简介:关于惩罚的确定性及其严重性是否能够有效地影响组织内部雇员的信息安全遵从行为,已有的研究结论尚存在着严重分歧。为了继续探索惩罚对信息安全遵从行为的影响作用,构建了信息安全遵从博弈模型,依据该模型和存在道德风险的委托人——代理人理论,分析了惩罚的确定性以及适度的惩罚严重性对信息安全遵从行为的激励机制,并对惩罚的适度性进行了数值模拟。研究表明:(1)作为委托人的组织可以设计出包含适度惩罚的最优激励契约,并获得最优的信息安全遵从收益;作为代理人的雇员不仅将接受该契约,并且会按照组织所期望的努力水平去遵从信息安全制度。(2)惩罚的确定性和适度性两者能够有效地影响雇员的信息安全遵从行为。(3)组织可以根据雇员的风险规避测度、外部机会收益、激励报酬以及信息安全产出结果这四个因素来设置适当的惩罚额度。这些研究结果将有助于信息安全管理者深入地理解并有效地管理组织内部雇员的信息安全遵从行为。
简介:基于不确定语言变量和区间模糊数,提出了不确定区间隶属度语言变量的概念,定义了不确定区间隶属度语言变量的运算规则、大小比较方法,给出了不确定区间隶属度语言变量的加权算术平均算子、加权几何平均算子及其相应性质,并将这些算子应用于属性权重确知且属性值以不确定区间隶属度语言变量形式给出的不确定多属性群决策问题中,通过示例验证了基于不确定区间隶属度语言变量信息的多属性群决策方法的有效性和可行性。
简介:新产品的市场接纳具有很大不确定性,传统投资理论并不适用于新产品投资。针对新产品投资中的产能投资,研究了垄断企业和有成本差异的竞争企业制定短周期新产品的产能投资时机与规模策略。给定企业“早”和“晚”两个投资时机可供选择,定义“早”投资时,企业只知道新产品市场规模的期望和方差;“晚”投资时,企业知道新产品真实的市场规模。垄断企业进入市场之前无法进行销售信息的收集,只会选择“早”投资或者不投资,给出其选择“早”投资的条件、最优产能投资规模及最大期望利润。有成本差异企业竞争的情形可以分为四种,分别给出四种情形下的最优产能投资规模及最大期望利润,并通过比较各情形下两企业的最大期望利润给出最优的产能投资时机策略。
简介:对于多属性群决策中专家权重确定的问题,本文提出了基于聚类的专家权重确定方法,将专家权重分为类别间权重和类别内权重,对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵,利用系统聚类原理,对相容度矩阵进行聚类,得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较,对专家进行恰当分类,从而避免了根据现有研究步骤只能将专家分为两类的不足。此外,在确定类别间权重时,除继续对类容量较大的类赋予较大的类别间权重系数外,还引入专家判断矩阵的属性权重一致性来反映类别间的差异,从而有效避免了当某几类专家中含有相等数目专家时,赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便,并使得专家权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。