基于神經(jīng)網(wǎng)絡(luò)的投標(biāo)報(bào)價(jià)系統(tǒng).pdf

1、該文針對(duì)建筑行業(yè)投標(biāo)報(bào)價(jià)過程中的種種難題,利用神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)開發(fā)了一套投標(biāo)報(bào)價(jià)決策支持系統(tǒng).全文主要的研究內(nèi)容和研究成果概括如下:針對(duì)建筑行業(yè)投標(biāo)報(bào)價(jià)過程中難以確定"投標(biāo)形勢"的難題,首次將層次貢獻(xiàn)分析法應(yīng)用于投標(biāo)報(bào)價(jià)過程中的變量選擇問題,一方面避免了在建模過程中如何正確設(shè)定函數(shù)形式的困難,另一方面也擴(kuò)充了回歸建模研究中的函數(shù)類型,使變量選擇研究更具有一般性,仿真結(jié)果表明:使用層次貢獻(xiàn)分析法刪減變量后的投標(biāo)報(bào)價(jià)模型更加符合實(shí)際的

2、報(bào)價(jià)需要.眾所周知,神經(jīng)網(wǎng)絡(luò)模型的輸出質(zhì)量在很大程度上依賴于作為訓(xùn)練樣本的數(shù)據(jù)的質(zhì)量.在實(shí)際的投標(biāo)報(bào)價(jià)過程中,參與競標(biāo)的承包商每次所面臨的"投標(biāo)形勢"都不可能與過去完全相同.因此對(duì)于報(bào)價(jià)系統(tǒng)來說,系統(tǒng)的泛化能力顯得尤為重要.為了進(jìn)一步改進(jìn)系統(tǒng)的泛化能力,使其滿足報(bào)價(jià)的實(shí)際需要,該文利用神經(jīng)網(wǎng)絡(luò)的概率描述,通過研究K-L信息距離和神經(jīng)網(wǎng)絡(luò)泛化能力的關(guān)系,構(gòu)造了一個(gè)新的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)誤差函數(shù),并將此法與其它各種算法的泛化結(jié)果進(jìn)行比較.仿真結(jié)果