利用物流管理信息系统解决了物流数据处理的 基本问题,进一步利用其数据与信息进行分析 、支持物流企业领导决策是物流信息系统进一 步发展的必然要求。 士本章介绍决策以及决策支持的相关概念,以及 物流决策的一般方法、物流决策模型和预测技 术,然后介绍决策支持系统、物流信息分析技 术和物流系统模拟。其目的是使读者掌握基于 决策的支持方法

1.1随机试验与随机事件 一.随机试验称满足以下条件的试验为随机试验,简称试验,常用字母E表示 1.可在相同条件下重复进行; 2.试验的结果不止一个,并能事先明确所有可能出现的结果; 3.试验前不能确定将会出现哪一结果

一、分析解决分类问题的基于逻辑的方法的特性 二、描述决策树和决策规则在最终分类模型中的表述之间的区别 三、介绍C4.5算法. 四、了解采用修剪方法降低决策树和决策规则的复杂度

5.1点估计 5.2区间估计概述 5.3区间估计的例子 5.4小样本与T分布 5.5总体比率的估计 5.6样本容量的问题 5.7两正态总体问题 5.8抽样的方法

6.1概 例: 飞机的最大速度有设计标准450m/s 检验进口钢板平均厚度定为5mm 我国出口一批罐头,标称重量500g,据以往经验, 标准公差为20g;现抽100罐,x=505g,问是否可 以认为合乎标准?

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性

针对板坯入库优化决策问题,采用隶属度函数表示待入库板坯长度、宽度、厚度与各库位已存板坯对应属性的匹配程度,建立了板坯入库模型.针对问题特征,借鉴遗传算法的交叉和变异操作,设计了一种混合离散粒子群算法(DPSO-CM)进行求解.基于企业实际生产数据的仿真实验验证了模型和算法的可行性和有效性

介绍和分析了Worledge认知模型并对已知转移率的条件下各种事故进程的人的不响应概率进行了分析与比较，并通过模拟机实验中采集的数据进行了模型的验证与分析核电站操作员的失误概率

针对常用的质量建模方法精度不高且难以给出预测区间,提出了基于小波相关向量机的产品质量模型.应用仿真数据和带钢热镀锌锌层质量的实际生产数据分别建立了小波相关向量机模型.结果表明,小波相关向量机方法与支持向量机及传统的相关向量机相比,具有更好的预测精度,而且给出了预测区间.多组带钢热镀锌锌层质量实际数据的相对预测误差的平均值为4.52%,为保证产品质量提供必要的决策支持和分析手段