6、基于代理的数据挖掘与决策支持及可扩展框架的研究

基于代理的数据挖掘与决策支持及可扩展框架的研究

在当今的数据驱动时代，数据挖掘和决策支持系统对于企业和组织的发展至关重要。本文将探讨基于代理的数据挖掘与决策支持系统，以及一种可扩展的代理增强数据挖掘框架。

基于代理的数据挖掘与决策支持系统

在产品生命周期管理中，了解产品当前所处阶段以及阶段之间的过渡时间至关重要。这有助于在供应链运营规划中选择循环或非循环策略。下面将详细介绍相关系统和实验结果。

决策分析流程

当感兴趣列表（LOI）中至少包含一个产品时，决策分析代理将启动第三步流程：评估 LOI 中每个产品的循环和非循环规划策略。
- 额外成本计算 ：使用循环调度额外成本（ACCS）来衡量循环和非循环规划策略之间的差距，计算公式如下：
$ACCS = \frac{CPPC - NCPPC}{NCPPC}$
其中，$CPPC$ 是循环规划策略成本，$NCPPC$ 是非循环规划策略成本。
- 结果获取 ：第三步完成后，用户将收到对 LOI 中产品的分析结果。

实验数据集

实验使用的数据集包含 199 个真实产品需求时间序列，最小持续时间为 4 个周期，最大为 24 个周期。每个时间序列包含特定产品引入阶段的需求以及成熟阶段的一个周期，并标记为 M1。为了归一化数据，采用了具有标准差归一化方法的 Z 分数。

实验目标与设置

• 目标 ：比较在应用具有 8 个邻居的方形神经网络拓扑结构时，使用不同网络负载 q 预测过渡