支持物流決策的定量模型與信息分析方法-wenkub
2023-03-03 06:31:13 本頁面
【正文】 件集檢索空間物體。 ? 作用：科學(xué)地編制物流經(jīng)營計(jì)劃和物流業(yè)務(wù)計(jì)劃、調(diào)度提供參考– 預(yù)測的基本步驟(1)確定預(yù)測目標(biāo)，包括預(yù)測對象、目的、對象范圍；(2)收集分析內(nèi)部和外部資料；(3)數(shù)據(jù)的處理及模型的選擇；(4)預(yù)測模型的分析，修正；(5)確定預(yù)測值。物流 費(fèi) 用與商品通 過量呈非 線 型關(guān)系。第 8章 支持物流決策的定量模型與信息分析方法? 教學(xué)目的– 利用信息分析技術(shù)、物流信息技術(shù)和物流定量模型等來進(jìn)行科學(xué)的物流管理決策；– 掌握基本的概念和基本的方法和科學(xué)的決策思維。原材料、燃料、半成品及供應(yīng) 地， 銷 售地點(diǎn)及 銷 售量，運(yùn) 輸 條件及 費(fèi) 用。? 預(yù)測的方法– 定性分析預(yù)測法? 集合意見法 (三種估計(jì)加權(quán)預(yù)測法 ):一種加權(quán)綜合判斷法? 用戶意見調(diào)查法 (設(shè)計(jì)調(diào)查表 )? 員工意見法? 專家意見法? 類推法– 定量預(yù)測法 ? 時間序列分析法? 回歸預(yù)測? 非線性模型? 組合預(yù)測? 時間序列分析法– 時間序列的四種變化特征? 趨勢性 (T)、季節(jié)性 (S)、周期性 (C)、不規(guī)則性 (I)，可以利用散點(diǎn)圖，識別變化特征。? “ 空間索引 ” 是空間檢索的關(guān)鍵技術(shù)，如何有效地從大型 GIS數(shù)據(jù)庫中檢索出所需信息，將影響 GIS的分析能力。? 實(shí)現(xiàn)輸入特征屬性的合并以及特征屬性在空間上的連接。 ? 數(shù)據(jù)的時態(tài)性– 隨時間的變化而不斷變化的187。 ? 共享多維信息的、針對特定問題的聯(lián)機(jī)數(shù)據(jù)訪問和分析的快速軟件技術(shù)。? 它并不將異常信息標(biāo)記出來，是一種知識證實(shí)的方法。– 例如，企業(yè)常常關(guān)心服務(wù)收入隨著服務(wù)水平提高而產(chǎn)生的變化情況，這時他是從服務(wù)水平的角度來觀察產(chǎn)品的服務(wù)收入的，所以服務(wù)水平就是一個維（服務(wù)維）。 ? 維成員：– 維的一個取值稱為該維的一個維成員。如果我們擴(kuò)展一個維，如產(chǎn)品維，就得到了一個四維的結(jié)構(gòu)。– OLAP的基本分析方法? 多維分析方法– 對以多維形式組織起來的數(shù)據(jù)，采取切片、切換、旋轉(zhuǎn)等各種分析方法，以求剖析數(shù)據(jù)，使最終用戶能從多個角度、多側(cè)面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地了解包含在數(shù)據(jù)中的信息、內(nèi)涵。187。187。 定義 1：在多維數(shù)組的某一維上，選定某一區(qū)間的維成員的方法 187。 旋轉(zhuǎn)可能包含了交換行和列；187。 把一個橫向?yàn)闀r間、縱向?yàn)楫a(chǎn)品的報表，變成一個橫向仍為時間和縱向?yàn)榈貐^(qū)的報表。 ? 準(zhǔn)則 3 存取能力準(zhǔn)則。 ? 準(zhǔn)則 7 動態(tài)的稀疏矩陣處理準(zhǔn)則。 ? 準(zhǔn)則 11 靈活的報表生成。 ? 分類分析（ Classifiers）：– 按照已有的分類標(biāo)準(zhǔn)，根據(jù)新事物的特征，將其劃分到一定的類別中。187。? 核心的部分：對痕跡強(qiáng)度的處理，隨著算法的進(jìn)行，較短路徑上痕跡的濃度增加，其相對應(yīng)的路就更有可能被螞蟻選中。 五月 21五月 21Thursday, May 13, 2023? 雨中黃葉樹，燈下白頭人。 五月 21五月 2106:21:2106:21:21May 13, 2023? 1他鄉(xiāng)生白發(fā)，舊國見青山。 2023/5/13 6:21:2106:21:2113 May 2023? 1做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 五月 2106:21:2106:21May2113May21? 1世間成事，不求其絕對圓滿，留一份不足，可得無限完美。 。 五月 21五月 21Thursday, May 13, 2023? 閱讀一切好書如同和過去最杰出的人談話。勝人者有力，自勝者強(qiáng)。 2023/5/13 6:21:2106:21:2113 May 2023? 1一個人即使已登上頂峰，也仍要自強(qiáng)不息。 13 五月 20236:21:21 上午 06:21:21五月 21? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 五月 2106:21:2106:21May2113May21? 1越是無能的人，越喜歡挑剔別人的錯兒。 2023/5/13 6:21:2106:21:2113 May 2023? 1空山新雨后，天氣晚來秋。 五月 21五月 2106:21:2106:21:21May 13, 2023? 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 五月 21五月 21Thursday, May 13, 2023? 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 。 五月 2106:21:2106:21May2113May21? 1故人江海別，幾度隔山川。? 許多組合優(yōu)化問題，如旅行商（ TSP）問題和調(diào)度問題（作業(yè)調(diào)度問題和時間表問題）都能得到較好的解決。 SD數(shù)學(xué)模型? SD的建模思路與理論依據(jù) ? SD模型結(jié)構(gòu)– 因果關(guān)系圖 – 系統(tǒng)流圖 – 構(gòu)造數(shù)學(xué)模型 物流配送調(diào)度支持系統(tǒng)的定量算法? 進(jìn)化算法 – 蟻群算法? 基本思想：模仿螞蟻依賴信息素進(jìn)行通信而顯示出的社會行為。– DM系統(tǒng)的實(shí)施? 數(shù)據(jù)準(zhǔn)備（ Data Preparation） ? 挖掘（ Mining） ? 表述（ Presentation） ? 評價（ Assess） 數(shù)據(jù)準(zhǔn)備 表述 評價挖掘挖掘數(shù)據(jù) 反映數(shù)據(jù)提供數(shù)據(jù)– DM與 OLAP的區(qū)別和聯(lián)系? DM：– 一種
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1