范本外文翻譯隨著時(shí)代到來(lái)虛擬企業(yè)作為一種能及時(shí)響應(yīng)市場(chǎng)快速變化組織形式越

：Withtheadventoftheeraofinformation,thevirtualenterprise,asanorganizationformwhichcanmaketimelyresponsetotherapidlychangeinthemarket,ishavingmoreandmorepeople'sattention.Factsshowthatpartnerselectionisthemostcrucialstepintheprocessoforganizingavirtualenterprise,becauseithasadirectbearingontheperformanceandthesuccessorfailureofthevirtualenterprise.However,it'sextremelycomplextosolvethepartnerselectionproblemofvirtualenterprisebytraditionalmathematicalmethodsbecauseoftheuncertaintyofmarketinformationplusavarietyoffactors,soit'sveryimportanttolookforothermethodstosolvethepartnerselectionproblemofvirtualenterprise.Chapter1introductionintroducesthestatusquoofpartnerselectionofvirtualenterpriseathomeandabroadanditssignificance.Chapter2outlinestheconceptofvirtualenterpriseanditspartnerselectionprocessandevaluationindicators.Chapter3establishesthemulti-restrictiveandmulti-objectivepartneroptimizationmodelofvirtualenterprisebasedongeneticalgorithmandsolvingsteps.Chapter4isthefocusofthispaper,andintroducestheprogramimplementationoftheselectionmethod.Itincludesthecoremodulesandprogrammingdetails,anddisysinterfaceandhelp.Chapter5throughaspecificexampleshowsthattheselectionmethodiseffective.Chapter6sumsuptheadvantagesanddisadvantagesofthismethodandthefurtherimprovingsolution. Genetic Virtual Partner緒 選題背景與研究意 國(guó)內(nèi)外研究現(xiàn) 國(guó)外研究現(xiàn) 國(guó)內(nèi)研究現(xiàn) 研究?jī)?nèi) 虛擬企業(yè)合作伙伴選擇相關(guān)理 虛擬企業(yè)概念與特 虛擬企業(yè)合作伙伴選擇過(guò) 虛擬企業(yè)合作伙伴評(píng)價(jià)指 基于遺傳算法的虛擬企業(yè)合作伙伴選擇模 利用遺傳算法優(yōu)化選擇虛擬企業(yè)合作伙 虛擬企業(yè)合作伙伴選擇—數(shù)學(xué)模 遺傳算法求解步 基于遺傳算法的虛擬企業(yè)合作伙伴選擇程序設(shè) 程序模塊概 遺傳算法的具體實(shí)現(xiàn)— 編 初始化種 計(jì)算懲罰函 適應(yīng)度計(jì) 優(yōu)化選 交叉配 變 終止算 數(shù)據(jù)輸入/設(shè) 運(yùn)行過(guò)程曲線繪 界面展 功能介 多目標(biāo)優(yōu)化選 添加子過(guò) 添加合作伙 多因素約 指定風(fēng)險(xiǎn)態(tài)度因 指定最大遺傳代 指定種群大 曲線描述選擇過(guò) 本地保存數(shù) 案例分 新產(chǎn)品開(kāi)發(fā)過(guò) 合作伙伴數(shù) 輸入數(shù) 參數(shù)設(shè) 成本最優(yōu)計(jì) 工期最優(yōu)計(jì) 風(fēng)險(xiǎn)最優(yōu)計(jì) 結(jié)果分 結(jié)論與展 結(jié) 展 參考文 致 如數(shù)據(jù)包絡(luò)法、層次分析法[2]、遺傳算法[3]、BP網(wǎng)絡(luò)神經(jīng)算法[4,5]以及數(shù)據(jù)倉(cāng)儲(chǔ)技術(shù)[6]?？刹僮餍圆睿˙P網(wǎng)絡(luò)神經(jīng)和數(shù)據(jù)倉(cāng)儲(chǔ)技術(shù)實(shí)現(xiàn)極其復(fù)雜）至今仍然無(wú)法找到能完美解明確的討論，而且也沒(méi)有建立較為合理的綜合評(píng)價(jià)模型。SrinivasTalluri，R.C.Baker和文化融合、通訊可能性等），二是在DEA過(guò)濾時(shí)，可能會(huì)失去一些盡管單元有效Luis.MCamarinha-Matos，HamidehAfsarmanesh（2001）[7]Multi-agent方法，建立虛的虛擬企業(yè)模型，用軟件表示VE中的合作伙伴，并用交互協(xié)議（AIP）分析合作伙伴選擇過(guò)程。ToniJarimo（2008）[9]提出了虛擬組織合作伙伴固定整型線性規(guī)劃平，周燕飛（2005）[11]AHPSEADEA模型和AHP方法結(jié)合在一起，綜合了兩者在該問(wèn)題因素上各自的不足。夏維力，本文通過(guò)介紹虛擬企業(yè)合作伙伴相關(guān)理論并分析國(guó)內(nèi)外虛擬企業(yè)合作伙伴選擇方法。本文的主要內(nèi)容如下：從成千上萬(wàn)個(gè)有希望進(jìn)行合作的伙伴中縮小范圍，挑選出可供進(jìn)行精選的伙伴系慮到，用以定性地初步篩選出潛在的伙伴企業(yè)。2.1本文認(rèn)為雖然企業(yè)很難獲取評(píng)價(jià)合作伙伴所需要的準(zhǔn)確信息但一般能知道價(jià)合作伙伴的指標(biāo)信息所在區(qū)間。如果能找到合適的方法把區(qū)間信息轉(zhuǎn)換成某具體的特定值。設(shè)企業(yè)需要通過(guò)組建虛擬企業(yè)VE來(lái)開(kāi)發(fā)某項(xiàng)新產(chǎn)品。新產(chǎn)品開(kāi)發(fā)過(guò)程[2]可分[t,t],tt;ji

