毕文杰
- 作品数:41 被引量:104H指数:6
- 供职机构:中南大学商学院更多>>
- 发文基金:国家自然科学基金湖南省哲学社会科学基金湖南省自然科学基金更多>>
- 相关领域:经济管理自动化与计算机技术社会学自然科学总论更多>>
- 基于前景理论的决策分析方法及其在工程项目评价中的应用被引量:8
- 2014年
- 层次分析法是多目标决策常用方法之一,目前被广泛应用于工程项目评价中。利用层次分析法的基本原理,结合前景理论,提出了基于价值函数的决策分析方法。首先构建虚拟方案概念,把虚拟方案作为比较的统一尺度,用层次分析法确定准则权重,以最大最小归一化方法对特征向量进行标准化后,得到方案的数值表示向量,然后计算出前景值作为方案比较的依据。在统一尺度下,该决策方法适用于较多方案情况下对方案的评价与排序。最后,通过工程项目评价实例,验证了该方法的可行性和有效性。
- 刘海英罗新星毕文杰满月明
- 关键词:层次分析法
- 多Agent在群决策支持系统生成器中的应用研究被引量:4
- 2005年
- 对群决策支持系统生成器及MultiAgent系统进行了探讨。在分析群决策过程中Agent角色和功能的基础上,为智能群决策支持系统生成器设计了一个3层MultiAgent框架,并对该框架在群决策支持系统开发中的应用进行了说明。
- 陈晓红毕文杰
- 关键词:群决策支持系统生成器
- 基于可变精度粗糙集的多决策表分析方法被引量:2
- 2008年
- 针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。
- 毕文杰陈晓红
- 关键词:群决策可变精度粗糙集
- 基于消费者惰性与企业需求学习的动态定价被引量:3
- 2019年
- 在企业以最大化利润为目的的动态定价过程中,了解消费者行为特性,进行科学有效的需求学习显得越来越重要。运用马尔科夫决策过程理论建立有限期随机动态定价优化模型,得出最优定价策略,并运用数值仿真对比分析企业是否存在需求学习情况下消费者惰性对价格和利润的影响。结果显示:企业进行需求学习时往往能获得较高的期望利润。当库存不足时,企业定价随销售期递减;期望利润和最优价格随着惰性强度或惰性广度的增加而下降;无需求学习企业单位产品边际利润往往较高,单位产品未来边际利润损失往往较低,因此无需求学习企业更注重短期利润,而有需求学习企业更注重长期收益。
- 毕文杰胡兵伟
- 关键词:动态规划多元LOGIT模型
- 一种计算机自主学习源代码的方法
- 本发明公开了一种计算机自主学习源代码的方法,其特征在于,该方法包括以下步骤:S1、数据收集模块,通过在线判题系统得到符合要求c++程序代码,由问题题号P、问题c++源代码文件S两部分组成;S2、数据预处理模块,主要是将c...
- 鲁鸣鸣谭丁武毕文杰刘海英郑一基易驰
- 文献传递
- 一种基于层级时序图卷积网络的路网交通流预测方法
- 本发明公开了一种基于层级时序图卷积网络的路网交通流预测方法,该方法包括步骤:S1、建立路网图,根据路网图构建邻接矩阵;S2、将每个节点上的流量作为此节点的信号;S3、利用图的邻接矩阵,计算拉普拉斯矩阵,针对流量信号建立谱...
- 鲁鸣鸣张坤芳张阳蔡佳文田卓林毕文杰刘海英
- 文献传递
- 大型群组多属性决策Bayes概率修正法
- 2013年
- 针对大型群组多属性决策问题,给出了备选对象的优势集和Pareto有效率,并讨论了二者的性质.证明并指出了只有备选对象为Pareto解时,其Pareto有效率才可能不为0.将Pareto备选对象的Pareto有效率作为其"最优决策"的先验概率分布,然后利用Bayes公式和群组专家们决策的后验概率对其加以修正,即可得到"最优决策"概率最大的备选对象.该方法在充分利用专家组决策信息的前提下避免了寻找一个主观集结规则的决策问题,不需要集结出一个权重结果,从而减少了决策过程中主观因素的影响,并且当将每位专家的决策看成一个独立的随机实验时,理论上专家人数越多,决策结果越精确.最后以一个算例说明了所提出方法的有效性.
- 马本江徐晨毕文杰陈晓红
- 关键词:多属性
- 考虑消费者参照效应与策略行为的多产品动态定价被引量:3
- 2022年
- 在考虑客户同时表现出参照依赖和策略行为的场景下,本文构建了一个垄断厂商两阶段的多产品动态定价模型。该模型将易逝品的销售分为正常价格阶段和促销价格阶段,每个阶段又分为多期。客户分为短视型和策略型,其中策略型客户会根据两个阶段价格的差异和获得商品的概率,决定是在第一阶段和等到第二阶段购买商品。基于随机动态规划的结构属性和超模理论,得到了两个阶段稳态价格的解析解,并且证明最优价格路径是单调且随着初始参照价格变化而变化。最后,通过对两种产品的数值实验,分析了各种参数对最优稳态价格的影响。结果显示,零售商可以采取多产品联合定价策略,即基于商店水平的定价策略,并通过调整核心产品的比重来获得更高的利润。
- 刘海英毕文杰
- 基于机器学习的Airbnb房源价格预测及影响因素研究——以北京市为例被引量:3
- 2022年
- Airbnb是全球最大的旅游房屋租赁平台之一。本文综合利用多种机器学习方法,基于房源本身的特征、房源的位置、设施与服务、租赁规则、房东的特征和房源的声誉这六类解释变量对北京市Airbnb房源价格进行了预测,并探讨了六类解释变量对房源价格的影响。发现:(a)六类变量中房源本身的特征对房源价格的影响最大。(b)非线性方法的表现明显优于线性方法。(c)与以往研究发现的Airbnb房源价格与允许即时预定呈负相关关系相反,北京市允许即时预订的房源价格高于不允许即时预订的房源。(d)房源容量、房间类型以及房源与市中心的距离是最重要的影响因素。本文为Airbnb房源定价研究提供了新的视角,同时有利于Airbnb房东更好地为其房源设置价格,作者从理论和实践的角度作出了可能的解释。
- 毕文杰扶春娟
- 关键词:共享经济价格影响因素
- 基于XGBoost算法的数据驱动单周期报童问题研究
- 2024年
- 求解单周期报童问题通常假设需求分布服从某一特定形式,通过历史数据预测需求并求解优化模型。尽管此假设可以简化分析,但它并不能反映随时间动态变化的真实需求分布,且不可避免地将历史估计预测误差传递给优化过程。为解决这一问题,本文提出了一种将估计和优化相结合的方法。该方法采用数据驱动计算权重的形式来处理与特征相关的需求不确定性,并引入XGBoost算法对具有非平稳需求的单周期报童问题进行求解。在观察到影响需求的特征后,该方法能直接确定最佳库存决策。本文对运营管理领域的贡献主要包括两个方面:1)提供了一种解决方案,将名为XGBoost的可扩展端到端树提升系统的机器学习算法集成到了单周期报童问题中。2)将该集成估计优化算法应用于不同目标服务水平和训练样本量的真实数据集,并与现有研究报童问题的几种标准方法进行比较,结果表明,该方法至少可以降低约5%的库存成本。
- 严雨婷毕文杰
- 关键词:报童问题SAA分位数回归