的IS系统的设计与实现

软构件技术的发展促进了软件的工业化进程。文章在分析当前软构件的研究现状后,以某省高校人事管理信息系统(SDPMIS)为例,论述了软构件技术在快速开发信息系统中的作用,并给出了查询/统计生成器与报表生成器构件的设计。最后结合山东省高校人事管理信息系统的开发过程,介绍了软构件技术的应用。     

基于自适应拥挤网格的多目标粒子群算法

粒子群算法求解多目标问题极易收敛到伪Parct。前沿(等价于单目标优化问题中的局部最优解),并且收敛速度较慢。鉴于此,提出一种基于自适应拥挤网格的多目标粒子群算法(ACG-MOPSO)。其特点包括:利用自适应网格和拥挤距离确定外部存档中粒子的密度,并利用密度信息维持外部存档的规模;利用外部存档中非劣解的密度和拥挤距离信息确定全局最优粒子,提升粒子向Parcto前沿收敛的概率。模拟结果表明该算法在求解多目标问题上要优于其它算法。     

基于任务能力排序的虚拟企业联盟生成方法

将虚拟企业联盟生成问题转化为多Agent问题,针对传统求解多Agent问题过程中仅考虑成本和联盟值最优的局限性,引入“一企多标”和资源配置等实际问题并给出解决方案。重点论述了基于改进的蚁群算法及任务能力排序的虚拟企业联盟生成方法,在求解过程中首先根据任务所需的核心能力对Agent集进行划分,然后利用改进的蚁群算法来求解该问题,以使满足该任务能力要求的Agent优先被选择,从而避免优势资源得不到利用的现象,起到合理配置资源的作用。通过模拟算例分析表明,该方法能有效、快速求解多虚拟企业联盟生成问题,表现了该方法的正确性。     

基于ε占优的自适应多目标粒子群算法

针对粒了群算法求解多目标问题极易收敛到伪Pareto前沿(等价于单目标优化问题中的局部最优解),并且收敛速度较慢的问题,提出一种ε占优的自适应多目标粒子群算法(εDMOPSO)..在εDMOPSO算法中,每个粒子的邻居根据粒了的运行动态地组建,且粒了的速度小由其邻居中运行最好的粒予来调整,而是由其所有邻居共同调整.同时...     

基于软构件的软件开发框架研究

软件的重要性对其质量提出了严格的要求。如何对软件开发过程进行严格控制,提高软件系统成功率及用户满意度,降低开发成本,成为软件行业理论研究的焦点。在总结当前国际上流行的软件开发模式的基础上,提出了基于软构件的软件开发框架。     

支持重用的可视化通用查询界面的生成

对查询界面的规律性进行了研究，在软件重用的基础上，提出了可视化通用查询界面生成模型，使得查询界面的简单生成及复用成为可能。在此基础上，建立了查询界面组件模板库，开发了支持查询界面生成的COM接口。     

基于动态邻居拓扑结构的PSO算法

粒子群优化(PSO)算法在求解复杂的多峰问题时极易陷入局部最优解,通过分析种群多样性与局部最优解间的关系,提出一种基于动态邻居拓扑结构的粒子群算法。该算法在运行过程中,每间隔若干代,根据粒子间的距离更新每个粒子的邻居,该策略增加种群的多样性,进而提升粒子跳出局部最优解的能力。实验结果表明,该算法比其他PSO算法具有更好的性能。     

一种改进的企业竞争合作进化博弈模型

结合企业决策风格,提出一种引入企业声誉的竞争合作进化博弈模型。该模型以企业声誉传播半径为基础定义邻居企业,从邻居企业中选择博弈对象企业,根据其决策风格产生连续博弈序列,得到博弈收益和企业声誉,并通过计算企业吸引值选择学习对象企业。实验结果表明,该模型可有效区分不同声誉的企业,并使具有良好声誉的企业表现出较强的生存优势以及较高的存活率。     

面向任务需求的集群企业知识转移仿真*

企业间知识转移是一个复杂的演化过程,当前研究主要集中在理论分析上,通过建模和仿真研究其演化过程的成果尚不多见。从任务需求的角度出发,提出了一种多主体企业间知识转移模型——MASKT(multi-agent system knowledge transfer)模型。该模型引入了强化学习机制及学习对象选择机制,并基于知识收益度对知识转移效果进行了评价。仿真结果表明,强化学习及学习对象选择机制能使企业的知识收益趋于最大化,企业间的知识势差与知识收益的关系呈倒U型结构。