電子中介中多屬性商品交易匹配的建模與優(yōu)化

內(nèi)容概要

　　《電子中介中多屬性商品交易匹配的建模與優(yōu)化》是一部關(guān)于電子中介中多屬性商品交易匹配建模與優(yōu)化的研究專(zhuān)著。近年來(lái)，電子中介作為電子商務(wù)的重要組成部分，在實(shí)踐中發(fā)展很快，但其理論研究卻相對(duì)匱乏。針對(duì)電子中介中多屬性商品交易匹配的典型優(yōu)化問(wèn)題，本書(shū)系統(tǒng)地介紹了該領(lǐng)域最新的研究成果，內(nèi)容涉及具有數(shù)量折扣的多屬性商品交易匹配模型與算法、屬性權(quán)重信息不完全的多屬性商品交易匹配方法、具有模糊信息的單數(shù)量多屬性商品交易匹配模型與算法、具有模糊信息的多數(shù)量多屬性商品交易匹配模型與算法等四個(gè)方面的研究工作。書(shū)中采用了運(yùn)籌學(xué)、模糊數(shù)學(xué)與模糊優(yōu)化、軟計(jì)算及系統(tǒng)仿真等多種研究方法，并附有大量應(yīng)用問(wèn)題的仿真算例。
　　《電子中介中多屬性商品交易匹配的建模與優(yōu)化》適合從事電子商務(wù)研究的科技工作者和工程技術(shù)人員閱讀，也可作為管理科學(xué)和系統(tǒng)工程等專(zhuān)業(yè)的研究生、教學(xué)與科研人員的參考書(shū)。

作者簡(jiǎn)介

蔣忠中，1979年生，博士，湖南祁陽(yáng)人，現(xiàn)為東北大學(xué)工商管理學(xué)院管理科學(xué)與工程系副教授/碩導(dǎo)，曾任美國(guó)北卡羅來(lái)納州立大學(xué)工業(yè)與系統(tǒng)工程系訪問(wèn)學(xué)者和香港理工大學(xué)工業(yè)與系統(tǒng)工程系副研究員。 主要研究方向包括系統(tǒng)建模與決策、行為運(yùn)作與收益管理、智能優(yōu)化算法等。曾主持和參加國(guó)家自然科學(xué)基金、中國(guó)博士后科學(xué)特別資助基金等國(guó)家及省部級(jí)項(xiàng)目10余項(xiàng)；在《European Journal of Operational Research》、《Computers&Industrial Engineering》、《Expert Systems with Applications》、《管理科學(xué)學(xué)報(bào)》、《系統(tǒng)工程理論與實(shí)踐》、《中國(guó)管理科學(xué)》等國(guó)內(nèi)外權(quán)威及重要期刊發(fā)表論文近30篇，其中，SCI檢索5篇，EI檢索13篇；獲中國(guó)物流學(xué)會(huì)優(yōu)秀論文獎(jiǎng)、遼寧省自然科學(xué)學(xué)術(shù)成果一等獎(jiǎng)等共計(jì)4個(gè)獎(jiǎng)次；現(xiàn)為Production and Operations Management Society會(huì)員，同時(shí)擔(dān)任《European Journal of Operational Research》、《管理科學(xué)學(xué)報(bào)》、《系統(tǒng)工程學(xué)報(bào)》等國(guó)內(nèi)外權(quán)威期刊評(píng)審專(zhuān)家。

