基于动态选择性集成学习的供应链产销协商优化策略

发布时间：2018-05-22 09:07

  本文选题：动态选择性集成学习 + 动态协商环境　； 参考：《计算机工程》2017年05期

【摘要】：针对当前Agent产销协商自适应学习效果差及协商环境动态变化的现状,考虑动态协商环境中的冲突水平、合作可能性、协商剩余时间对谈判的影响,利用熵值法确定3个影响因素的权重并进行线性加权。结合当前协商议题的差异性,构建基于动态选择性集成学习的让步幅度预测模型,并提出供应链产销协商优化策略。实验结果表明,与单学习机协商策略相比,该策略提高了Agent自适应学习成功率及联合效用,并且能确保供应链产销双方受益,实现合作双方互利互赢的局面。
[Abstract]:In view of the current situation of poor adaptive learning effect of Agent production and marketing negotiation and dynamic change of negotiation environment, considering the level of conflict in dynamic negotiation environment, the possibility of cooperation, and the influence of the remaining time of negotiation on the negotiation. The entropy method is used to determine the weight of the three factors and to carry out linear weighting. Based on the difference of current negotiation topics, a model of prediction of concession extent based on dynamic selective integrated learning is constructed, and an optimization strategy for supply chain negotiation is proposed. The experimental results show that compared with the single learning machine negotiation strategy, this strategy improves the success rate and joint utility of Agent adaptive learning, and can ensure the benefit of both production and marketing in the supply chain and realize the situation of mutual benefit and mutual benefit of both partners.
【作者单位】： 北京工业大学经济与管理学院;
【基金】：国家自然科学基金(71371018)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 袁汉宁;;双层多示例集成学习[J];武汉理工大学学报(信息与管理工程版);2011年05期

2 俞扬;周志华;;集成学习中完全随机学习策略研究[J];计算机工程;2006年17期

3 张沧生;崔丽娟;杨刚;倪志宏;;集成学习算法的比较研究[J];河北大学学报(自然科学版);2007年05期

4 陈凯;;基于聚类技术的集成学习差异性研究[J];南京工业职业技术学院学报;2008年04期

5 李凯;崔丽娟;;集成学习算法的差异性及性能比较[J];计算机工程;2008年06期

6 潘志松;燕继坤;;少数类的集成学习[J];南京航空航天大学学报;2009年04期

7 陈凯;马景义;;一种选择性SER-BagBoosting Trees集成学习研究[J];计算机科学;2009年09期

8 陈全;赵文辉;李洁;江雨燕;;选择性集成学习算法的研究[J];计算机技术与发展;2010年02期

9 张燕平;曹振田;赵姝;郑尧军;杜玲;窦蓉蓉;;一种新的决策树选择性集成学习方法[J];计算机工程与应用;2010年17期

10 饶峰;;核机器集成学习算法的误差分析[J];重庆文理学院学报(自然科学版);2010年04期

相关会议论文 前3条

1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

3 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

相关博士学位论文 前10条

1 王永明;集成回归问题若干关键技术研究[D];华东师范大学;2015年

2 常征;基于混合集成学习的眼部与四肢交互动作建模与识别[D];北京科技大学;2016年

3 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

4 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

5 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

6 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

7 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

8 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年

9 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年

10 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

相关硕士学位论文 前10条

1 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年

2 秦海;融合非标记样本选择的集成学习研究[D];湘潭大学;2015年

3 李想;基于多示例的集成学习理论与应用研究[D];合肥工业大学;2014年

4 王希玲;基于选择性集成学习的网络入侵检测方法研究[D];青岛科技大学;2016年

5 阎秋静;基于集成学习的高光谱图像分类[D];黑龙江大学;2016年

6 冯增涛;基于集成学习的人体日常行为活动识别系统研究[D];东南大学;2016年

7 范光达;基于集成学习的SLT-PLS回归算法研究[D];东北大学;2013年

8 吴雪文;基于集成学习和空间信息的高光谱遥感影像分类方法[D];西安电子科技大学;2015年

9 苑成成;标签噪声的集成学习研究[D];西安电子科技大学;2015年

10 张妤;支持向量机集成学习方法研究[D];山西大学;2008年

，

本文编号：1921433