优化决策规则（共8篇）
优化决策规则 篇1
摘要：在模糊决策序信息系统中, 结合区间知识颗粒, 重新定义下、上近似, 进而导出区间决策规则。然后给出相应的属性约简, 并构造相应的区分函数求法, 来获取优化的区间决策规则, 使得决策规则的条件属性部分的描述更加清楚、简洁。
关键词：模糊决策序信息系统,属性约简,区分函数,优化区间决策规则
1 引言
粗糙集理论正式诞生于1982年波兰科学家Pawlak发表的论文《Rough Sets》[1,2], 经过三十多年的发展, 这一理论已经成功应用于模式识别、机器学习、数据挖掘、数据的决策与分析等众多领域, 特别是信息系统的属性约简与优化决策规则获取。
经典粗糙集理论是基于不可区分关系所形成的等价类, 但是在实际背景下, 经常会要求对对象的属性值进行排序或比较, 这时经典粗糙集中的不可辨识关系不再适用。为处理序信息系统中的知识发现问题, Greco等将经典粗糙集理论加以推广, 提出了基于优势关系的粗糙集方法 (DRSA) [3,4]。在优势关系粗糙集模型中, 用于分类的知识是由优势关系确定的论域中对象关于条件属性的支配集 (dominating set) 和被支配集 (dominated set) 。优化决策规则获取这一研究方向, 可以帮助我们从大量杂乱无章的、强干扰的数据中发现潜在的、有价值的、简洁的信息。Dubois等在文献[5]中利用模糊集和粗糙集的的结合, 定义了粗糙模糊集与模糊粗糙集的概念, 进而定义了相应的下、上近似;袁修久等在文献[6]中定义了模糊决策序信息系统的五种约简, 讨论了模糊决策序信息系统中利用辨识矩阵获取约简的方法;魏利华等在文献[7]中给出了一种新的粗糙模糊集方法, 定义了下、上近似及基于下、上近似的相对约简, 并讨论了利用区分矩阵来获取优化决策规则的方法;杜蕾等在文献[8]中定义了模糊下、上近似及相应的三种决策规则, 讨论了利用区分函数计算约简进而获取优化决策规则的方法;骆公志等在文献[9]中定义了基于限制优势关系的粗糙模糊集, 并给出相应的区分矩阵来计算约简;姜洪冰等在文献[10]中基于广义决策, 提出了上近似协调元的概念, 进而给出了模糊决策序信息系统中获取优化近似决策规则的方法。
目前对于优势关系粗糙集的研究, 都是以对象的支配集或者对象的被支配集作为基本知识颗粒, 来定义关系决策类的上并 (下并) 的下、上近似, 进而导出“at most”决策规则或者“at most”决策规则。但是在实际问题当中, 以支配集或者被支配集作为基本颗粒显得过于粗糙, 而且往往导不出类似“at most and at most”的区间决策规则。为解决此类问题, 管延勇, 王洪凯等[11]将一个特定对象的支配集和另一个特定对象的被支配集的交作为基本知识颗粒, 提出了区间知识颗粒的概念, 研究了序信息系统中获取决策极小决策规则获取问题。本文针对模糊决策序信息系统, 结合区间知识颗粒, 提出了区间约简的概念, 利用布尔推理理论, 给出了计算区间约简的区分函数, 提供了获取模糊决策序信息系统的区间决策规则的方法。
下文中, 第二节介绍文章所要用到的有关基本概念。第三节给出模糊决策序信息系统的区间决策规则获取及优化问题。第四节总结本文内容。
2 基本概念
3 优化区间决策规则获取及其区分函数求法
为了要优化[xi, xj]C诱导的决策规则, 需要在保证得到相同的决策结论的前提下, 亦即在保证决策规则的决策部分不变的前提下, 尽可能地去删除此规则的条件部分的合取项, 使其条件属性描述更加简洁, 找出对决策结论是必要的条件属性。由此可见, 要优化模糊决策序信息系统的区间决策规则, 只需要满足d ([xi, xj]B) =d ([xi, xj]C) 的极小属性子集B即可。为此, 下面我们给出优化区间决策规则的概念。
基于定义3.2和定理3.1, 结合布尔推理技术[12], 可以得到下面的命题3.1。
例3.1:求表3.1所示的模糊决策序信息系统的优化的区间决策规则。
解:以区间[x6, x5]C为例来说明获取模糊决策序信息系统中优化的区间决策规则的步骤。
类似上面的方法, 可以获取表3.1所示的模糊决策序信息系统的所有优化的区间决策规则。
4 结论
结合区间知识颗粒的概念, 讨论了模糊决策序信息系统的优化区间决策规则获取问题。通过区间知识颗粒的引入, 获取了模糊决策序信息系统的区间决策规则。然后给出相应的判定定理及区分函数的定义, 进而获取优化的区间决策规则, 使我们能从决策规则简化的直观角度, 对模糊决策序信息系统的知识有一个清楚的认识。
参考文献
[1]Z.Pawlak Rough sets[J].International Journal of Computer and Information Science.1982, 11:341-356.
[2]Z.Pawlak Rough sets:Theoretical aspects of reasoning about data[M].London:K.A.P, 1991.
[3]S.Greco, B.Matarazzo, R.Slowinski.Rough sets theory for multicriteria decision analysis[J].European Journal of Operational Research, 2001, 129:1-47.
[4]S.Greco, B.Matarazzo, R.Slowinski.Rough approximation by dominance relation[J].International Journal of Intelligent Systems, 2002, 17:153-171.
[5]DUBOIS D, PRADE H.Rough fuzzy sets and fuzzy rough sets[J].International Journal of General Systems, 1990, 17:191-208.
[6]袁修久, 何华灿.优势关系下模糊目标信息系统约简的辨识矩阵[J].空军工程大学学报 (自然科学版) , 2006, 7 (2) :81-84.
[7]魏利华, 唐振民, 杨习贝, 等.不完备模糊系统的优势关系粗糙集与知识约简[J].计算机科学, 2009, 36 (6) :192-195.
[8]杜蕾, 管延勇, 杨芳.优势关系下模糊目标信息系统的决策规则优化[J].计算机工程与应用, 2010, 46 (35) :136-138.
[9]骆公志, 杨习贝, 杨晓江.基于限制优势关系的粗糙模糊集及知识约简[J].系统工程与电子技术, 2010, 32 (8) :1657-1661.
