基于GWO-SVR和改进SA算法的知识-业务配置
Knowledge-business configuration based on GWO-SVR and improved SA algorithm作者机构:宁波大学机械工程与力学学院浙江宁波315211
出 版 物:《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)
年 卷 期:2024年第30卷第1期
页 面:269-288页
核心收录:
学科分类:1205[管理学-图书情报与档案管理] 12[管理学] 120202[管理学-企业管理(含:财务管理、市场营销、人力资源管理)] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 0806[工学-冶金工程] 08[工学] 0835[工学-软件工程] 0714[理学-统计学(可授理学、经济学学位)] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划资助项目(2019YFB1707101,2019YFB1707103) 国家自然科学基金资助项目(71671097) 浙江省公益技术应用研究计划资助项目(LGG20E050010,LGG18E050002) 宁波市自然科学基金资助项目(2018A610131)
主 题:知识-业务配置 知识模块 支持向量回归 灰狼算法 模拟退火算法 知识服务
摘 要:为解决业务流程下业务单元与知识资源配置分离的问题,提出一种基于灰狼算法优化支持向量回归(GWO-SVR)和改进模拟退火算法(SA)的知识-业务优化配置策略。该策略基于用户需求和业务情景分析,将知识资源封装为知识模块。在此基础上,通过配置器作用实现知识模块与业务单元间的初始配置。然后,依据知识模块评价指标参数分析,构建综合评价指标体系,并运用CRITIC-模糊综合评估法得到知识-业务配置组合评价量表;基于此评价量表,构建和训练基于GWO-SVR的知识-业务配置组合动态评价模型。由于GWO-SVR是回归模型,可将该训练好的模型的函数关系式作为改进SA算法优化的目标函数导入,通过寻优迭代找到最优值对应的最优组合方案,实现满足业务需求的知识资源最优配置。以减速器箱体加工为例进行验证,证明了所用模型和算法的有效性。