書(shū)籍目錄

序
前言
第1章 緒論
1.1 問(wèn)題的提出與研究的意義
1.2 本書(shū)的研究思路
1.3 本書(shū)的研究方法
1.4 本書(shū)的主要工作
1.5 本書(shū)的章節(jié)安排
第2章 相關(guān)概念與研究綜述
2.1 引言
2.2 中介的基本定義和概念
2.3 電子中介中多屬性商品交易匹配模型與算法的研究綜述
2.4 本章小結(jié)
第3章 多數(shù)量多屬性商品交易匹配模型與算法
3.1 引言
3.2 交易匹配度和數(shù)量折扣
3.3 問(wèn)題的數(shù)學(xué)模型
3.4 模型的求解算法
3.5 仿真算例與對(duì)比分析
3.6 本章小結(jié)
第4章 屬性權(quán)重信息不完全的多屬性商品交易匹配方法
4.1 引言
4.2 屬性權(quán)重不完全信息的數(shù)學(xué)描述
4.3 匹配方法
4.4 應(yīng)用實(shí)例
4.5 本章小結(jié)
第5章 具有模糊信息的單數(shù)量多屬性商品交易匹配模型與算法
5.1 引言
5.2 模糊信息的交易匹配度
5.3 單數(shù)量多目標(biāo)優(yōu)化匹配模型與算法
5.4 考慮模糊權(quán)重信息的匹配模型與算法
5.5 本章小結(jié)
第6章 具有模糊信息的多數(shù)量多屬性商品交易匹配模型與算法
6.1 引言
6.2 交易數(shù)量可分的匹配模型與算法
6.3 交易數(shù)量不可分的匹配模型與算法
6.4 問(wèn)題的擴(kuò)展
6.5 本章小結(jié)
第7章 結(jié)論與展望
7.1 本書(shū)的主要成果
7.2 本書(shū)的主要貢獻(xiàn)
7.3 研究工作的展望
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：   插圖：   精確算法亦應(yīng)用于求解間隔型交易匹配模型，尤其適合于較小規(guī)模的線性規(guī)劃匹配模型。Ryu將建立的交易匹配模型視為一種指派問(wèn)題，通過(guò)精確求解該指派問(wèn)題得到一個(gè)最優(yōu)匹配解的空間，然后運(yùn)用穩(wěn)定交易匹配算法從該空間得到最優(yōu)且穩(wěn)定的匹配對(duì)。Engel等運(yùn)用分枝定界算法對(duì)建立的多屬性交易匹配模型（網(wǎng)絡(luò)流模型）進(jìn)行了求解。Dani等針對(duì)交易匹配模型的特點(diǎn)提出了基于指派樹(shù)的指派算法，該算法的基本思想是從買(mǎi)賣(mài)雙方中找出單位商品交易對(duì)目標(biāo)函數(shù)最大化最有利的買(mǎi)家和賣(mài)家，然后最大化他們之間的交易數(shù)量；算法的時(shí)間復(fù)雜度為O（n2）+O（nlog2n）+O（n），這里的n為買(mǎi)家和賣(mài)家的數(shù)量。Placek和Buyya針對(duì)存儲(chǔ)器中介的交易匹配模型，給出了優(yōu)先適應(yīng)、最大化交易剩余、利用率最優(yōu)和最大剩余/利用率最優(yōu)組合等四種算法，并對(duì)四種算法的計(jì)算結(jié)果進(jìn)行了分析，研究表明最大剩余/利用率最優(yōu)組合的算法具有更好的性能。張振華等考慮商品的多屬性，給出了交易者按綜合滿(mǎn)意程度對(duì)滿(mǎn)足自己約束條件的交易對(duì)象進(jìn)行排序的計(jì)算方法。將Gale-Sharply和H-R算法從理論上擴(kuò)展到"p-k"情況，用來(lái)解決電子中介處理穩(wěn)定的多對(duì)多雙邊匹配問(wèn)題。需要指出的是，當(dāng)問(wèn)題的規(guī)模較大時(shí)，上述精確算法很難在一個(gè)合理時(shí)間內(nèi)求得模型的最優(yōu)解，因而在這種情況下，啟發(fā)式算法是一個(gè)更好的選擇。 2.啟發(fā)式算法 啟發(fā)式算法是在算法的設(shè)計(jì)中嵌入一些該問(wèn)題領(lǐng)域的"智能知識(shí)"，即一組啟發(fā)式規(guī)則，算法在搜索過(guò)程中依據(jù)這些規(guī)則進(jìn)行搜索，這有助于：①改善算法求解的質(zhì)量；②縮短算法找到最優(yōu)解的時(shí)間；③算法可以有效地求得特定問(wèn)題的最優(yōu)解（或次優(yōu)解）。 與精確算法相比，啟發(fā)式算法具有更高的搜索效率，因而適合求解較大規(guī)模的間隔型交易匹配模型。例如，Kim等根據(jù)貨物配送中介交易匹配模型的特點(diǎn)，設(shè)計(jì)了貪婪隨機(jī)自適應(yīng)搜索的啟發(fā)式算法（greedy randomized adaptive searchprocedure，GRASP），該算法最先由Feo和Resende于1995年提出。算法分兩個(gè)階段，第一階段是運(yùn)用啟發(fā)式規(guī)則構(gòu)建一個(gè)初始解，啟發(fā)式規(guī)則如下：配送任務(wù)依據(jù)一定的選擇概率（該概率與其產(chǎn)生的中介利潤(rùn)的大小成正比）依次進(jìn)入初始解中，直到所有能產(chǎn)生利潤(rùn)的任務(wù)都被選入初始解；第二階段是對(duì)初始解重復(fù)進(jìn)行插入和刪除一個(gè)任務(wù)的操作，直到該解的目標(biāo)函數(shù)值不能再進(jìn)一步優(yōu)化，即得到了該模型的最優(yōu)（次優(yōu)）解。結(jié)果表明：該算法比動(dòng)態(tài)規(guī)劃法更能有效地求解文獻(xiàn)建立的交易匹配模型。張振華和汪定偉設(shè)計(jì)了兩類(lèi)求解匹配模型的啟發(fā)式算法。文獻(xiàn)（50）設(shè)計(jì)了有指導(dǎo)隨機(jī)搜索算法對(duì)經(jīng)過(guò)理想點(diǎn)法轉(zhuǎn)換得到的非線性指派模型進(jìn)行求解，并通過(guò)實(shí)例驗(yàn)證了算法的有效性。文獻(xiàn)（51）將多目標(biāo)的交易匹配模型轉(zhuǎn)換為單目標(biāo)二分圖最大權(quán)重匹配問(wèn)題后，設(shè)計(jì)了求解該問(wèn)題的優(yōu)先貪婪算法，并與精確算法和標(biāo)準(zhǔn)貪婪算法進(jìn)行了比較，結(jié)果表明，優(yōu)先貪婪算法全面優(yōu)于標(biāo)準(zhǔn)貪婪算法，且在規(guī)模較大時(shí)，優(yōu)先貪婪算法較精確算法在計(jì)算時(shí)間上具有明顯的優(yōu)勢(shì)。 啟發(fā)式算法雖然具有解決大規(guī)模間隔型交易匹配模型的能力。但傳統(tǒng)的啟發(fā)式算法還存在一些缺陷，如啟發(fā)式規(guī)則僅適合于特定的模型或問(wèn)題，一旦問(wèn)題的結(jié)構(gòu)發(fā)生改變，則該啟發(fā)式策略也許會(huì)完全失效。近年迅速發(fā)展起來(lái)的亞啟發(fā)式算法（meta-heuristics），或稱(chēng)元啟發(fā)式算法、現(xiàn)代啟發(fā)式算法、智能優(yōu)化算法等，是一類(lèi)通用的且不依賴(lài)于問(wèn)題的新型啟發(fā)式算法，包括遺傳算法、模擬退火和禁忌搜索等，此類(lèi)算法只要作少許修改就可以解決不同的實(shí)際問(wèn)題，因而已成為求解大規(guī)模復(fù)雜問(wèn)題的一種強(qiáng)有力方法。汪定偉（54）提出群落選址算法并求解了多目標(biāo)交易匹配模型。但值得一提的是，迄今為止使用亞啟發(fā)式算法求解間隔型交易匹配模型的文獻(xiàn)并不多見(jiàn)。

