基于Adaboost-SVM的多Agent供应链产销协同自适应协商策略

发布时间：2018-03-25 21:23

  本文选题：多Agent供应链　切入点：Adaboost-SVM　出处：《黑龙江大学自然科学学报》2017年02期

【摘要】：协商是解决供应链产销协同计划冲突的有效途径,传统协商方式因缺乏自适应能力,难以满足现代制造业供应链环境的需要。针对这个问题,基于多Agent技术,构建七元组协商模型,利用Adaboost-SVM算法预测对手让步幅度,提出了一种解决供应链产销协同冲突的自适应协商策略。通过算例验证该策略的可行性和有效性,与基于自身信念的协商策略相比,可大幅缩短协商时间,提高供应链产销协同冲突消解效率。
[Abstract]:Negotiation is an effective way to solve the conflict between production and marketing cooperation plan in supply chain. Because of the lack of adaptive ability, the traditional negotiation method is difficult to meet the needs of modern manufacturing supply chain environment. In this paper, a seven-tuple negotiation model is constructed, and the Adaboost-SVM algorithm is used to predict the extent of opponent concessions. An adaptive negotiation strategy is proposed to solve the conflict between production and marketing. The feasibility and effectiveness of the strategy are verified by an example. Compared with the negotiation strategy based on self-belief, the negotiation time can be shortened significantly, and the efficiency of resolving collaborative conflict between production and marketing in supply chain can be improved.
【作者单位】： 新乡医学院现代教育技术中心;北京工业大学经济管理学院;
【基金】：国家自然科学基金资助项目(71371018) 国家社会科学青年基金资助项目(13CGL002)
【分类号】：F274;TP18

【相似文献】

相关期刊论文 前10条

1 徐启华;杨瑞;;基于AdaBoost算法的故障诊断仿真研究[J];计算机工程与设计;2005年12期

2 杨艳;燕东渭;赵奎锋;魏亭;;综合学习方法AdaBoost在暴雨预测中的应用[J];计算机系统应用;2007年01期

3 何毓知;陆建峰;;基于Adaboost的行道线检测[J];江南大学学报(自然科学版);2007年06期

4 郭乔进;李立斌;李宁;;一种用于不平衡数据分类的改进AdaBoost算法[J];计算机工程与应用;2008年21期

5 别致;周俊生;陈家骏;;基于SVM-Adaboost的中文组块分析[J];计算机工程与应用;2008年21期

6 何海燕;施培蓓;;基于改进AdaBoost算法的行人检测方法[J];安庆师范学院学报(自然科学版);2009年03期

7 ;Large scale classification with local diversity AdaBoost SVM algorithm[J];Journal of Systems Engineering and Electronics;2009年06期

8 张家红;张化祥;刘伟;;标记错分样本的AdaBoost算法[J];计算机工程与设计;2010年06期

9 刘冲;张均东;曾鸿;任光;纪玉龙;;基于支持向量机的无穷维AdaBoost算法及其应用[J];仪器仪表学报;2010年04期

10 李锐;王卷乐;任正超;;基于AdaBoost算法的城镇建设用地遥感动态提取研究[J];国土资源遥感;2010年02期

相关会议论文 前6条

1 Jia Mingxing;Du Junqiang;Cheng Tao;Yang Ning;Jiang Yi;Zhang Zhen;;An Improved Detection Algorithm of Face with Combining AdaBoost and SVM[A];第25届中国控制与决策会议论文集[C];2013年

2 杨韶瑞;高爱华;秦文罡;;基于支持向量机和AdaBoost的行人检测[A];2011西部光子学学术会议论文摘要集[C];2011年

3 李雅芹;杨慧中;;基于改进的Adaboost.RT模糊支持向量回归机集成算法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

4 眭新光;沈蕾;燕继坤;朱中梁;;基于Adaboost的文本隐写分析[A];全国网络与信息安全技术研讨会论文集（上册）[C];2007年

5 易辉;宋晓峰;姜斌;王定成;;基于AdaBoost方法的支持向量机训练样本选择[A];2009全国虚拟仪器大会论文集（一）[C];2009年

6 ;Pedestrian Detection Using Haar-Like Features Based on Visual Memory[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

相关硕士学位论文 前10条

1 李瑞;AdaBoost算法框架下的仿生神经网络算法[D];西安电子科技大学;2015年

2 阮天波;基于移动智能终端的行车监控系统研究与实现[D];浙江工商大学;2015年

3 解华;AdaBoost多项式算法在选矿电气控制系统中的应用研究[D];辽宁工程技术大学;2015年

4 张晶;基于AdaBoost回归树的多目标预测算法的研究[D];北京交通大学;2017年

5 龙敏;基于多示例学习的Adaboost算法及其在人脸检测中的应用[D];上海交通大学;2007年

6 宁轲;基于神经网络扩张的Adaboost人脸检测算法研究[D];广西大学;2013年

7 张德锋;基于肤色模型和Adaboost算法的人脸检测系统[D];大连理工大学;2009年

8 高艳;基于软间隔的AdaBoost弱分类器权重调整算法[D];西安电子科技大学;2011年

9 朱谊强;基于Adaboost算法的实时行人检测系统[D];西北工业大学;2006年

10 赖敏;基于AdaBoost迭代学习的支持向量机分类算法[D];重庆师范大学;2010年

，

本文编号：1664931