简介：目前储量的分类标准是通过划分指标值的范围来确定的,这就要求所有指标值恰好符合既定的指标范围,否则难以划分储量类别。为克服这一问题,本文结合模糊c-均值算法和组合赋权法实现难采储量的分类。首先基于效益指标运用模糊c-均值算法自动搜索储量的最佳类别,再利用主客观赋权偏差最小的思想,构建组合赋权模型,确定属性指标的权重,并计算储量效益指标值,结合模糊c-均值结果判别难采储量类别。最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策。

简介：针对采用经典划分思想的聚类算法以一个点来代表类的局限，提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类，能够体现出类的数据分布特征，并进一步提出泛化中心距离及类间距离度量的新方法，给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略，一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集，并与著名的划分聚类算法K-modes及其两种改进算法进行比较，结果表明泛化中心算法聚类正确率更高，迭代次数更少，是有效可行的。

简介：针对现有供应商分类方法应用于高端装备制造业供应商所存在的局限性，从相互依赖视角构建了高端装备制造业供应商分类指标体系，提出了基于改进支持向量机的高端装备制造业供应商分类模型。该模型根据供应商误分代价不同，设计代价敏感支持向量机分类器，利用粒子群算法优化分类器的参数，并采用概率输出方法对多个优化的二类分类器的结果进行组合以实现多类分类。实验结果表明，该模型提高了现有方法的分类效果，可以降低总体误分代价，有效识别出对高端装备制造企业具有重大影响的供应商，为高端装备制造企业实施供应商分类管理提供了依据。

简介：随着互联网＋战略的深入推进,了解不同产业内信息技术能力与产业绩效之间的协调发展情况,对于系统把握我国的信息化发展水平,分类制定有效产业政策具有重要意义。有别于以往采用宏观产业数据,重点评价工业化与信息化融合度,本文主要基于2008~2015年的上市公司的微观数据,采用耦合协调模型,分类测度四大类产业的IT能力与产业绩效的耦合协调度。研究发现：总体上看我国的产业IT能力与产业绩效之间存在中高度耦合关系,但耦合质量不高,耦合协调度处于中低水平,呈现逐渐上升趋势;此外,我国的不同的产业之间的耦合协调度发展趋势存在差异性,本文进一步分析了该差异的存在的原因,并提出政策建议。

简介：供应链中存在着广泛的信息共享,既包括上下游企业间的纵向性共享,也包括同层企业间的横向信息共享。以一个具有学习效应的供应链为研究对象,为研究信息共享对分散型供应链中零售商决策的影响,提出了一个具有横向信息共享的供应链模型。以Cournot博弈为研究手段,求解了零售商的均衡订货决策和信息共享策略。在此模型中,生产商为多个零售商提供类似的产品,每个零售商具有自己独立的终端市场。零售商面对单周期需求,该需求可以在本周期内满足或者在第二阶段延迟交货。由于学习效应的存在,第二阶段生产商的批发价格是第一阶段总订货量的减函数。零售商在观察到自身的需求之前,达成信息共享的协议。研究结果表明,当第一阶段的均衡订货数量低于需求时,零售商间无共享私有信息的动机,该结果和寡头模型信息共享的相关结果相反。除此之外,在一个总体需求稳定的市场中,信息共享的影响随着零售商数量的增加而递减。此结果对企业在不同市场情况下选择信息共享策略具有重要价值。

简介：在再制造利益的驱动下，一些非原始设备制造商（UOEM）欲进入再制造市场。为探究UOEM参与再制造的进入博弈，应用演化博弈理论构建了原始设备制造商（OEM）和UOEM策略选择的复制动态。研究表明：博弈双方的回收价格、UOEM排除障碍的成本会影响UOEM的策略选择；OEM选择默许而潜在的UOEM进入再制造品市场是二维动态系统唯一的演化稳定策略。进一步考虑了参与人的学习行为，将噪声项引入复制动态方程中，得到了一个非子博弈完美均衡，即当带着噪声项的OEM采取竞争策略时，进入者的最优策略是置身于市场之外。

简介：本文考虑指数学习效应和位置学习效应同时发生的新的排序模型。工件的实际加工时间不仅依赖于已经加工过工件正常加工时间之和的指数函数,而且依赖于该工件所在的位置。单机排序情形下,对于最大完工时间和总完工时间最小化问题给出多项式时间算法。此外某些特殊情况下,总权完工时间和最大延迟最小化问题也给出了多项时间算法。流水机排序情形,对最大完工时间和总完工时间最小化问题在某些特殊情形下给出多项时间算法。

简介：本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题，而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构，完成对增量学习中训练样本的选取，进而完成分类器的重构。实验表明，该算法比传统支持向量机增量学习算法具有更高的分类精度。

简介：本文研究了一类不相关平行机的排序问题，在该问题中工件的加工时间既具有学习效应，又资源可控，也就是说在该问题模型中，工件的实际加工时间为其正常的加工时间、加工过程中工件所处位置以及加工时间可控这些变量的函数。该研究的目的是为使得总机器负载和总的控制费用的加权和最小以及总的完工时间和总的控制费用的加权和最小。文章通过对问题的相关性质的分析和证明找到了一个解决问题的最优化算法，并且也证明了在处理机的数量给定的条件下，该问题的时间复杂性为0（nm·2），最后也给出了相应的数值例子来阐述该问题。

简介：论文将动态能力作为解释组织学习和企业绩效间关系的中介变量。采用结构方程方法建立了其关系模型，以制造业部分上市公司为例，通过问卷调查、信度效度分析、回归分析验证提出的假设，研究理论模型符合可接受的适合度检定水平。实证研究结果表明制造业企业组织学习对动态能力影响显著且动态能力对企业绩效影响显著，组织学习对企业绩效直接影响较弱，动态能力中介作用明显。

简介：本文主要讨论了工件加工时间具有学习效应和安装时间的单机排序问题。工件的加工时间不仅与之前已加工完的工件加工时间有关,还与工件的加工位置有关。安装时间是依赖于已加工完的工件的实际加工时间的简单函数,即p-s-d形式。本文证明了极小化最大完工时间,极小化总完工时间,极小化完工时间的平方和问题具有多项式算法,也证明了极小化加权总完工时间,极小化最大延误和极小化总误工问题在某些条件下具有多项式算法。