优化决策规则 篇2
为充分发挥领导班子的核心领导作用，进一步贯彻落实党的民主集中制，保证决策的科学化、民主化，提高决策水平的办事效率，特制订本议事规则和决策程序。
一、议事基本原则
（一）贯彻上级规定。领导班子议事要坚持党的基本路线和改革开放，贯彻执行党和国家的方针、政策，遵守国家法律和法规。自觉在政治上、思想上、行动上与党中央保持一致高度，维护党中央的权威。
（二）集思广义，少数服从多数原则。决策问题必须坚持少数服从多数的原则，但对少数不同意见也要认真考虑，如一时难以形成共识，在时间允许的前提下，可放到以后再议。会上研究问题，要充分展开讨论，研究决策重大问题尤其是遇到影响面广的敏感疑难问题套要议深议透，一事多议。真正做到在民主基础上的集中与集中指导下的民主相结合。
（三）坚持解放思想、实事求是的原则。领导班子议事要讲实话、讲真话，要发挥主动性、创造性，在结合实际的基础上，畅所欲言。
（四）实行集体领导和个人分工负责。领导班子范围内的问题，必须由集体讨论决定，任何个人和少数人都无权决定重大问题。
（五）领导班子议事要维护全体职权的严肃性，维护全体干部职工的根本利益，体现全体干部职工的意愿并接受干部职工的监督。
二、议事内容
1、制定和贯彻落实党的方针、政策和上级文件精神。
2、本乡工作制度的健全、修改和废除，及重大改革措施的制定。
3、本乡全局性、政策性的重大事项和中长期发展规划以及工作计划。
4、研究组织工作中的有关重大事项。
5、本乡干部职工的考评、表彰及惩罚的审批。
6、重大突发性事件和涉及群众利益的重大问题。
7、其他需要研究讨论的重大问题。
三、议事程序
1、确定议题。书记负责在领导班子成员之间作会前协调，并与有关方面通气和协商，征求意见，调查研究，确定议题。
2、准备材料。确定提交会议研究的问题，并准备规范性上会材料，包括议案和论证材料。
3、提前通知。提交会议研究和议题及材料由办公室汇总、打印，在会议召开前3天送达参会人员。
4、充分讨论。会议由书记或由书记委托的其他班了成员主持，应安排充足的时间讨论问题。因故未到会的领导班子成员的意见，可用书面形式在会议上转达。
5、逐项表决。会议由书记视讨论议题的情况，决定是否进行表决或暂缓表决。表决可采用口头表决、举手表决或无记名表决。会议必须逐项表决。
6、做出决策。实行少数服从多数的决策形式，按表决意见形成会议决议，赞成票数超过应到会领导班子成员的半数为通过。
7、会议记录，重大事项形成纪要。会议讨论通过的重大事项要形成“重大问题会议纪要”，由书记审定后印发。
8、执行。会议决定的重大事项，根据会议决议和领导分工，应抓紧贯彻落实，书记负责执行情况的监督检查。
9、遇到重大突发事件和紧急情况，来不及召开会议讨论研究和会议表决的，领导班子成员可临时处置，事后应及时报告。
四、议事纪律
（一）对纪委会作出的决定、决议，必须坚决执行。如有不同意见或在实际工作中出现新情况需要改变的，可向书记建议提请下次会议讨论，但在领导班子没有作出新的决定之前，应坚决执行。
（二）领导班子成员必须严守会议纪律，保守机密。班子对应保密的会议内容及讨论情况，必须严守秘密，任何人不得向外泄露。
（三）参加班子议事会的参会和列席人员在讨论涉及本人及其家属的任免、调整、奖励等问题时应回避。
五、违规处理
1、讨论决定事项不按议事规则进行集体议事和表决形成决定的，要立即纠正重新议事。
优化决策规则 篇3
波兰数学家Pawlak提出的粗糙集理论 (RSA) [1,2]是一种处理不确定、不精确、不完备问题和模糊信息的数学工具。经过近三十几年的飞速发展, 粗糙集理论已成功应用到图像识别、数据处理、智能模拟、数据的决策与分析等众多领域。
经典粗糙集理论是基于不可区分关系对属性进行分类, 但是在实际背景下, 属性值大小体现对象关于属性之间的优劣关系, 这是经典粗糙集模型中等价关系所不能体现的, 为处理序信息系统中的知识发现问题, Greco等将经典粗糙集理论加以推广, 提出了基于优势关系的粗糙集方法 (DRSA) [3,4]。为解决从大量杂乱无章的、强干扰的数据中发现潜在的、有价值的、简洁的信息, 优化决策规则获取这一研究方向吸引了不少学者的关注。谢军等在文献[5]中提出了二种描述子的概念, 基于描述子讨论了优化决策规则的获取问题;邵明文和张文修在文献[6]中提出了一种扩展优势关系粗糙集模型, 进而利用该模型讨论了不完备协调序信息系统的决策规则获取问题;杨习贝等在不完备序信息系统中提出了相似优势关系, 而后利用相似优势关系定义了相应的知识约简以获取优化决策规则;并给出了最优可信决策规则的获取方法;杨习贝等在文献[8]给出了不完备区间值序决策信息系统获取优化规则的一种方法, 他们利用完备序信息系统的结论, 将不完备问题完备化, 进而给出了六种不同形式的约简, 讨论了这几种约简之间的关系, 并构造六种区分函数来计算相应的约简, 以获取优化的决策规则;姜洪冰等在文献[9]中利用正则元构造了相容支配集, 并基于此给出了不完备序决策信息系统的可信决策规则获取的方法;
目前对于优势关系粗糙集的研究, 都是以支配集或者被支配集作为基本知识颗粒, 来定义关系决策类的上并 (下并) 的下、上近似, 进而导出“at most”决策规则或者“at most”决策规则。然而, 在实际问题当中, 往往需要导出类似“at most and at most”的区间决策规则, 为解决此类问题, 管延勇, 王洪凯等利用支配集和被支配集的交来作为基本知识颗粒, 提出了区间知识颗粒的概念, 研究了序信息系统的极小决策规则获取问题。本文针对不完备序信息系统, 结合区间知识颗粒, 提出了I-区间约简的概念, 利用布尔推理理论, 给出了计算I-区间约简的区分函数, 提供了获取不完备序信息系统的区间决策规则的方法。
2 基本概念
定义2.4[3,4]在序决策信息系统S中, 由B哿C所确定的优势关系记为
定义2.6[10]在序决策信息系统S中, 由B哿C确定的区间知识颗粒记为
3 优化决策规则获取及其区分函数求法
所谓决策规则约简, 就是在保证得到相同的决策结论的前提下, 亦即在保证决策规则的确定性程度不变的前提下, 使其条件属性描述更加简洁, 找出对决策结论是必要的条件属性.为此, 下面我们给出决策规则的简化以及最优决策规则的概念。
基于定义3.2和定理3.1, 结合布尔推理技术, 可以得到下面的命题3.1。
例3.1.求表1所示不完备序决策信息系统的优化的区间决策规则
类似上面的计算方法, 可以由相应的区间颗粒得到所有优化的区间决策规则。
4 结论
利用管延勇等提出的区间知识颗粒的概念, 研究了在不完备序信息系统的优化决策规则获取问题。通过区间知识颗粒的引入, 导出了区间决策规则。然后给出定义相应的判定定理及区分函数, 来获取优化的决策规则, 使我们能从数学理论方面, 从决策规则简化的直观角度, 对不完备序决策信息系统的知识有了一个清楚的认识。
参考文献
[1]Pawlak Z.Rough sets[J].International Journal of Computer and Information Science.1982, 11:341-356.
[2]Pawlak Z.Rough sets:Theoretical aspects of reasoning about data[M].London:K.A.P, 1991.
[3]S.Greco, B.Matarazzo, R.Slowinski.Rough sets theory for multicriteria decision analysis[J].European Journal of Operational Research, 2001, 129:1-47.
[4]S.Greco, B.Matarazzo, R.Slowinski.Rough approximation by dominance relation[J].International Journal of Intelligent Systems, 2002, 17:153-171.
[5]谢军, 杨习贝, 孙怀江等.序值决策系统中基于描述子的可信规则获取[J].系统工程理论与实践, 2009, 29 (7) :105-112.
