14、价值网络的需求工程:e3value 方法解析

价值网络的需求工程:e3value 方法解析

1. 引言

在过去几年里,众多创新型电子商务理念不断涌现。这些创新理念的特点在于包含一个或多个市场上尚未出现的新经济价值主张。然而,理解和分析这些电子商务理念并非易事,许多相关举措都以失败告终。问题的关键在于,电子商务发展涉及来自不同背景、代表不同企业的众多利益相关者,他们彼此之间沟通不畅,关注点也存在差异甚至冲突。

为了增强对电子商务理念的共同理解,需求工程(RE)和概念建模(CM)方法应运而生。这些方法有助于定义我们周围的世界(这里指电子商务理念),旨在更好地理解和分析它们。我们结合了 RE/CM 的工作方式和商业科学术语,提出了 e3value 方法,从经济价值的角度来理解电子商务理念。

2. e3value 方法的描述技术

e3value 方法利用了三种相关的描述技术,分别是价值层次结构、价值网络和盈利能力报表。

2.1 价值层次结构

价值层次结构是一个有根的无环有向图,其根节点代表消费者需求,子节点代表用于满足该需求的价值对象。价值对象是对某些参与者具有经济价值的商品或服务。价值层次结构的边表示“贡献于”关系,反向关系称为“由……组成”。AND 节点表示所有子节点对于上级节点都是必需的,OR 节点表示只需其中一个子节点即可。

例如,对于从阿姆斯特丹到巴黎的交通需求,可以通过火车旅行、飞机航班、出租车行程和一些食物来满足。

元素 说明
消费者需求
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值