ij ijj[c,c],c選合作伙伴完成第i項(xiàng)子過(guò)程完成所需要費(fèi)用的區(qū)間估計(jì)值為 ij第j個(gè)新產(chǎn)品的總成本為C，總時(shí)間過(guò)。

[p,p],p P'=1

?(1-

,p+]ri=

j=

C'=

[c-,c+i=1j=

T'=

[t-,t+i=1j=

1,表示第ji其中 0，未被選

?j=

rij=

邋

[t-,t+]r￡i=1j=

邋

[c-,c+]r￡i=1j=

m1-?(1

?

,p+]r)?i=

j=

minR1(1[p,p]r

ij

=

[c-,c+i=1j=

=

[t-,t+i=1j=

?邋

,t+]r￡T?i=?

? ?邋

,c+

￡Cstí?

?1-?(1

?[p-,p+]r)? ?

??i

=1,r??

p[p,p

設(shè)

jipijpi(j)pi(

p(

[p,p

為區(qū)間

ijp(j)(pp)

p(

[p,p

p(j)(pp

為區(qū)間ij

ij的寬度，即

； 企的風(fēng)險(xiǎn)態(tài)度因子，且0.5，它表 企業(yè)承擔(dān)風(fēng)險(xiǎn)的態(tài)度。具體地， 企對(duì)待風(fēng)險(xiǎn)的態(tài)度，可將其劃分為悲觀型中立型和樂(lè)觀型，相應(yīng)的取值范圍分別為：-[c,c≤<0，=0，0<≤0.5。同理，也可將成本區(qū)間估計(jì)值 ij轉(zhuǎn)化為點(diǎn)值決策信ci(

ti(ijij

minR1(1pijrij

=

i=1j=

=

i=1j=

??i=?

tij

￡T? ?stí?

cijrij￡C

pijrij)????i

=1,r??

L個(gè)初始可行解構(gòu)成一個(gè)初始群選擇算子：選擇的目的是把優(yōu)化的（或解）直接遺傳到下一代或通過(guò)配對(duì)交叉產(chǎn)生新的再遺傳到下一代在遺傳算法中適應(yīng)性強(qiáng)的有的保留機(jī)會(huì)通過(guò)根據(jù)的適應(yīng)度所確定的概率適合度大的被保留的可能性更大本文稍作改進(jìn)，絕對(duì)保留適應(yīng)度大的，但適應(yīng)度小的也給其一定被保留的概率。2種。一種是當(dāng)相鄰幾代已無(wú)程序模塊概遺傳算法的具體實(shí)現(xiàn)—java面向?qū)ο蟮奶攸c(diǎn)和強(qiáng)大功能為我們提供了良好的程序封裝信息條件和接口模我新建了類(lèi)GeneticArith專(zhuān)門(mén)實(shí)現(xiàn)遺傳算法，并提供數(shù)據(jù)的和出口，這樣，外部只GeneticArith類(lèi)的對(duì)象，并提供要計(jì)算的數(shù)據(jù)并從該類(lèi)獲取計(jì)算后的數(shù)據(jù)即可，如 刪NY產(chǎn)生初始種群

