BWM-RST方法计算实体门店鞋类产品最优属性组合

实体门店为了获得更高的利润,需要了解客户对其产品各属性的偏好程度,从而制定合理的进货供货策略。然而,目前还没有针对鞋类产品属性重要度的相关研究。因此,本研究旨在通过BWM-RST方法对某品牌实体门店中鞋类产品各属性的重要度进行排序,并确定最优属性组合。研究中,针对门店内9款女鞋的风格、颜色、跟高、跟型/底型、鞋头这个五个产品属性,对20名顾客进行了问卷调查,并且综合了店内2个月的销售数据,计算了BWM-RST综合属性重要度,以及产品属性决策规则。结果表明,女性产品这五个产品属性的重要程度排序为颜色>风格>跟型/底型>跟高>鞋头造型,具体权重分别为0.28、0.26、0.21、0.16、0.09。最优属性组合为黑色+时尚休闲+平跟+无跟,或黑色+商务正式+中跟+粗跟。由此,该方法能够有效为实体门店制定最佳的订货供货策略以获得更高利润。

基于快速模拟退火的案例检索模型研究

案例检索是案例推理的关键步骤。本文将案例库按问题性质分为几个子类 ,案例检索因此转变为模式识别的过程。通常描述案例的属性很多 ,如何选择权值较大的本质属性是案例检索的关键 ,同时这也是一个组合优化问题。本文运用 Fisher聚类的思想 ,提出用快速模拟退火算法寻找最优属性组合 ,案例检索时采用最邻近方法。最后用地质案例库的案例检索来说明方法的有效性。

基于模拟退火算法的决策表最优属性选择

连续属性的决策表知识获取有两个问题需要解决 :其一是连续属性的离散化问题。这个问题已引起了人们的注意 ,在简单评述的基础上 ,结合粗集理论 ,提出了一种新的数据离散化方法。大致思想是先用 K-W检验方法粗略评价各连续属性的重要性 ,然后用 c均值聚类给出各属性的量化结果。若决策表不相容 ,则按属性重要性依次增加分类的区间数 ,如此反复直到决策表相容为止。其次是最优属性的选择问题。在此借助于简约格和模拟退火算法 ,给出一种启发式算法和最优算法。实例表明 ,上述方法是有效的。