优化决策规则 篇4
近年来计算机行业网络技术发展迅速, 人们已经对网络安全已经越来越受到重视和关注, 同时网络攻击和入侵的现象发生率较高, 在当今社会网络安全技术在网络攻击和入侵方面具有一定保护作用, 主要有加密技术、安全路由器、防火墙技术等等。但是网络安全作为一个立体综合性的工程, 目前的一些防御系统已经远远不能够满足人们对网络安全的要求[1], 单纯依靠防火墙技术、加密路由器等已经行不通了。近些年来相关的学者将生物免疫机理逐渐应用于计算机系统中, 此种生物免疫系统式自治、自学习、自适应的多层防御系统, 并且在计算机网络安全上提出计算机免疫系统, 在以上原则的基础上设计出计算机免疫系统模型, 简称GECISM, 通过相互协作来区分计算机系统中的“非我”和“自我”, 其是由不同代理组成, 当然功能也存在一定差异, 每个代理所模拟的免疫细胞不同, 对“非我”进行抵御或消除。
1 简述
对于进程分类常见对策是对系统运行过程中所生成的操作日志、程序日志进行分析和统计, 这些数据虽然可移植性较好、实现方便, 但信息量受到一定的限制, 粒度大, 不能够有效的反应出进程的特性。由于以上方法有一定的不足, 美国Atephanie Forrest教授经过长时间的分析提出一种新型的方法, 通过分析进行系统调用来对其进行分类, 系统调用是所应用程序中接受操作系统服务公共的途径, 实现其功能中最基本的元素。通过对系统调用监视还可追踪系统进程的行为。美国教授研究小组经过试验证明所有程序在运行的过程中均会产生系统调用序列[2], 如实按照等长进行划分所形成系统短条序列有明显的稳定性能, 所以我们可通过定长系统调用序列构造的特征库对“非我”和“自我”进行区分, 系统运行全, 对采集到的“非我”和“自我”系统短调序列进行判断, 对于无法判断的系统短调序列则被称为漏点, 使用时间周期进行规则性更新, 生成队则较为常用的计算方法是常用的C4.5算法, 假定事例分类指和属性值确定前提之下, 使用信息作为启发式建立清晰决策树, 若是能够保证定量且分配合理的训练集, 使用该方法所生成的规则对于未知系统短调序列进行“非我”和“自我”分类, 具有较高的准确率。若是训练集数据分布不合理, 准确率降低, 原因是对于未知系统短调序列匹配方法完全和规则匹配确定分类, 否则便认为是“非我”, 所以充分的表明了此种方法不会产生没有办法判断的漏点。
本文主要介绍了利用构建模糊决策树所生成的规则, 系统短调序列可对规则进行模糊匹配, 根据匹配度进行相应的分类, 达到最佳的判断效果。在推理过程中, 清晰决策树每次只沿着满足条件的分支前进;而模糊决策树沿着所有分支向前。
2 模糊决策树
模糊集合论是指在处理和研究模糊性现象的理论, 是在1965年L.A.Zadeh所创立的, 模糊性主要是指客观事物之间差异的中间过渡时, 在日常生活中人的感知和思想模糊, 而逐渐形成“亦此亦彼”性 (不确定性) , 对于一些事物不能够用确定的语言及量进行描述, 造成专家推理过程不确定的原因有3点。
(1) 缺乏丰富可靠的经验; (2) 因为条件和时间限制, 证据较少或者接受错误的信息; (3) 事物本身就存在不确定性[3]。对于各种不确定性将其分为三大类, 因证据不全引起的不确定性;随机性引起不确定性;模糊性引起不确定性。在模糊逻辑及可能性理论不确定处理模型, 其将不确定性作为隶属度, 模糊数学作为理论基础, 在运算的过程中灵活运用, 并具有一定的针对性。定义多种模糊算子来反映各类不确定性传播的规律, 是因模糊性引起不确定性角度逐渐发展的一类数值计算模型。时间和信息复杂程度也较低。
决策树是测试属性分支、节点及叶结点够构成一分类和分析为目的的数, 以实例为基础进行归纳性总结, 在1986年Quinlan所提出的ID3算法在家顶你个事例分类值和属性值前提之下, 使用信息作为启发式。在处理属性值确定数据, 准确性恶化时间复杂程度均会达到较好效果, 在处理属性值模糊数据问题存在一定不足, 便将模糊决策树提出。模糊决策树算法处理传统决策树不能处理的不确定性, 让决策树学习应用的方法扩大, 是传统决策树的完善和扩充, 合理处理推理和学习中不精确信息, 为决策人员或者管理人员提供了丰富的信息, 因为不同置信程度和不同水平的规则均可生成, 具有较强的稳定性急分类的能力。
3 试验结果及分析
对logim中特洛伊代码允许通过“后门”登陆系统进行入侵, 试验使用Linux中login程序, 原始数据集中数据由2部分构成, 分别是系统调用和进程标识, Login在正常运行的过程中有11个进程, 在植入特洛伊代码之后程序中有9个“非我”进程, 对于这两个程序系统调用序列用长度为7的窗口进行采集之后, 一共得到6302个系统短调序列, 斌各队其进新内阁数据整理, 整理之后库N中有819个系统短调序列, 库A着呢个有210个, 生成训练集D一共有1031个示例, 使用C4.5算法对其生成的规则进行分析[4], 详细情况见表1。
利用Fuzzy-ID3算法对生成的规则进行分析, 参数为θ=0.1, β=0.8, λ1=0.3, λ2=0.4, 详情见表2。
在实验进行的过程中可若是发现训练集较小, 产生错误率不高, 导致此中情况发生的原因是因为重新选择训练集或者把进程迁移到TC Agent进行处理, 阈值λ1的选择会严重影响漏报率, 此值需在多次试验中总结得到。
4 小结
为得到“自我”、“未知”和“非我”3种分类, 在实验中使用Fuzzy-ID3算法, 可将进城进行合理判断, 构造模糊决策树所产生的规则。在判断一个系统短调序列的分类需要对每个规则逐一进行匹配, 降低效率, 这也是此种方法不足之处[5], 但是不会因为训练集分布不合理而导致升高误报率, 此种方法应用的规则虽然具有不足, 但是仍然具有一定的可行性。
参考文献
[1]李志平, 王凤先, 崔静等.基于模糊决策树的入侵规则生成技术[J].计算机研究与发展, 2006, 43 (z2) :548-550.
[2]费淑芳, 郑宁, 余日泰等.模糊关联规则算法在入侵检测中的应用[J].计算机应用与软件, 2009, 26 (3) :86-87.
[3]王艳清, 王明生.基于模糊支持向量机的网络入侵检测[J].计算机安全, 2011, (5) :1351-1353.
[4]张会影.基于聚类与决策树的综合入侵检测算法研究[J].计算机安全, 2010, (9) :750-751.
优化决策规则 篇5
关键词：建设项目,需求分析,投资决策,规则
在建设项目生命周期内,建设项目投资失败的原因可能是决策失误,可能是建造过程失控,也可能是运营管理失范。鉴于决策阶段对建设项目投资和使用功能的决定性影响以及建设项目的不可逆性,本文将集中关注投资决策失误导致的建设项目失败。实际上,建设项目投资决策是人们解决资源稀缺性的一项经济活动,而需求正是人们对稀缺反应的表征。建设项目投资决策的首要基准就是目标群体的需求能否得到有效满足。正基于此,在投资决策阶段,需求分析是否准确直接关系到投资决策规则的选择,进而影响到建设项目决策的成败。
一、建设项目需求的思想流变
在经济思想的历史语境中,建设项目的基本生产或服务功能从未曾改变,但建设项目投资行为取向却随着人类的需求异位而发生了巨大的变化。在古典经济范式中,供给是分析的核心[1]。以工业革命为背景的建设项目投资的使命就是扩大物质供给,满足人们的基本物质需求。在这种供给主导的短缺经济中,需求往往被忽略。人们对于生产性建设项目所生产的产品只求量上的满足,而没有更多的选择余地;对于非生产性建设项目也没有更高的企求,简陋的木屋火车站、拥挤少阳的工人居住区等建设项目就是那时的需求写照。当机械化供给出现过剩时,古典经济学也被以需求为核心的新古典经济学所取代,物质生产供给取向转向了基于商品货币交换的需求取向。人们不再仅仅局限于物质数量的满足,逐步衍生了多样化的需求,建设项目也要为买方需求量身而造了。此时,投资不再是决定供给的因素,而是被需求决定的因素[2]。火车、小汽车等机械化交通工具的发明催生了道路等交通建设项目;当距离不再是问题时,富裕阶层搬离了市中心的阴暗陋室,住进了郊区的别墅;火车站、商业中心再也不是旧模样;人们对工业化产品也变得日益挑剔。时至今日,这种以需求为导向的建设项目投资仍然在继续,但是经济学研究范围已经扩展到了人类的全部行为以及与行为相关的全部决定[3]。这种以需求为导向的投资思想又增添了“以人为本”的可持续价值观。因此,不论是经济分析理论的进展,还是建设项目投资的实践,它们都共同勾勒出了建设项目满足需求的投资决策发展路径,即从物本范式到资本范式再到人本范式。