4.1subprocess1間時(shí)險(xiǎn)風(fēng)本間時(shí)險(xiǎn)風(fēng)本成間時(shí)險(xiǎn)風(fēng)本成間時(shí)險(xiǎn)風(fēng)本成圖 double型，這樣可以更精確的表示真實(shí)的值。data[subProcessCount][partCount][3]（subProcessCount表示子過(guò)程數(shù)DNA的方式保存，以方便后續(xù)的選擇、交叉配對(duì)和變異等操作?？紤]到數(shù)組Javalong型（java最大的基本類(lèi)型）646464個(gè)便500500），5000byte數(shù)組所占內(nèi)存也非常小boolean型轉(zhuǎn)到可被計(jì)算的整型（01）boolean型都需要選擇了編碼的方式，剩下的只是往表示合作伙伴選擇情況的數(shù)組里添加11 圖 編碼每個(gè)子過(guò)程的開(kāi)始下標(biāo)和長(zhǎng)度，這樣便可很快每個(gè)子過(guò)程每個(gè)合作伙伴選擇的情況，這樣做最實(shí)際的意義在于可以快速?gòu)膁ata數(shù)組里每個(gè)合作伙伴的信息。經(jīng)過(guò)以上描述，相信您也知道編碼數(shù)組的表示了，為方便以后在這里定義individual[individualCount][]，individualCount表述種群的大小。individual填充數(shù)據(jù)，也就是隨便虛擬算法采取的是隨機(jī)初始化即遍歷所有對(duì)每個(gè)子過(guò)程隨機(jī)選中一個(gè)合作伙伴，1，其余的不變（0）。p(a,b,c,d)f(a)f(b)f(c)f(d)

k1(1rij),rijf(a)

n

0,rij m

m

k2(cijrijC),cijrijf(b)

i1

m

mk3(rijtijT),rijtijT;f(c)

i1

mk3(1(1pijrijp)),rijtijf(d)

0,1(1pijrij)

j

應(yīng)的懲罰度相乘，如果滿足所有約束條件，它的懲罰度為1，不會(huì)影響計(jì)算得到的罰因子，使這些能以小概率遺傳到下一代，或者有與其他交配的機(jī)會(huì)。如何通過(guò)來(lái)計(jì)算適應(yīng)度，首先要解決兩個(gè)問(wèn)題種群的選擇全部是根據(jù)適應(yīng)度大小來(lái)確定的，適應(yīng)度大于平均值的會(huì)被保留適應(yīng)度小的會(huì)以很大的概率被刪除但注意不是該算法需解決成本最1（e._）還好確實(shí)存在這樣可行的大數(shù)就是所有成本之和沒(méi)有哪一個(gè)的成本會(huì)大于這個(gè)數(shù)，同時(shí)它和要減的成本和也是同的。工期和成本幾乎是一樣的，這里不再論述。(2)的即把全部用0和1表示的選擇情況轉(zhuǎn)換為適應(yīng)度現(xiàn)在individual[][]來(lái)決定因?yàn)閐ata[i][j][k]被選中說(shuō)明該合作伙伴在individual里表示為1正好面我很快能把iindividual[i][]代表的選擇情況應(yīng)用到計(jì)算適應(yīng)度的計(jì)算上。從而實(shí)現(xiàn)解計(jì)算選擇概選概率就 被選擇遺傳到子代的概率，設(shè)定計(jì) 為

