基于神经网络的虚拟企业敏捷性评价

摘要

里海大学提交的一份报告中指出，市场环境已经发生变化，只有能够迅速响应市场变化，向用户提供可定制的高质量产品的企业才能获得竞争优势。即要求企业具有敏捷性。虚拟企业是商业伙伴间建立的临时合作企业，已经成为在竞争激烈的商场上获得敏捷性而胜出的关键因素。本文的主要目的就是将神经网络评价方法应用到虚拟企业敏捷性评价问题上。 本文首先对现有的敏捷性评价方法进行比较研究，提出可以采用AHP-ANN(层次分析法．神经网络)来进行敏捷性评价。接着在AHP-ANN的基础上提出模块化神经网络虚拟企业盟员敏捷性评价模型。制定出虚拟企业盟员的敏捷性评价指标的原则，根据此原则提出了虚拟企业盟员敏捷性评价标准。在此基础上建立起模块化的评价模型。此模型包括3部分：分解判定子单元运用AHP对评价指标进行求权计算，得到训练样本；将样本根据AHP评价结果不同分配给不同子任务处理单元，子任务处理单元运用BP神经网络来计算虚拟企业的敏捷性；结论处理单元对神经网络的结果进行检查纠错。 本文其次对虚拟企业的敏捷性评价问题进行了研究。虚拟企业敏捷性和其盟员敏捷性是相互联系的，对虚拟企业及其盟员敏捷性之间的关系进行分析，提出在已知虚拟企业盟员敏捷性的基础上用神经网络来计算虚拟企业的敏捷性，通过建立起的标准样本训练神经网络进行评价。 最后为了改进BP神经网络过拟合，网络结构难以确定，不适合用于评价类问题。采用贝叶斯正则化BP网络代替传统BP网络。仿真中通过与其它方法进行对比，验证了该类型神经网络在虚拟企业敏捷性评价问题中的有效性。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景

1.2虚拟企业国内外研究现状

1.3虚拟企业的属性

1.4虚拟企业敏捷性评价实现难点和要点

1.5论文结构

第2章敏捷性及其评价方法

2.1引言

2.2敏捷性研究的意义

2.3敏捷性评价方法

2.3.1基于熵和模糊技术

2.3.2基于AFHW方法

2.3.3基于层次分析和模糊综合评判法

2.4本章小结

第3章敏捷性评价的AHP-ANN方法

3.1引言

3.2神经网络基本原理

3.2.1人工神经网络的能力

3.2.2神经网络可处理任务

3.3 BP神经网络

3.3.1 BP网络的设计

3.3.2 BP网络训练的计算机实现方法

3.4层次分析法(AHP)原理

3.5 AHP-ANN敏捷性评价方法

3.5.1 AHP-ANN评价步骤

3.5.2企业敏捷性评价指标

3.5.3因素指标模糊处理

3.6本章小结

第4章基于AHP-ANN的模块化虚拟企业盟员敏捷性评价模型

4.1引言

4.2构建模型的评价体系

4.2.1制定评价指标的原则

4.2.2主要参考敏捷性评价体系

4.3盟员敏捷性评价指标层次结构

4.4模块化神经网络敏捷性评价过程

4.4.1模块化模型

4.4.2贝叶斯正则化神经网络结构

4.4.3分解判定子单元评价

4.4.4子任务处理单元划分和训练

4.4.5样本的测试分析

4.4.6讨论分析

4.5本章小结

第5章基于贝叶斯正则化神经网络的虚拟企业敏捷性评价

5.1引言

5.2虚拟企业敏捷性评价问题

5.3虚拟企业敏捷性评价

5.4贝叶斯正则化神经网络虚拟企业敏捷性评价方法

5.4.1数据处理

5.4.2学习样本的构造

5.5虚拟企业敏捷性评价仿真

5.5.1神经网络结构确定与样本获得

5.5.2神经网络的测试和比较

5.5.3结果分析

5.6本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介