排序方式: 共有36条查询结果,搜索用时 31 毫秒
31.
BP-GA混合优化策略在人力资源战略规划中的应用 总被引:1,自引:1,他引:0
采用混合优化策略训练神经网络,进而实现地区人力资源数据的时间序列预测.神经网络,尤其是应用反向传播(back propagation,简称BP)算法训练的神经网络,被广泛应用于预测中.但是BP神经网络训练速度慢、容易陷入局部极值.遗传算法(genetic algorithm,简称GA)具有很好的全局寻优性.因而提出将BP和GA结合起来的混合优化策略训练神经网络,来实现人力资源数据预测.与BP算法相比,数值计算结果表明预测精度高、速度快,为地区人力资源数据的时间序列预测研究提供了一条新的途径. 相似文献
32.
研究不确定数(区间数,三角模糊数和梯形模糊数)互补矩阵的一致性.建立表示矩阵的概念,将不确定数互补判断矩阵和专家给出的两两比较信息联系起来,表示矩阵即常用的互补判断矩阵.在给出一致性表示矩阵的诸多性质的基础上,给出了求一致性表示矩阵的方法.给出的不确定数互补判断矩阵的一致性定义、一致性表示等概念,包含了精确数互补判断矩阵的情形,所给出的性质也完全适合精确数互补判断矩阵的情形,并给出一个应用算例. 相似文献
33.
提出了集团序的概念和方法,建立方案之间的3种关系.基于这3种关系,对每个方案定义了3个集合.定义了方案集的集团序,给出了集团序的构造算法.对算法进行了时间复杂度分析,该算法的时间复杂度为O(n3).定义了方案的集团序指标和方案的集团优先关系.对方案集团序进行了稳定性分析,给出了方案集团序稳定的充分条件.最后给出一个应用实例. 相似文献
34.
模糊数互补判断矩阵的加性一致性 总被引:8,自引:2,他引:6
研究带有模糊数的互补判断矩阵的一致性.首先给出三角模糊数、梯形模糊数和混合互补判断矩阵定义,然后引入模糊数的心、心算子以及心矩阵,进而基于心矩阵给出模糊数互补判断矩阵的一致性定义,同时建立可达矩阵给出模糊数互补判断矩阵的一致性判别方法;通过构造和分析偏差矩阵,给出非一致性模糊数互补判断矩阵的加性一致性改进方法.调整时,调整量可以是精确数也可以是模糊数.为了说明方法的可行性,给出了一个算例.该方法的提出,为模糊数互补判断矩阵一致性的判断和改进提供了一个实用方法. 相似文献
35.
提出了集团序的概念和方法,建立方案之间的3种关系.基于这3种关系,对每个方案定义了3个集合.定义了方案集的集团序,给出了集团序的构造算法.对算法进行了时间复杂度分析,该算法的时间复杂度为O(n3).定义了方案的集团序指标和方案的集团优先关系.对方案集团序进行了稳定性分析,给出了方案集团序稳定的充分条件.最后给出一个应用实例. 相似文献
36.
参数估计是马尔可夫模型中的常见问题.基于初始状态的重要性,本文对初始状态未知的马尔可夫链模型的初始状态进行估计,并根据状态可见与否将模型分成一般马尔可夫模型和隐马尔可夫模型.考虑观测状态或观测符号的数量,基于极大似然原理分别建立了线性规划和非线性规划模型,并证明各阶段状态的概率满足规范性.对于线性规划模型,指出其可以用单纯形法求解,并给出了解的表达.对于非线性模型,指出其最优解的存在性,并利用库恩-塔克条件(K-T条件)将模型转化成方程组的形式.算例分析中,在基于库恩-塔克条件的方程组不易求解的情形下,运用lingo得到了满足模型的解. 相似文献