从历史的视角来分析,中国60多年的发展历程也见证了上述逻辑。在短缺的计划经济时代,物质匮乏,供需缺口显而易见,包括大型基础工业在内的建设项目投资决策没有必要进行需求分析,完全是自上而下式的命令决策。尽管也出现了像三门峡水电工程项目的决策失误,但这种失误大都因技术自负,而非需求造成的。近三十年来,当市场逐步开始取代计划、短缺成为历史时,需求开始取代供给主导着建设项目投资决策,集中命令决策转向多元化个体的分散投资决策。在中国,建设项目投资趋向已经基本完成了由物本范式向资本范式的转变,决策者基本上从供给定势转变到需求导向的经济中来。由于混合投资体制的存在,建设项目投资决策由资本范式到人本范式的转变已经起步,但进展缓慢,需求导向下的行为研究尚未完全展开,行为研究视角下的需求和稀缺资源配置规则及与之有关的决策规则也未完全形成。因而,除了工业建设项目可行性研究的程序性规范之外,人们还需要制定人本范式下符合历史和现实的操作规则,以指导规则选择之下的投资行为。
二、需求聚类分析与决策规则
(一)需求聚类分析
如图1所示,依据建设项目的可经营性和产权属性,本文将把建设项目分为四类。第Ⅰ类是工具性建设项目,由利润导向的民间投资,向市场需求者提供产品(或服务),比如燃煤电厂或商业写字楼;第Ⅱ类是企业(或个人)自用建设项目,比如企业自建自用的办公楼;第Ⅲ类是非竞争、非排他的公共物品项目,如城市公园;第Ⅳ类是非竞争、排他的准公共物品项目,如城市轨道交通项目。此外,还有国家安全建设项目,它不属于经济范畴,故本文将不予讨论。
上述四类建设项目在投资主体、决策主体、需求主体、资源配置方式以及决策方式上都有所不同。从表1可以看出,除了第Ⅳ类中的特许经营项目之外,其他建设项目的投资主体与决策主体均为一体,决策权与投资主体不分离,投资决策目标一致。不过,对于第Ⅳ类中的非竞争、可排他类基础设施项目,近些年来政府往往不直接投资,而倾向于采用特许经营模式由民间资本投资建设。在这类项目中,民间投资者是没有决策权的,政府才是决策者。由于决策主体与投资主体分离,其目标也可能发生冲突。
从需求和资源配置方式上来看,建设项目要么是为了满足公共需求,要么是为了满足非公共需求(市场需求和自足需求)。公共需求由公共资源或政府主导的民间资源来供给,而非公共需求则是需要民间资源来满足。由于资源来源不同,其满足需求的资源配置方式也不同。非公共需求的产权属性单一,完全可以通过价格信号和利润目标等市场化方式将民间资源供给与市场需求匹配,市场出清时资源配置最有效率。当然,第Ⅱ类建设项目较为特殊,其供给主体与需求主体合二为一,此时企业的自足需求建设项目,不通过市场配置资源,而是通过市场微组织(企业)在组织边界内予以配置。在满足公共需求方面,市场是失灵的,这就需要行政决策来配置公共资源或民间资源。综上可以看出,除了第Ⅱ类建设项目外,其他建设项目的决策主体与需求主体均是分离的。决策者和需求者的非同体性导致决策目标和需求目标经常发生错位,错位严重时需求完全不能得到满足,从而导致项目决策失败。
(二)基于需求的决策规则
从经济分析的视角来看,建设项目的价值归宿是效率和公平。第Ⅰ类和第Ⅱ类建设项目需求是以效率为导向的,第Ⅲ类和第Ⅳ类建设项目需求则是以公平为导向的。根据社会选择理论,这两种需求是否得到满足是需求者可以通过用脚投票机制来评价的。对于前者需求者利用货币来投票,而后者需求者是利用行政信用来投票的。
有资源约束的需求导向不同,财务评价方法自然有异。第Ⅰ类和第Ⅱ类建设项目的效率导向需求体现在评价方法上就是采用基于“个体福利”的费用效益分析(Cost-Benefit Analysis,CBA),这也是实践中工业建设项目可行性研究普遍采用的评价方法。第Ⅲ类和第Ⅳ类建设项目的需求者为公众,其需求评价方法不能再采用CBA方法,而应采用基于“集体福利”的费用效果分析(Cost-Effect Analysis,CEA)。效率导向和公平导向也不是绝对的,第Ⅰ类和第Ⅱ类建设项目在追求效率目标的同时,还应兼顾公平,比如水泥生产项目在合规追求利润的同时,应对环境和周围社区带来的负外部性设置相应的环境和社会补偿机制。同理,第Ⅲ类和第Ⅳ类建设项目应以公平优先,兼顾效率。因为公共资源也是有限的,有多种竞争性分配方案,配置时需要排序,所以也应该本着“少花钱、多办事”的原则提高公共物品供给水平。比如,在基础设施、住房保障等公共需求没有基本满足的情况下,地方政府举债建设豪华行政办公大楼就有违“公平优先、兼顾效率”原则。
总之,适当性逻辑是规则遵循的基础。如图2所示,第Ⅰ类和第Ⅱ类建设项目是民间资源市场机制配置的结果,服务于市场经济,决策者依据经济规则(Economic Rule)进行投资决策;第Ⅲ类和第Ⅳ类建设项目是公共或民间资源行政机制配置的结果,服务于国民经济,决策者依据行政规则(Administrative Rule)进行投资决策;同时所有建设项目都是社会构成的一部分,都应当兼容社会规则(Sociological Rule),服务于人本经济。在这些规则导向下,前两类建设项目投资决策评价的标准有3个:1.财务评价指标达到期望值,2.国民财富增加,3.个人福利得到帕累托改进。同样,后两类建设项目投资决策评价的标准也有3个:1.成本预算平衡,2.投资期望符合公众需求,3.国民经济得到改善。
三、角色异位与规则违反
决策规则是由决策者制定的。投资者与决策者分离,以及决策者与需求者分离都有可能造成违反规则的结果,并进而导致需求落空,决策失误。以规则为基础的投资决策是一个确定角色并使规则与需求相符的过程。
(一)政府投资竞争性项目
国有企业的组织角色是政府代理人,其投资第Ⅰ类建设项目时,利用公共资源参与市场竞争,等同于行政规则与经济规则竞争,竞争的结果往往是行政规则占优。以钢铁项目为例,近年来由于我国基本建设投资增幅较大,为满足市场需求,许多民营资本纷纷投资钢铁生产项目,与国有钢铁企业同台竞技,这是市场需求导向的竞争常态。不过,一系列行政干预措施频频出台,如《关于清理钢铁项目的通知》(发改产业【2010】2600号),以重复建设、产能过剩为由,强制关停或组织国有钢企并购重组中小型民营铁矿开发和钢铁生产项目,出现了不少像亏损国企山东钢铁兼并重组盈利的民企日照钢铁的普遍案例[4]。在行政规则主导下,经济规则被逐出市场,市场需求无以满足,市场配置效率由此受损。其实重复建设是市场竞争的必然结果,这只是表明市场产品同质,这会激励企业在产品创新上投入资源,更好地满足市场需求。政府参与竞争领域建设项目的投资时,民营投资的命运有二:一是投资失败或中途撤出,二是寻求行政资源依赖。不论哪种情形,对于整个社会而言,需求都没有得到有效满足,投资效率难以提高。因此,从经济效率角度来看,政府投资模糊了行政规则与经济规则的边界,导致政府逐利、私企逐名的无序,市场需求无以满足,不符合私有资源的效率原则和公共资源的公平原则。
此外,我们还可以看到另外一种竞争景象,即在分税制度语境下,一些地方政府为了“一己之利”,纷纷为本地或自己的企业撑起一把保护之伞,甚或身先士卒冲锋在前,亲自操戈,为本地或自己企业保驾护航,企业之间的竞争俨然成了各地方政府之间的行政竞争。一个个“高新园区”、“基地”在地方政府招商的大旗下纷纷成立。在行政资源配置不均衡的条件下,行政干预扭曲了市场资源配置效率。
(二)政府投资纯公共物品
第Ⅲ类建设项目是纯公共物品,公众需求是其供给的唯一理由。不幸的是,这种纯公共物品的行政规则决策中掺杂着过多的经济诱因,同时忽略了投资决策的社会规则基础。2005年,国家重点文物保护单位圆明园管理处做出决策,在圆明园遗址东部挖深湖底,铺设防渗膜,同时改建驳岸,修建游船码头[5]。该项建设项目违规暂且不论,但从其决策行为可以看出,此项工程最大的决策指向是经营游船和快艇牟利。投资决策用经济规则替代了行政规则,并将社会规则弃之一旁,未经环境评价,破坏遗址原态,开展经营性游船和快艇娱乐项目,有违公众需求。
尽管没有经济诱因,但是违反社会规则,一厢情愿推行行政规则的代位决策现象在一些转移支付建设项目也较为常见。在新农村建设中,有些地方政府不顾及农民实际需求,拆村赶农民“上楼”。有些扶贫项目不考虑其适应性,如在2003年“非典”之后,为解决贫困地区人畜饮水问题,国家扶贫办给西藏计委拨付了一笔资金用于安装水管,而且指定不得挪用。可实际问题是,有些贫困村所紧缺的是一座桥或一条渠[6]。
