项目合作条件下基于资源的联盟成员效用模型及其求解

中国管理科学 ›› 2005, Vol. ›› Issue (5): 100-104.

项目合作条件下基于资源的联盟成员效用模型及其求解

王良, 杨乃定

西北工业大学管理学院, 陕西, 西安, 710072

收稿日期:2005-01-02 修回日期:2005-08-25 出版日期:2005-10-28 发布日期:2012-03-07
基金资助:
国家社会科学基金项目(03CJY004);航空科学基金项目(03J53074)

Utility Function of Alliance Number and Its Solution under Project Cooperation Based on Resources

WANG Liang, YANG Nai-ding

Management School, Northwestern Polytechnic University, Xi’an 710072, China

Received:2005-01-02 Revised:2005-08-25 Online:2005-10-28 Published:2012-03-07

摘要/Abstract

摘要： 在项目合作的前提下首先假设联盟成员以设备、劳动力、资金三种资源为出资方式来共同进行某一个项目,而项目的最大产出值是可以预测的。在构建了单个联盟成员进行项目合作时企业的收益、资源约束、资源投入风险三个效用函数的基础上得到了单个成员基于资源的项目合作综合效用函数。接着据此建立了多个联盟成员以三种资源的投入与产出为因变量的效用函数模型,最后应用一种新的神经网络方法对于后者的变量值进行了仿真求解。

关键词: 战略联盟, 项目合作, 效用函数, 神经网络

Abstract: In this paper,from the angel of project,it is first assumed that alliancing members’ work together to process a project with equipment,labor force and capital.The greatest output of project could be forecasted.Afterwards,on the basis of constructing utility function of profit,resources constraint,resources input risk,asynthetical utility function is obtained.With above work,another utility function model is established under the condition of many cooperate members.Finally,using one kind of new neural network,we have carried on the imitation resolution as the variable value of the latter model.

Key words: strategic alliance, project cooperate, utility function, neural network

中图分类号:

F270

王良, 杨乃定. 项目合作条件下基于资源的联盟成员效用模型及其求解[J]. 中国管理科学, 2005, (5): 100-104.

WANG Liang, YANG Nai-ding. Utility Function of Alliance Number and Its Solution under Project Cooperation Based on Resources[J]. Chinese Journal of Management Science, 2005, (5): 100-104.

[1]	于孝建,刘国鹏,刘建林,肖炜麟. 基于LSTM网络和文本情感分析的股票指数预测[J]. 中国管理科学, 2024, 32(8): 25-35.
[2]	高明, 刘超, 唐加福, 孙思晶, 邹广宇. 基于注意力神经网络的燃料电池寿命衰减预测[J]. 中国管理科学, 2023, 31(3): 155-166.
[3]	刘世峰,康来松,宫大庆. 面向群组的事件兴趣点推荐算法研究[J]. 中国管理科学, 2023, 31(12): 301-310.
[4]	单汩源, 王建江, 别黎. 基于自适应大邻域搜索的鲁棒多项目调度方法[J]. 中国管理科学, 2022, 30(9): 217-231.
[5]	杨莲, 石宝峰. 基于Focal Loss修正交叉熵损失函数的信用风险评价模型及实证[J]. 中国管理科学, 2022, 30(5): 65-75.
[6]	张婧, 周怡欣, 胡涵, 卞亦文. 基于知识采纳模型和多层感知机神经网络的评论有用性识别研究[J]. 中国管理科学, 2022, 30(4): 264-274.
[7]	赵阳, 郝俊, 李建平. 基于修剪平均的神经网络集成时序预测方法[J]. 中国管理科学, 2022, 30(3): 211-220.
[8]	王昱, 杨珊珊. 考虑多维效率的上市公司财务困境预警研究[J]. 中国管理科学, 2021, 29(2): 32-41.
[9]	胡春华,邓奥,童小芹,缪和,王宗润. 社交电商中融合信任和声誉的图神经网络推荐研究[J]. 中国管理科学, 2021, 29(10): 202-212.
[10]	张鼎华, 李卫俊, 李丞, 申世飞. 基于深度学习的多维情景空间下群体性事件分析与预测研究[J]. 中国管理科学, 2020, 28(8): 172-180.
[11]	陆晓琴, 冯玲, 丁剑平. 汇率货币模型的非线性协整关系检验——基于深度GRU神经网络[J]. 中国管理科学, 2020, 28(5): 1-13.
[12]	欧阳红兵, 黄亢, 闫洪举. 基于LSTM神经网络的金融时间序列预测[J]. 中国管理科学, 2020, 28(4): 27-35.
[13]	杨昌辉, 邵臻, 刘辰, 付超. 一种混合建模方法及其在ETF期权定价中的应用[J]. 中国管理科学, 2020, 28(12): 44-53.
[14]	蔡淑琴, 王旸, 王艺兴, 秦志勇, 窦聪颖. 在线负面口碑处理的专家识别方法研究[J]. 中国管理科学, 2019, 27(3): 189-197.
[15]	李方超, 张成科, 朱怀念. Heston模型下DC型养老金等价管理费用问题研究[J]. 中国管理科学, 2019, 27(12): 11-21.