湖南省高等学校科学研究项目(11C1065)
- 作品数：4 被引量：19H指数：2
- 相关作者：伍景琼蒲云伍锦群王望贤更多>>
- 相关机构：娄底职业技术学院昆明理工大学西南交通大学更多>>
- 发文基金：湖南省高等学校科学研究项目国家自然科学基金云南省高层次科技人才培引工程更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 基于DEA线性规划和Kraljic模型的钢铁企业采购分类研究被引量：6
- 2013年
- 针对钢铁企业采购物资种类多、采购环境复杂的特点,采用Kraljic模型从收益影响和供应风险两个维度进行物资分类,建立钢铁企业物资分类指标体系.为了避免物资分类指标综合评价过程中主观性的影响,提出一种基于数据包络分析(Data Envelopment Analysis,DEA)属性的线性规划方法,用以计算综合指标评分.以钢铁企业L为案例,得出几种常见物资的采购类别,并制定相应的采购策略以降低采购难度及采购成本.
- 伍景琼蒲云伍锦群
- 原材料价格波动下钢铁生产库存多期优化模型被引量：2
- 2014年
- 考虑钢铁企业钢材生产受钢材需求和生产变动成本波动的双重影响,在预测基础上,建立钢材生产库存多期动态优化模型。由于模型涉及多种钢材及多个时段,属于大规模问题,求解困难,且为了避免粒子群算法陷入局部最优,提出采用模拟退火与粒子群组合智能算法对模型进行求解。最后通过钢铁企业L的案例,结果表明算法具有较强的收敛性和适用性,模型可用于解决钢铁企业多期生产实际问题。
- 伍景琼蒲云
- 基于PSO-SVM模型的网络流量预测研究被引量：2
- 2013年
- 针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度。将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。
- 伍锦群王望贤
- 关键词：网络流量粒子群算法支持向量机
- 价格波动下钢铁企业原材料采购多期优化模型被引量：11
- 2013年
- 考虑钢铁企业原材料需求、采购提前期及价格波动的影响,建立原材料采购的多期优化模型,最小化单位采购成本并保证原材料的供应.由于模型求解困难,将其分解为多个子模型,并采用改进的粒子群算法进行求解.最后以某钢铁企业铁矿石采购优化为案例,表明多期优化决策比单期最优经济采购决策和以补充库存为目的的采购策略更优.
- 伍景琼蒲云伍锦群
- 关键词：价格波动