由此可以看出,行政决策是自上而下的,行政规则下的投资决策是否有效取决于成本预算约束和公众需求的满足。在此模式下,决策者和需求者独立,信息不对称将导致所供非所求的无效结果。消除信息不对称的最佳途径就是公众参与公共建设项目的投资决策。参与式投资决策一方面可以反映利益相关者的诉求和需求,另一方面也可以弥补决策者知识或信息的不足。部分城市基础设施投资过度、农村基础设施投资不足等都是弱势公众少有参与公共资源行政决策的表现。投资过剩和投资不足都是决策参与不足的表现。参与式的要素是赋权公众,让其提出需求,使公众需求尽情表达[7]。由于决策者和使用者分化,使用者需求可能未能在建设项目中得到充分反映,导致项目建成后于使用者需求落差较大,往往会出现“好心办坏事”的结果。
(三)民间资本投资准公共物品
第Ⅳ类建设项目是准公共物品,也是为满足公众需求,因而该类项目首先需要遵守行政规则主导下的公平准则。同时,该类建设项目具有全部或部分可经营性,资源可由民间投资配置,所以项目还需要考虑经济规则主导下的效率准则。由此可见,在保证公众需求和公平的前提下,此类建设项目还可以允许民间投资者渔经济之利。近些年来,我国基础设施(包括市政公用设施)项目正在越来越多地采用特许经营的融资模式,吸引民间资本参与投资。项目形成了投资者、决策者和公众需求者的完全独立规则博弈格局,决策者要兼顾投资者的利益诉求和公众需求。不过,需要注意的是,若投资者利益与公众需求有冲突时,政府决策者需要在两者之间权衡,但权衡的结果不应该牺牲公众需求。深圳市梧桐山隧道即由民间外资参与投资的BOT建设项目,在城市化加速背景下,2000年后收费站已经成为阻碍市区与东部盐田港地区的咽喉瓶颈,公众交通需求得不到满足。在政府与隧道公司谈判未果的情况下,深圳市政府在2002年投资改造了深盐第二通道———梧桐山罗沙盘山公路供公众免费通行,公众交通需求得到部分缓解,但仍未解决根本问题[8]。依照准公共物品投资决策规则,如何将冲突目标熵减耦合,还需要决策者设计出激励相容的制度安排,优先满足公众需求,如将收费公路还原为纯公共物品,或在地铁经营中给予民间投资者最低价亏损补贴拍卖[9]。
(四)需求之外的社会规则基础
在经济规则和(或)行政规则主导下,市场需求项目和公共需求项目兼顾了投资者、决策者和需求者的效率和公平诉求,不过项目需求之外的社会诉求也不应当被排除在外,建设项目投资决策还应考虑负外部性,比如环境保护、移民、赈灾、文化等社会问题。浙江温州的楠溪江为国家重点风景名胜区,在经济利诱下,2003年左右该河流无序开发成风,建设小水电项目达百座左右,曾致使河流区段断流,水质由Ⅰ类变成Ⅴ类,周围居民饮水困难,特产香鱼近乎绝迹[10]。再如,2005年左右,有些地方政府打着“关心长城,修复长城”的保护性开发招牌,招来了近百个长城开发招商项目,大肆拆旧建新,浩劫过后古迹面目全非,其中开发金山岭长城的某旅游公司为经济之利,拆毁了一座有400多年历史的箭楼,将其建成缆车通道的入口[11]。旅游开发过程中,这种为经济利益之实的保护性破坏事例并不鲜见。为迎合所谓需求而违反社会规则的建设项目不仅是中国独有的现象,世界各国都或多或少地存在。各种各样的抵制活动轻则导致项目投资增加、工期延误,重则导致项目终止。因此,在投资决策过程中,建设项目还需要在需求之外结合社会学家式的决策(Sociologist’s Approach Decision)。
四、结语
优化决策规则 篇6
刀具是机械制造系统中重要的组成部分,它对加工表面的几何形状、尺寸精度、表面质量及加工成本等方面有很大影响。在刀具选择过程中,要涉及到工件材料、几何尺寸、加工特征等许多原始资料,这些参数之间的关系错综复杂,建立智能刀具选择系统具有重要意义。随着人工智能的发展,国内外对刀具智能选择进行了大量研究,并取得一定成果。
多年的研究表明,在刀具智能选配系统中,规则的获取是最难解决的,而且效率很低,往往要花很大一部分人力和财力在规则获取上,它被公认为是刀具智能选配系统的一个“瓶颈”。目前,在规则获取领域,国内外学者提出了基于粒计算的规则获取算法[1]、基于神经网络的规则获取算法[2]、决策树规则提取算法[3]等规则获取算法,并在实践中获得应用。
刀具选择规则涉及刀具型号、刀具尺寸等决策属性,且具有不同的属性值特征。现有的规则获取算法只是针对单一决策属性值的规则提取,在进行刀具选择规则的获取过程中,并没有有效的算法可以同时获取刀具型号、尺寸等决策属性信息。针对刀具选择规则多决策属性特征,本文在粗糙集理论基础上,提出了一种通过加工特征和工件尺寸对刀具进行选择的规则提取算法。
1 主要概念及约定
粗糙集理论是波兰学者Pawlak Z在1982年提出的,能有效处理不精确、不一致及不完整等不完备的信息,并从中发现隐含的知识,揭示潜在的规则。它具有强大的数据分析能力,是处理复杂系统的一种有效方法。近年来越来越多的研究人员开始对它进行研究,并建立了粗糙集理论的数据模型,还提出了很多在机器学习、数据挖掘和人工神经网络等方面得到了广泛应用的算法。按照最终生成的决策规则集的性质可分为3类:生成最小规则集、生成全部规则、生成满足一定精度的规则。
定义1[4]五元组S=
定义2决策表S=
根据以上定义,本文做如下规定:
决策表S=
2 算法基本思想及步骤
刀具选择涉及到加工类型、加工精度、工件几何参数等多方面工艺信息。以三菱刀具为例[5],其刀具编码涉及到刀具型号和尺寸规格两种属性,因此,本文提出一种基于加工特征和工件尺寸的刀具规则提取算法。根据其属性值特点,对刀具型号的选择采用粗糙集基本理论,分别对每个决策类提取规则θ1i→ψ1i,i∈(1,n),直到当前的规则集能够覆盖决策类中的所有实例;在选定刀具型号后,采用范围值方法对尺寸规格进行选择,分别计算maxθ2i,minθ2i,i∈(1,n),提取最终规则(θ1→ψ1)∧θ2→ψ1ψ2。
本文规则获取算法基本步骤为:
步骤1:输入一个刀具选择决策表,S=
步骤2:应用粗糙集基本理论,提取关于D1的最小规则集。
Y1={y y(θ1i)→y(ψ1i),i为规则集个数}。
根据粗糙集理论,分别对每个决策类Y提取规则,直到当前的规则集能够覆盖决策类y中的所有实例,对决策类Y的规则提取就此停止。基本步骤为:(1)根据初始决策表,提出只有1个原子条件的规则[ai(k)]={ua,uβ}哿Yj,导出规则r1:ai(k)→d=j;(2)根据导出到决策类Yi上的规则Ri={r1,r2,…},找出未被规则集Ri覆盖的实例集V=Yi-[Ri]={uψ},选取候选原子条件集合θ(V)及[ai(j)]∩V,直到当前规则的因θ使得[θ]能够包含于某个决策类Yi,停止往规则的因θ中添加原子条件,并且得到一条候选规则θi→ψi;(3)检查规则的因θ中是否有冗余的原子条件,如果有则删除,输出最终的简化规则R=∪{Ri},Ri={ri1,ri2…}。
假设通过步骤2提取的规则集Ri中的规则r11覆盖实例为{uα,uβ,uγ},对应中间表S11′:U11′={α,β,γ},分别计算r11,∪min Ci=∪min{αi,βi,γi}max Ci=∩min Ci,并与r11结合得到最终规则R11:
步骤5:输出最终决策规则表。
3 实例
刀具的选择是一个异常复杂的过程,相应规则所涉及的条件属性多种多样,不同的刀具类型,不同的加工特征,其对应的条件属性集也不尽相同。表1给出了三菱整体立铣刀刀具的决策表S=
经过步骤2,对条件属性集C1进行处理,得到型号规则表θ1→ψ1,如表2所示。θ1→ψ1共得到五条规则,根据每个规则覆盖的实例,建立相应规则的中间,如表3所示。最后通过步骤4,得到最终的规则决策表4。
4 结束语
本文提出了一种基于多决策属性的刀具选择规则提取算法,根据刀具选择的多决策属性特征,运用粗糙集基本理论及区间值基本思想,分别对刀具型号和刀具尺寸规格进行规则提取,实现了针对多决策属性的规则获取方法,并通过实例验证了算法的有效性。刀具的选择复杂多样,不同的工件特征涉及不同的属性特征,在选择多种不同类型刀具的算法上,还有待进一步的研究。
参考文献
[1]Yi Cheng,Duoqian Miao.Rule extraction based on granulation orderin interval-valued fuzzy information system[J].Expert Systems withApplications,2011,4(03):1-13.Solid-StateCircuits,2009,44(10):2800-2807.
