本文選題：多Agent供應(yīng)鏈　切入點(diǎn)：Adaboost-SVM　出處：《黑龍江大學(xué)自然科學(xué)學(xué)報》2017年02期

【摘要】：協(xié)商是解決供應(yīng)鏈產(chǎn)銷協(xié)同計(jì)劃沖突的有效途徑,傳統(tǒng)協(xié)商方式因缺乏自適應(yīng)能力,難以滿足現(xiàn)代制造業(yè)供應(yīng)鏈環(huán)境的需要。針對這個問題,基于多Agent技術(shù),構(gòu)建七元組協(xié)商模型,利用Adaboost-SVM算法預(yù)測對手讓步幅度,提出了一種解決供應(yīng)鏈產(chǎn)銷協(xié)同沖突的自適應(yīng)協(xié)商策略。通過算例驗(yàn)證該策略的可行性和有效性,與基于自身信念的協(xié)商策略相比,可大幅縮短協(xié)商時間,提高供應(yīng)鏈產(chǎn)銷協(xié)同沖突消解效率。
[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.
【作者單位】： 新鄉(xiāng)醫(yī)學(xué)院現(xiàn)代教育技術(shù)中心;北京工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(71371018) 國家社會科學(xué)青年基金資助項(xiàng)目(13CGL002)
【分類號】：F274;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐啟華;楊瑞;;基于AdaBoost算法的故障診斷仿真研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年12期

2 楊艷;燕東渭;趙奎鋒;魏亭;;綜合學(xué)習(xí)方法AdaBoost在暴雨預(yù)測中的應(yīng)用[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

3 何毓知;陸建峰;;基于Adaboost的行道線檢測[J];江南大學(xué)學(xué)報(自然科學(xué)版);2007年06期

4 郭喬進(jìn);李立斌;李寧;;一種用于不平衡數(shù)據(jù)分類的改進(jìn)AdaBoost算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年21期

5 別致;周俊生;陳家駿;;基于SVM-Adaboost的中文組塊分析[J];計(jì)算機(jī)工程與應(yīng)用;2008年21期

6 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測方法[J];安慶師范學(xué)院學(xué)報(自然科學(xué)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 張家紅;張化祥;劉偉;;標(biāo)記錯分樣本的AdaBoost算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年06期

9 劉沖;張均東;曾鴻;任光;紀(jì)玉龍;;基于支持向量機(jī)的無窮維AdaBoost算法及其應(yīng)用[J];儀器儀表學(xué)報;2010年04期

10 李銳;王卷樂;任正超;;基于AdaBoost算法的城鎮(zhèn)建設(shè)用地遙感動態(tài)提取研究[J];國土資源遙感;2010年02期

相關(guān)會議論文 前6條

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屆中國控制與決策會議論文集[C];2013年

2 楊韶瑞;高愛華;秦文罡;;基于支持向量機(jī)和AdaBoost的行人檢測[A];2011西部光子學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

3 李雅芹;楊慧中;;基于改進(jìn)的Adaboost.RT模糊支持向量回歸機(jī)集成算法[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

4 眭新光;沈蕾;燕繼坤;朱中梁;;基于Adaboost的文本隱寫分析[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會論文集（上冊）[C];2007年

5 易輝;宋曉峰;姜斌;王定成;;基于AdaBoost方法的支持向量機(jī)訓(xùn)練樣本選擇[A];2009全國虛擬儀器大會論文集（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

相關(guān)碩士學(xué)位論文 前10條

1 李瑞;AdaBoost算法框架下的仿生神經(jīng)網(wǎng)絡(luò)算法[D];西安電子科技大學(xué);2015年

2 阮天波;基于移動智能終端的行車監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)[D];浙江工商大學(xué);2015年

3 解華;AdaBoost多項(xiàng)式算法在選礦電氣控制系統(tǒng)中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2015年

4 張晶;基于AdaBoost回歸樹的多目標(biāo)預(yù)測算法的研究[D];北京交通大學(xué);2017年

5 龍敏;基于多示例學(xué)習(xí)的Adaboost算法及其在人臉檢測中的應(yīng)用[D];上海交通大學(xué);2007年

6 寧軻;基于神經(jīng)網(wǎng)絡(luò)擴(kuò)張的Adaboost人臉檢測算法研究[D];廣西大學(xué);2013年

7 張德鋒;基于膚色模型和Adaboost算法的人臉檢測系統(tǒng)[D];大連理工大學(xué);2009年

8 高艷;基于軟間隔的AdaBoost弱分類器權(quán)重調(diào)整算法[D];西安電子科技大學(xué);2011年

9 朱誼強(qiáng);基于Adaboost算法的實(shí)時行人檢測系統(tǒng)[D];西北工業(yè)大學(xué);2006年

10 賴敏;基于AdaBoost迭代學(xué)習(xí)的支持向量機(jī)分類算法[D];重慶師范大學(xué);2010年

，

本文編號：1664931