基于粗糙集和灰色的供应链知识共享风险预警

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (11): 19-22.

基于粗糙集和灰色的供应链知识共享风险预警

史成东^1,2,边敦新¹,苏菊宁²

1.山东理工大学电气与电子工程学院，山东淄博 255049
2.西安理工大学工商管理学院，西安 710048

收稿日期:2007-11-28 修回日期:2007-12-27 出版日期:2008-04-11 发布日期:2008-04-11
通讯作者: 史成东

Supply chain knowledge sharing risk early-warning based on rough sets and grey theory

SHI Cheng-dong^1,2,BIAN Dun-xin¹,SU Ju-ning²

1.School of Electric and Electronic Engineering，Shandong University of Technology，Zibo，Shangdong 255049，China
2.School of Business Administration，Xi’an University of Technology，Xi’an 710048，China

Received:2007-11-28 Revised:2007-12-27 Online:2008-04-11 Published:2008-04-11
Contact: SHI Cheng-dong

摘要/Abstract

摘要： 从分析供应链的重要组织形式—虚拟企业的知识共享风险预警的评价标准入手，提出具有层次结构的风险预警评价属性模型。然后，利用粗糙集和灰色的基本理论和方法，建立基于粗糙集和灰色理论的供应链知识共享风险预警模型框架结构图，并给出其中的基于分辨矩阵的指标属性约简算法，优化评价指标。在此基础上，使用灰色理论对知识共享的风险进行评估。最后通过实例说明该预警模型的有效性及实用性。

关键词: 粗糙集, 灰色理论, 分辨矩阵, 供应链知识共享, 风险预警

Abstract: Through analyzing the evaluation criteria of virtual enterprise knowledge sharing risk early-warning system which is one of the important supply chain organizations，a hierarchical structure evaluation attribute model is proposed in this paper.Then，utilizing the basic theory and method of rough sets and grey，a virtual enterprise knowledge sharing risk early-warning model framework structure based on heuristic attribute is established，in order to optimize attributes，the heuristic attribute reduction algorithm based on discernable matrix is put forward.On this basis，virtual enterprise knowledge sharing risk is assessed with the use of gray theory.Finally an example is used to verify the effectiveness and the practical value of the method.

Key words: rough sets, grey theory, discernable matrix, supply chain knowledge sharing, risk early-warning

史成东^1,2,边敦新¹,苏菊宁². 基于粗糙集和灰色的供应链知识共享风险预警[J]. 计算机工程与应用, 2008, 44(11): 19-22.

SHI Cheng-dong^1,2,BIAN Dun-xin¹,SU Ju-ning². Supply chain knowledge sharing risk early-warning based on rough sets and grey theory[J]. Computer Engineering and Applications, 2008, 44(11): 19-22.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.