[2]Bart Baesens,Rudy Setiono,Christophe Mues,Jan Vanthienen.Using Neural Network Rule Extraction and Decision Tables forCredit-Risk Evaluation[J].Management Science,2003,49(03):312-329.
[3]陈建辉,陈贞.基于粗糙集的决策树规则提取算法[J].河北工程大学学报,2008,25(01):108-110.
[4]陈建辉.基于粗糙集的最小规则提取算法[J].长春工程学院学报,2008,9(03):85-88.
[5]三菱刀具综合样本[M].2003.
[6]陈云,杜齐明,董万福.现代金属切削刀具[M].北京:化学工业出版社,2008.
[7]PAWLAK Z.Rough set[J].International Journal of Computer andInformation Sciences,1982,11(05):341-356.
[8]孙林,徐久成,马媛媛.基于新的条件熵的决策树规则提取方法[J].计算机应用,2007,27(04):884-887.
[9]James Malone,Kenneth McGarry,Stefan Wermter Chris Bowerman.Data mining using rule extraction from Kohonen self-organisingmaps[J].Neural Comput&Applic,2005,15:9-17.
优化决策规则 篇7
在竞争日趋激烈的商品销售中, 促销活动正扮演着越来越重要的角色。促销活动一直贯穿于商品销售过程之中。合理的促销活动曾经帮助商家创下了辉煌的销售成绩, 但同时不合理的促销活动也屡见不鲜。一些花样百出的促销活动, 往往对于商品的宣传或销售业绩的提升并没有起到实质性的作用, 并且还造成了促销成本的极大浪费。而随着时代的不断发展和消费群体及消费习惯的变化, 促销活动也出现了新的特点:
(一) 消费人群精确化
现在的促销对象不再是针对整个大众化的人群, 而是把消费对象进行进一步的细化。根据不同的消费群体的消费特征和消费习惯, 设计特定促销方案, 做到了精确化促销;使促销活动的宣传费用、组织实施费用发挥得更加有效, 促销活动的效果也大大增强。
(二) 产品销售关联化
通过对消费者需求的不断分析和研究, 发现越来越多的商品之间呈现较强的关联性。同时, 随着互联网络的不断发展和通信平台的升级完善, 即使是不相关的商品之间都能够通过庞大的信息平台实现联盟。通过厂商之间以及品牌之间的联合促销代替原来的单独促销比较, 能够对市场产生更大的合力。联合促销可以对各个单独的商品资源进行重新整合, 打造多赢的市场格局。
(三) 促销活动战略化
随着市场经济的不断发展, 市场竞争日趋激烈, 商家必须思考如何更合理有效地运用促销:既要对抗竞争对手, 争夺市场分额, 又要保证利润空间;既要有效吸引消费者, 又要维护和提升品牌形象;既要保证短期局部利益, 又要考虑长期整体利益。从一开始就应该制定出促销活动的整体规划。
(四) 促销宣传多样化
在促销方法日趋多样的同时, 消费者对促销活动也会有更多的选择, 这就需要商家在进行促销活动前进行充分的宣传, 更需要多个部门配合进行。同时, 还要根据消费者的新变化, 对新的宣传媒体, 比如手机短信、电子邮箱、广播电视、现场广告等综合利用, 从而达到多渠道促销宣传。
面对促销活动的新特点, 我们需要对促销的各个方面进行详细的分析, 并从整体对促销活动进行规划。面对竞争激烈的市场和日趋理性的消费者, 商家应该更详细和精确化的处理促销活动的每一方面, 这就要求商家用更科学的方法来获取促销信息并制定促销策略。面对收集的海量客户信息, 数据挖掘技术给我们提供了发现促销关联和规则的方法, 从而帮助我们进行促销策略的分析和制定。
二、数据挖掘技术的功能
所谓数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中提取隐含在其中的、事先未知的、但又是潜在有用的信息和知识的过程。通过数据挖掘技术, 能够找出已有数据之间的潜在联系, 从而促进信息的传递, 对将来的趋势和行为进行预测, 从而很好地支持人们的决策。随着数据处理工具、先进数据库技术及万维网技术的迅速发展, 不断涌现出大量的形式各异、类型复杂的数据, 要处理此类数据以使价值最大化, 引入了Web数据挖掘。
数据挖掘系统需要能够挖掘多种类型的模式, 以满足不同用户的需求和应用。其中的频繁模式在商业统计分析中起到了巨大的作用。频繁模式是在数据中频繁出现的模式, 包括项集、子序列和子结构三种类型。挖掘频繁模式能发现数据中的有趣的关联和相关, 其常用的分析方法有以下几种:
第一, 关联规则挖掘技术。Web数据挖掘中数据关联规则的发现是找到客户对网站上各种文件之间访问的相互联系。比如用户之间、页面之间以及用户浏览页面和网上行为之间的潜在关系, 通过关联挖掘可以从杂乱无规则的客户信息中挖掘出隐含的有用信息, 有利于企业更好地组织站点。
第二, 聚类分析技术。在电子商务中, 聚类多指客户群体聚类和Web网页聚类, Web网页聚类提供有针对性的网络服务应用, 它主要帮助是市场分析人员从客户数据仓库中发现不同购买模式的客户群, 通过聚类分析可以使电子商务组织者更好的了解客户。
第三, 分类分析技术。分类时建立模型的数据对象的类别是已知的, 可挖掘出某些共同的特性, 而这一特性可对新添加到数据库里的数据项进行分类。在Web数据挖掘中, 分类技术可以得到用户个人信息、共同的访问模式以及访问某一服务器文件的用户特征。
第四, 统计分析方法。通过对Session文件的分析, 可以对感兴趣的信息进行统计, 一般包括各种统计数据, 如最频繁访问的N个页面、每页平均浏览时间、网址路径平均访问长度等, 也可能涉及一些关于限制的错误分析, 如统计非法IP、无效URI和未授权访问等, 这些信息对于提高系统性能, 加强网站安全起到辅助决策作用。
三、使用数据挖掘技术进行促销决策
根据上面介绍的数据挖掘技术, 现提出一种基于关联分析挖掘频繁模式的促销策划方案。其具体步骤如下:
(一) 明确促销目的
常见的促销目的有:增加铺货量;扩大销量;新品上市;处理库存;对抗竞争。概括起来促销的目的就是增加销量和推荐产品。在明确了促销目的后, 待销售的商品也就随之确定。
(二) 锁定目标人群
由于每一类人群的购物喜好和消费习惯都不相同, 商家就必须针对不同的商品锁定相应的目标人群。当明确了待促销的商品后, 我们可以通过数据挖掘技术对以往的销售记录进行挖掘, 找出该类商品的销售规则, 从而锁定目标人群。
在挖掘目标人群时, 首先要根据该商品的特性设定需达到的参数, 如支持度support、置信度confidence等。再由销售记录中顾客的详细信息中选取感兴趣的若干属性进行挖掘, 找出与该商品相关的多维频繁项集。从得到的频繁项集中的顾客属性锁定消费人群。例如, 当确定要对商品A进行促销, 而感兴趣的顾客属性是顾客的年龄段age和收入income (也可根据需要选取或添加其他属性) , 则可把待挖掘模式设定为:
其中, X表示顾客的姓名或ID号;value表示该属性的值;buy属性指明的是所购买的商品, 这里都选定为A商品;Support为支持度, 表示满足该模式的事务在所有参与挖掘的事务中所占的百分比, 如上式support=10%表示100个事务中有10个满足上述条件;confi-dence为置信度, 表示该规则的强度, 如上式confidence=50%, 表示满足规则左端条件时有50%的可能会同时满足规则的右端条件。