n?i=

selectRatio[i]：i的選擇概率suitbility[i]：i的適應(yīng)度

別用數(shù)組copy[]和delete[]保存，遍歷所有。遍歷delete數(shù)組，當(dāng)copy長(zhǎng)度不小于0，把individual[copy[0]]圖 交randomIdxHashMap<Integer，Integer>hash。交叉迭代hash里的所有鍵值對(duì)依次找到要交換的key和value，0subProcessCount（子過(guò)程的個(gè)數(shù)）randomGeneIdx，相互交換第key和value第randomGeneIdx個(gè)子過(guò)程所對(duì)應(yīng)的所有值。在這里為達(dá)到最高JAVA里整型所專(zhuān)有的位操作異或運(yùn)算。這種相對(duì)穩(wěn)定狀態(tài)從而使種群重新達(dá)到新的平衡（最大適應(yīng)度可能達(dá)到新的最大值）0.01甚至再小一點(diǎn)效果是很好的。01即可。算法終止理想的情況當(dāng)算法計(jì)算出最優(yōu)值，但實(shí)際上這樣的情況我們無(wú)法進(jìn)行判止的方法，這里算法結(jié)合使用兩種方法。maxSuitbility不變的代數(shù)，即已1000maxSuitbility數(shù)據(jù)輸入/設(shè)SubProcess，Partner來(lái)定義數(shù)據(jù)結(jié)構(gòu)。圖 類(lèi)圖 類(lèi)類(lèi)SubProcess包含鏈表arrayPartner<Partner>專(zhuān)門(mén)用來(lái)合作伙伴Partner，相比Partner類(lèi)Partner包含三個(gè)double數(shù)組cost、time和risk，大小都為2，用來(lái)用戶輸入么如何可變長(zhǎng)所有子過(guò)程呢？很簡(jiǎn)單，在外面定義一個(gè)ArrayList<SubProcess>arrProcessArrayList本身就包含了功能很強(qiáng)大的添加，刪除和查找等功Partner可知方法getData返回double[]SubProcess的getData方法知它返回double[][]arrProcessArrayList便實(shí)Partner類(lèi)來(lái)完成。并可以很方便GeneticArith類(lèi)形成了良好協(xié)作。JavaSwingJPanel 圖 圖 圖 圖 圖 圖 指定大小在-0.50.500

圖 圖 指定種群大小種群大小為圖 指定種群大小種群大小為圖 圖 子過(guò)程 子過(guò)程 子過(guò)程 子過(guò)程 子過(guò)程子過(guò)程 子過(guò)程 子過(guò)程 子過(guò)程 子過(guò)程圖 所有合作伙伴數(shù)據(jù)如下表所示（以下表格時(shí)間單位為：天，成本單位為：萬(wàn)元表 表 指標(biāo)時(shí)間成本風(fēng)險(xiǎn)表 表 表 圖 5.348.0風(fēng)險(xiǎn)這里約束的很寬，因?yàn)橛?jì)算風(fēng)險(xiǎn)的最大值相對(duì)，取1.0，是為了確保算法圖 0表示偏樂(lè)觀型，0.5表示最樂(lè)觀的態(tài)度。0表示中立型。悲觀態(tài)度下計(jì)算出的圖 20圖 圖 圖 圖 圖 圖 圖 圖 圖 從算法運(yùn)行過(guò)程圖（如圖5.13）可以看出，每個(gè)圖均有紅和藍(lán)兩種不同顏色的圖所示的曲線有個(gè)共同的特點(diǎn)在200代以后紅藍(lán)兩條曲線幾近重合而且呈現(xiàn)水平狀態(tài)， 1000代。但本算法是基于固定代數(shù)確定算法終止條件，所以20或者更大，50個(gè)數(shù)據(jù)規(guī)模的計(jì)算其達(dá)到最優(yōu)50代。 ．虛擬企業(yè)合作伙伴選擇方法研究[D]．合肥工業(yè)大學(xué)論 LuisM,Camarinha-MatosHamidehAfsarmaneshVirtualEnterpriseModelingandSupportInfrastructures:ApplyingMulti-agentSystemApproaches[M].Berlin:Heidelberg,2001.SobahAbbasPetersen.Virtualenterpriseformationandpartnerselection:anysisusingcasestudies[J].InternationalJournalofNetworkingandVirtualorganization.2007.4(2):201～215TransportationCostsandOtherNetworkInterdependencies[J].SystemsysisLaboratoryResearchReports.2008.2～5平，．含A