發(fā)布時間：2021-09-09 13:56

　　在前景理論的基礎(chǔ)上,考慮參與匹配主體對各個匹配方案評估的相互參照作用,引入差異系數(shù)來放大匹配方案之間的差異,便于匹配對的選擇;在訂單拆解成不同的產(chǎn)能需求的實際條件下,提出了需求方對不同產(chǎn)能的重要性評估系數(shù),彌補(bǔ)了前景理論無法描述的需求方對產(chǎn)能的重要性評估差異;綜合由于心理因素引發(fā)的產(chǎn)能匹配效果評估差異和對訂單分解出的不同產(chǎn)能需求的重要性評估差異,建立了雙邊匹配主體針對不同產(chǎn)能匹配方案的多屬性滿意度指標(biāo)。之后,以多屬性滿意度為基礎(chǔ),定義兩種類型的屬性�？紤]對訂單匹配結(jié)果中不同屬性滿意度的評估取值方法差異,建立多目標(biāo)規(guī)劃模型,求解匹配結(jié)果。最后,通過一個實例得證該方法的可行性和有效性。 

【文章來源】：工業(yè)工程與管理. 2020,25(03)北大核心CSSCI

【文章頁數(shù)】：11 頁

【部分圖文】：

平臺在產(chǎn)能層面對供需進(jìn)行雙邊匹配

我們將本文主要的參數(shù)在表1中進(jìn)行介紹和說明。云制造平臺的雙邊匹配過程中，匹配的主體分為產(chǎn)能的需求方和供給方。需求方有m個企業(yè)；供給方有n個企業(yè)，其中m≥2,n≥2。為了更一般化描述供需雙方的供需信息，我們用1和0來表示需求方的訂單以及平臺拆解出的該訂單中產(chǎn)能需求的存在與否的狀態(tài)，以及產(chǎn)能供給方可分享產(chǎn)能的存在與否的狀態(tài)。平臺在某時刻承接需求方的最大訂單量為N個，訂單存在與否的狀態(tài)可以用Oi=(oi1oi2?oiN)表示，其中，

(1）編碼。遺傳算法常用二進(jìn)制編碼，但為保證迭代效率，使得每次迭代產(chǎn)生可行解，本文采用二維編碼的方式，染色體基因包含二維信息，分別是產(chǎn)能和供給方的編號信息，如表（2）所示，對于存在產(chǎn)能1的B1,B2,B4編號為11,12,14，同理可得圖3的染色體編碼。(2）解碼和適應(yīng)度函數(shù)。結(jié)合需求方的產(chǎn)能需求存在與否狀態(tài)Rik將染色體編碼轉(zhuǎn)化為長度為(m?N?M?n)的0-1向量，初始化向量的每一個值都為0。首先將每個基因編碼以相同的十位數(shù)分成不同的組，以圖3為例，該染色體的基因可分為三組11、12、14;21、24;31、33；再結(jié)合需求方對不同產(chǎn)能的存在情況進(jìn)行匹配，在0-1向量里找到存在需求且完成匹配所對應(yīng)位置，并賦值為1，直到所有基因編碼在0-1向量中的某些位置完成賦值1的操作，染色體編碼完成0-1向量的轉(zhuǎn)化。令目標(biāo)函數(shù)為適應(yīng)度函數(shù)，即匹配雙邊滿意度之和為適應(yīng)度值。

【參考文獻(xiàn)】：
期刊論文
[1]基于新排序函數(shù)的直覺模糊雙邊匹配決策方法[J]. 樂琦,張莉莉.  控制與決策. 2020(04)
[2]崗位存在占有申請者條件下人崗雙邊匹配模型[J]. 袁鐸寧,姜艷萍.  控制與決策. 2019(05)
[3]考慮匹配穩(wěn)定性的多屬性雙邊匹配決策方法[J]. 李銘洋,李博,曹萍萍,霍春輝.  系統(tǒng)工程. 2017(11)
[4]基于多屬性效用理論的群體決策偏好整合研究[J]. 趙九茹,李心廣,李霞.  統(tǒng)計與決策. 2017(21)
[5]考慮主體心理預(yù)期的云制造資源雙邊匹配機(jī)制[J]. 趙道致,李銳.  控制與決策. 2017(05)
[6]基于服務(wù)質(zhì)量的云制造服務(wù)雙向匹配模型[J]. 趙金輝,王學(xué)慧.  計算機(jī)集成制造系統(tǒng). 2016(01)
[7]云制造理論、技術(shù)及相關(guān)應(yīng)用研究綜述[J]. 齊二石,李天博,劉亮,黃毅敏.  工業(yè)工程與管理. 2015(01)
[8]考慮穩(wěn)定匹配條件的雙邊滿意匹配決策方法[J]. 樊治平,李銘洋,樂琦.  中國管理科學(xué). 2014(04)
[9]基于累積前景理論的具有不完全序值信息的雙邊匹配決策方法[J]. 樂琦.  運籌與管理. 2013(04)
[10]基于累積前景理論的雙邊匹配決策方法[J]. 樂琦,樊治平.  系統(tǒng)工程學(xué)報. 2013(01)



本文編號：3392216