根据挖掘模式中的属性项构造销售事务的数据立方体。由于选取了age和income两个属性, 所以要构造2-维立方体如图1所示 (如果选取属性较多要构造相应的多维立方体) 。
对每个由这两个属性划分的小立方体进行赋值, 该值达到预先设定的参数的小立方体将被进行标识, 根据标识的立方体的位置先进行合, 简化挖掘出的规则, 最终锁定对商品A满足要求的人群。锁定目标人群完成。
(三) 确定促销时间
促销时间可根据两种规则模式进行挖掘, 一种模式是针对待销商品A进行挖掘, 找出该商品的销售旺季, 如季度quarter、月份month等。其挖掘模式可设定为:
另一种模式是针对上面挖掘出的目标人群, 挖掘其习惯的消费发生时间, 如周中还是周末weekend (值yes/no) , 白天还是夜晚night (值yes/no) , 商场还是网络以及哪一个时间段time等。其挖掘模式可设定为:
根据模式中的属性构造数据立方体, 挖掘确定促销进行的时间。
(四) 选取促销策略
具体的促销策略可谓五花八门, 层出不穷, 常用的促销策略有:打折、赠品、积分、抽奖、联合销售。总之, 所有的促销策略都是变向的增加商品的附加价值。这里主要讨论赠品和联合销售。这两种促销策略都是靠除本商品外的附加商品来吸引消费者, 那么赠品和搭配商品的选取就显得尤为重要。我们可以通过数据挖掘的单维关联规则模式进行挖掘。
其挖掘模式可设为:
其挖掘结果可能为:buy (X, A) →buy (X, B) ∧buy (X, C) , 此规则说明购买商品A的顾客很可能同时购买商品B和C。那么如果促销目的是为了提高待销商品的销量, 则可以选取商品B或C作为商品A的赠品;或者对商品A、B、C进行联合销售。通过商品B、C提高商品A的销量。如果促销的目的是推荐新产品D与A属于同一类商品, 也可以根据该规则, 将其作为商品B或C的赠品等方法。
(五) 促销策略检验
对挖掘出来的关联规则进行相关分析, 通过计算各商品之间的提升度lift来判断设计出来的策略是否合理。如果购买商品A和购买商品B这两个事件是互不影响的, 则称商品A和B不依赖, 即P (AUB) =P (A) P (B) ;否则就称A和B是依赖的, 我们用提升度lift来度量其依赖关系:
若lift (A, B) =1时, 说明商品A和B的销售相互之间没有影响;若lift (A, B) >1, 说明商品A和B的销售是正相关, 可以相互促进;而当lift (A, B) <1, 说明商品A和B的销售是负相关, 一种商品的销售会引起另一种销量的降低。并且, 当一个商家针对多个商品进行促销时, 还可通过该检验分析各促销活动之间是否会发生冲突而引起销量的降低。
四、总结
数据挖掘技术能通过挖掘各种频繁模式找到各种销售事务之间的关联, 从而商家从海量数据中识别客户的购买行为特征, 发现客户购买模式和趋势。它基本可以满足新形势下促销活动精确化、数据化以及战略化的要求。数据挖掘丰富的挖掘模式以及多样的分析方法还可以从另外的角度对促销活动提供帮助, 甚至挖掘并延伸出更新颖的促销形式, 还有待于进一步的研究和发现。
摘要：促销活动在现今的商品销售中发挥着巨大的作用。随着时代的发展, 促销活动也展示出了新的趋势, 这就要求商家必须对促销活动进行科学和量化的分析, 制定出更精确和具有针对性的策略。文章通过对数据挖掘技术的研究, 提出一种基于关联规则发现频繁模式的方法, 进行促销决策。
关键词：促销,数据挖掘,关联规则
参考文献
[1].夏火松, 蔡淑琴.知识管理与市场营销专家知识的分形特征[J].武汉科技学院学报, 2001 (1) .
[2].陈京民.数据仓库与数据挖掘技术[M].电子工业出版社, 2002.
优化决策规则 篇8
规则推理 ( Rule - based Reasoning) 把专家的知识经验归纳成计算机可以表示的规则, 容易被用户理解, 适合知识丰富的应用领域; 案例推理 ( Case - based Reasoning) 使用以前同类问题的求解来解决当前问题, 在通用问题求解、故障诊断、辅助设计等领域得到较多研究, 适合经验丰富的应用领域。 这两种推理方式各有优缺点及不同的应用场合, 在决策支持系统中较多地将两者相结合, 形成优势互补的推理系统, 求解既有演绎信息又有类比信息的问题, 但常采用串行结合方式, 案例库和规则库缺乏交互则两者不能很好地取长补短、协同工作[2]。
本文依据IT外包发展过程, 将CBR和RBR两种推理方法从机理内部相结合, 构建IT外包决策支持系统框架并实现系统的原型。对CBR中案例的检索是系统的关键, 常用的方法有决策树、粗糙集、 聚类分析、最近相邻等, 但它们仅适用于确定性属性。考虑IT外包过程信息量大, 属性复杂而繁多, 存在案例信息不完备或描述不完备情况, 在传统的案例相似性度量算法中加入了案例的结构特征, 避免IT外包案例中属性值缺失问题; 同时根据IT外包案例特征的分析, 为不同类型的属性设计了不同的相似度算法。
1融合CBR和RBR的集成推理方法
RBR是从问题已有信息开始, 正向使用规则, 若规则的前件部分与问题情况相匹配, 就将其放入候选队列中, 在消除冲突后, 从候选队列中选择一条作为启用规则, 取出其结论[3]。
CBR是检索过去成功解决问题的相似案例, 比较目标案例与其背景及条件的不同进行一系列调整和修改, 重用以前的知识和经验来解决当前问题[4]。 典型CBR过程如图1所示。
( 1) 检索: 进行一系列检索和相似度计算, 对案例库中案例进行筛选, 找出与目标案例相似的若干案例。
( 2) 重用: 比较检索案例与目标案例的不同, 将相似度较高且被用户认可的解决方案提交以重用。
( 3) 修改: 若案例相似度没达到已设阈值或用户对方案不够满意, 则对方案修改后再提交给用户。
( 4) 保留: 将相似度小于设定阈值的新案例存入案例库中。
CBR和RBR的结合主要有两种方式: 一种以RBR为前导、CBR为补充, 用于领域知识不够充足的情况; 另一种以CBR为前导、RBR为补充, 用于领域知识丰富且实时性要求较高的情况[5]。
在IT外包管理过程中, 相关的技术条件和环境具有不确定性, 出现的问题常以个案方式处理。这里融合CBR和RBR对IT外包过程进行推理, 将CBR在上述四个阶段需要的RBR辅助和支持结为一体, 通过RBR调度系统对其访问, 在不影响各自独立性和完整性的前提下RBR是否及何时被调用取决于CBR对RBR调度系统的请求。其推理框架如图2所示。
框架中CBR和RBR同时工作, 在CBR的每个阶段中都可使用RBR调度系统来调用对应RBR辅助模块使其更好地工作, 并可使用RBR支持模块进行优化, RBR系统还可通过用户调整及自我学习机制达到调整与学习的目的。
2案例相似性度量算法设计
在CBR和RBR的混合推理中, 核心是CBR中案例的检索, 即相似度算法设计。最常用的是最近相邻算法 ( Nearest Neighbor Algorithm) , 根据属性相似度加权求和得到案例相似度, 但没有考虑模糊属性及属性不完备情况。这里在传统的NNA中加入案例结构相似度及模糊属性相似度来求案例的全局相似度[6]。
2. 1结构相似度
计算比较的两个案例非空属性集的交集属性的相似度, 排除空值属性。若源案例T与目标案例R比较, 计算过程如下:
( 1) 计算T、R包含的非空属性集合, 分别记为X、Y;
( 2) 计算X、Y的交集与并集, 分别记为M、N;
( 3) 计算M、N包含的属性权重之和, 分别记为w1、w2;
( 4) 则源案例T和目标案例R的结构相似度为:
2. 2属性相似度
( 1) 确定性属性。采用如下基于海明距离的相似度方法:
其中: sim ( Ti, Ri) 表示案例T和R第i个属性的相似度, ti、ri分别为T和R第i个属性的值。 对于确定数属性CN, maxi和mini分别为第i个属性的最大和最小值; 对于确定符号属性CS, 若ti= ri, 则两个属性完全相同, 否则表示两个属性是完全不同的。
( 2) 不确定性属性, 即模糊概念FL、模糊数FN、模糊区间FNI, 采用隶属函数来表示。采用梯形函数对模糊属性的相似度进行计算较为简便[7], 隶属函数的模糊集合表示为:
其中: 、m、p、q是参数, p、q一般由专家确定; 对于FN、FNI, p、q一般取cm和cm, c默认值一般为0. 1。模糊属性相似度通过计算两个隶属函数对应面积的重叠率得到, 公式为:
其中A表示模糊集合对应隶属函数的面积, ti∩ ri表示两个模糊集合的交。
2. 3案例全局相似度
根据案例T与R的结构和属性相似度, 得全局相似度为:
其中: S为案例结构相似度, wi为案例T和R交集属性集中的第i个属性在参与匹配的属性中所占的权重, 可根据实际选用层次分析法AHP、网络层次分析法ANP等权重确定方法计算得到。
3 IT外包决策支持系统功能结构模型
根据上述融合CBR和RBR的推理框架, 设计了如图3所示的IT外包决策支持系统功能结构模型, 系统主要由IT外包知识库、推理机、调度器、 综合数据库、知识获取机构、解释机构、人机接口等组成[8]。
( 1) IT外包知识库: 由规则库、案例库、模型库组成。规则库存放IT外包领域专家经验知识; 案例库存放已有的及系统生成的IT外包案例; 模型库存放IT外包每个阶段需要的结构模型, 用于方案的评价和选择。
( 2) 推理机: 是整个系统的核心, 根据用户输入的IT外包案例信息, 利用IT外包知识库进行推理, 得出结论。
( 3) 调度器: 是系统的控制中枢, 根据CBR和RBR融合机制, 决定在CBR的每一个阶段是否需要及何时启动RBR。
( 4) 数据库: 存放问题求解过程中的中间数据和结果。
( 5) 知识获取: 对IT外包领域专家、知识工程师的经验和知识进行抽象, 编辑成系统可识别的规则、模型、案例存入IT外包知识库中。
( 6) 人机接口: 采集用户输入的IT外包问题描述信息, 输出经过推理得到的IT外包方案, 完成IT外包领域专家、知识工程师的知识更新和完善, 通过它对系统进行总体控制。
( 7) 解释机构: 向用户解释系统的行为, 包括结论的正确性及系统输出其它候选解的原因。
4系统实现及实例分析
4. 1系统实现
这里以Visual Studio 2008为开发工具、以SQL Server 2008为后台数据库开发上述框架对应的IT外包决策支持系统原型, 主要思路为:
( 1) 首先通过人机接口输入IT外包问题描述, 解释机构对描述信息进行解释抽象, 调度器根据要求决策推理策略, 推理机通过CBR得到与用户描述相近的IT外包案例, 通过RBR得到与用户描述相近的IT外包规则, 共同对用户提供参考。
( 2) 建立IT外包决策指标体系, 与选用的评价模型预先存入模型库以备调用, 根据本文的案例相似度算法对目标案例与全部候选案例逐个进行比较, 计算案例的全局相似度。
( 3) 根据案例的全局相似度排序结果, 若大于预设的阈值, 可直接参考该IT外包案例的方案来解决目标问题, 否则根据RBR中的规则或用户的人为干预来对方案进行调整修改。
( 4) 解决问题之后, 系统根据自我学习机制决定是否将本次的求解作为新案例保存到案例库中, 若当前案例相似度大于自学习策略设定阈值, 则不用加到案例库中。
在系统运行初期, 由于案例库中案例较少, 可将规则提炼为标准案例以留指导, 同时对案例库中的案例方案进行详细分析, 归纳出典型案例的规则并保存到知识库中。随着系统的不断学习积累, 系统生成方案的效率及有效性也随着增加。
4. 2实例分析
IT外包过程的每个阶段都面临着不同的决策任务。IT外包发起阶段的任务主要是可行性分析, 以及分析驱动因素、战略目标等; IT外包设计阶段的任务主要是确定外包范围、选择接包商、签订外包合同等; IT外包实施阶段的任务主要是管理外包关系、监控外包合同等; IT外包评估阶段的任务主要是评价外包绩效、决定外包关系等。
以IT外包设计阶段的接包商决策为例, 案例库中有20家IT接包商案例, 规则库中有若干条IT接包商决策的规则, 模型库中有IT接包商评价指标体系及相应的评价模型[9]。为了叙述简便, 以仅选取IT接包商评价指标体系的一级指标体系为例, 设定目标案例为T, 源案例为S, 其中属性的类别及权重由系统调用模型库来得到, 通过原型系统的IT接包商决策信息界面输入案例T的属性信息, 调用案例库得到S的属性信息。主要信息如表1所示。
案例T和S的全局相似度计算过程为: 根据公式 ( 1) 计算两个案例的结构相似度S = 0. 964; 根据公式 ( 2) 、 ( 3) 、 ( 4) 计算两个案例的每个属性的相似度, 计算确定性属性使用公式 ( 2) , 计算不确定性属性使用公式 ( 3) 及 ( 4) ; 最后根据公式 ( 5) 计算两个案例的全局相似度为: sim ( X, Y) = 0. 964 * ( 0. 066 * 0. 274 + 0. 354 * 1 + 0. 233 * 0. 586 + 0. 116 * 0. 453 + 0. 195 * 1 + 0. 036 * 0 ) =0.729
计算每个案例与目标案例的相似度, 并按大小进行排序, 若用户对检索结果满意, 直接选用相似度最高的案例解决方案, 否则根据规则或经验对案例进行调整学习。
5结论
针对IT外包管理过程的复杂性和模糊性问题, 提出构建融合案例和规则推理的IT外包决策支持系统并实现系统原型, 将CBR和RBR从机理内部相结合, 充分利用IT外包案例中的经验及领域专家知识, 提高系统的综合推理和决策能力。对系统的核心案例检索部分使用了基于结构和属性的双重相似度算法, 同时对属性按其特征进行分类, 较好地解决案例中存在的属性值缺省及模糊属性的相似度计算问题, 提高案例检索效率。
参考文献
[1]张培, 马建龙, 曾珍香.基于CAS理论的IT外包决策过程研究[J].工业技术经济, 2009, 28 (4) :62-65
[2]张兴, 王英林, 张申生.可重构知识管理系统中案例与规则的集成推理方法[J].计算机应用与软件, 2008, 25 (2) :2-4
[3]靳鹏飞, 夏清国.CBR和RBR在GSM无线网络优化中的应用[J].科学技术与工程, 2006, 6 (9) :1292-1294
[4]曹立军, 王兴贵, 秦俊奇, 等.融合案例与规则推理的故障预测专家系统[J].计算机工程, 2006, 32 (1) :208-210
[5]谢胜强, 吴忠.基于CBR和RBR的设备采购决策支持系统[J].计算机工程与应用, 2003 (12) :71-73
[6]张英菊, 仲秋雁, 叶鑫, 等.基于案例推理的应急辅助决策方法研究[J].计算机应用研究, 2009, 26 (4) :1412-1415
[7]陈朝阳, 张代胜, 任佩红.CBR诊断系统实例获取的合成相似性度量方法[J].机械工程学报, 2004, 40 (5) :48-51
[8]王雷, 周洪亮, 张宏建, 等.基于CBR与RBR混合推理的仪表设计专家系统[J].自动化仪表, 2007, 28 (3) :33-36
【优化决策规则】推荐阅读：
优化决策支持论文07-04
论资本结构优化及筹集决策开题报告10-03
县委常委会议事决策规则08-29
白莲河乡党组织议事规则和决策程序06-28
规则优化论文05-27
关联规则算法优化研究07-31
经验决策与数据决策08-16
监管决策10-21
决策人才07-17
决策艺术10-18