浙江省重大科技专项基金(2009C11026)
- 作品数：8 被引量：146H指数：6
- 相关作者：王丽萍邱飞岳蔡建湖王永固江波更多>>
- 相关机构：浙江工业大学更多>>
- 发文基金：浙江省重大科技专项基金国家自然科学基金浙江省科技计划项目更多>>
- 相关领域：自动化与计算机技术经济管理文化科学更多>>
- 基于多目标进化算法的协同设计冲突消解方法被引量：9
- 2010年
- 针对协同设计中的目标冲突问题,提出了基于模糊集和多目标进化算法的冲突消解方法。分析了协同设计冲突产生的原因,建立了冲突问题的多目标模型;使用多目标进化算法对模型进行求解,得出符合决策者决策偏好的最优解集;利用基于模糊集理论的满意度函数对解集进行满意度排序,选取满意度最大的解作为综合最优解。以两个典型工程设计问题为应用案例进行仿真实验,利用基于决策偏好多目标粒子群算法来搜索符合决策偏好的最优方案集,并与基于多目标决策的协同设计冲突消解方法进行对比分析,结果证明了该方法的有效性。
- 王丽萍江波邱飞岳
- 关键词：协同设计冲突消解多目标优化产品设计
- 季节性商品两级供应链契约设计与协调模型研究综述被引量：7
- 2010年
- 在季节性商品销售环境下,讨论了单节点成员两级供应链契约设计与协调模型研究状况。在此基础上,讨论了多供应商对单零售商、单供应商对多零售商、多供应商对多零售商等不同供应链结构下的契约设计与协调模型研究现状。综述了复杂决策环境对契约设计与供应链协调的影响。总结了目前的研究现状,并提出了今后的研究方向。
- 蔡建湖王丽萍
- 关键词：供应链契约博弈
- 基于决策偏好的多目标粒子群算法及其应用被引量：20
- 2010年
- 针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。
- 王丽萍江波邱飞岳
- 关键词：粒子群算法多目标优化决策偏好
- 基于4C/ID模式的复杂学习支持平台构架探究被引量：23
- 2012年
- 随着对复杂学习研究的深入,面向复杂学习的4C/ID模式在教学设计领域产生了重要影响。本文采用质性研究方法,系统介绍了复杂学习的含义及三大学习理论(即行为主义、认知主义和建构主义)对复杂学习的不同解释,并从4C/ID模式的本质属性、基本原理和四大核心要素出发,深入探究了面向复杂学习的4C/ID模式,分析了目前网络学习平台存在的不足,架构了基于4C/ID模式的复杂学习平台,并详细阐述学习平台的体系结构、功能模块以及平台的学习流程,为将来开发复杂学习平台提供一种解决方案。
- 邱飞岳刘朋飞王丽萍谢雨晨
- 关键词：教学设计
- 供应商管理库存环境下一个装配系统的两次生产模式被引量：5
- 2010年
- 考虑一个由两个供应商和一个装配商所组成的装配系统,装配商所面临的需求是不确定的,并且产品具有季节性销售的特征。研究了供应商管理库存模式下装配系统的运作机制,在分析传统的单次生产模式基础上,引入了两次生产模式。分析了在两次生产模式下,供应商对库存的最优决策。论证了两次生产模式对装配系统性能所产生的积极作用。通过算例对结论进行了说明。
- 蔡建湖韩毅王丽萍
- 关键词：供应链供应商管理库存PARETO改进
- 基于协同过滤技术的在线学习资源个性化推荐系统研究被引量：35
- 2012年
- 在线学习资源建设已经成为了当今数字化学习研究的热点问题。本文以学习过程中学习者学习行为和在线学习资源的特点为基础,结合协同过滤算法,设计了基于协同过滤技术的在线学习资源个性化推荐系统模型。实践证明,该模型可以更好地为学习者创造数字化学习环境,提高学习者的自主学习效率。
- 孙歆王永固邱飞岳
- 关键词：协同过滤个性化推荐
- 供应商管理库存环境下的两级供应链优化模型被引量：4
- 2010年
- 为研究供应链协调状态下的利润分配问题,建立了一个供应商管理库存环境下的两级供应链模型。研究了传统模式下供应链的协调与优化问题,以剩余补贴契约为例讨论了供应链契约设计及其应用。在此基础上,分别研究了季中追加生产机会和提前订购策略对供应链成员决策的影响,论证了优化供应链性能的基本思路,寻找实现供应链成员期望利润帕累托改进的最优集,分析了季中生产成本、提前批发价等决策变量对供应链性能的影响。最后,通过一个算例对研究结果进行了说明。
- 蔡建湖王丽萍周根贵
- 关键词：供应链供应商管理库存契约博弈
- 基于协同过滤技术的学习资源个性化推荐研究被引量：47
- 2011年
- e-learning的调查发现,e-learning支持系统中学习资源推荐主要有Top-N和关键词检索两种方式,都无法向学习者个性化地推荐学习资源。受电子商务研究领域中相关研究成果启发,我们尝试将协同过滤推荐技术引入学习资源的个性化推荐研究中。通过综述学习资源个性化推荐中三种常用的推荐技术,介绍了协同过滤推荐技术的工作原理、实现方法及存在问题。在此基础上,提出了一个优化的基于协同过滤技术的学习资源个性化推荐系统的理论模型,重点讨论了模型的结构、隐式评分机制和算法的实现,并讨论了个性化学习资源推荐模型中的三个关键技术。以启发e-learning研究人员从不同的层面和角度探索协同过滤技术在e-learning中的应用,提高学习资源个性化推荐的精度和效率。
- 王永固邱飞岳赵建龙刘晖
- 关键词：E-LEARNING协同过滤技术学习资源个性化推荐