編輯推薦

　　《電子中介中多屬性商品交易匹配的建模與優(yōu)化》對(duì)電子中介中多屬性商品交易匹配這一學(xué)術(shù)前沿問(wèn)題進(jìn)行了深入研究。首先，針對(duì)電子中介中各類(lèi)多屬性商品（如汽車(chē)、房產(chǎn)、零部件等）交易匹配問(wèn)題的特點(diǎn)進(jìn)行了分析和總結(jié)，提煉了若干新的典型優(yōu)化問(wèn)題，為該領(lǐng)域的科學(xué)研究提供了一個(gè)值得探討的方向。其次，針對(duì)確定信息和模糊信息兩種情形下買(mǎi)賣(mài)雙方（交易雙方）交易的不同要求，分別提出了相應(yīng)的交易匹配度計(jì)算方法，為電子中介中各類(lèi)多屬性商品交易匹配模型的建立奠定了基礎(chǔ)。最后，針對(duì)電子中介中多屬性商品交易匹配的新問(wèn)題，在給出交易匹配度計(jì)算方法的基礎(chǔ)上，建立和設(shè)計(jì)了若干典型優(yōu)化問(wèn)題的交易匹配模型與算法，并通過(guò)仿真算例和對(duì)比分析說(shuō)明了模型與算法的可行性與有效性，可以為電子中介企業(yè)多屬性商品交易匹配的實(shí)際運(yùn)作提供理論指導(dǎo)和決策支持。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    電子中介中多屬性商品交易匹配的建模與優(yōu)化 PDF格式下載

---