《基于遗传算法的虚拟企业风险管理毕业设计论文.doc》由会员分享，可在线阅读，更多相关《基于遗传算法的虚拟企业风险管理毕业设计论文.doc（48页珍藏版）》请在三一办公上搜索。
1、基于遗传算法的虚拟企业风险管理摘 要遗传算法是一种基于概率意义的随机搜索算法,它提供了一种求解复杂系统优化问题的通用框架，虚拟企业是一种新的生产模式，它以动态联盟为基础的敏捷制造,并创造性地概括出一种称为“虚拟组织”的新型企业模式。作为一种能够高质量、低成本、快速响应市场需求的解决方案, 虚拟企业正越来越多地引起我国企业界的关注。但是, 虚拟企业在帮助企业获得反应灵活性的同时, 也不可避免地带来了新的风险因素。本文根据条件创建了虚拟企业的风险管理模型，并通过遗传算法，对模型进行分析，使企业的资源得到最优的整合。文章利用遗传算法的基本原理，构造了问题的解的初代种群，经过选择，交叉和变异产生新的最
2、优解集种群。实验结果表明，遗传算法对风险管理模型求解的效果是非常理想的。关键词：遗传算法;虚拟企业;风险管理virtual enterprise for risk management Based on genetic algorithm 首字母 大写Abstractgenetic algorithm is a significant probability of random search algorithm, which provides a complex system optimization problem for the common framework. virtual ente
3、rprises is a new mode of production, which is based on a dynamic alliance of agile manufacturing, and creatively summed up as a kind of virtual organization of new business models. As a can of high-quality, low cost, rapid response to market demand solutions, virtual enterprises are attracting more
4、and more attention to my business. However, virtual enterprise in helping enterprises will be able to respond flexibility, but also inevitably bring a new element of risk. This article creates the risk of virtual enterprise model based on the conditions and through genetic algorithms, the model anal
5、ysis enterprise resources to be optimal integration. Using the basic principles of genetic algorithms , the structural problems of the beginning of the population, after selection, crossover and a new variant of the optimal solution set population. Experimental results show that genetic algorithm fo
6、r risk managing model for the effect is veryKey words：genetic algorithm; virtual enterprise; risk management目录摘 要IABSTRACTII1 绪论11.1 选题背景11.11 虚拟企业11.12 虚拟企业的发展11.13 虚拟企业产生的原因11.14 虚拟企业的特点21.2 国内外关于虚拟企业风险管理的方法31.21 虚拟企业存在的经济学解释41.22 虚拟企业风险管理方法的要点41.3 遗传算法51.31 遗传算法的产生51.32 遗传算法的生物学背景51.33 基因（GENE）61
7、.34 复制（REPEODUCTION）71.35 搜索空间（SEARCH SPACE）71.36 遗传算法的步骤71.37 遗传算法的特点71.38 遗传算法在国内外研究现状81.4 本文工作92 风险规划数学模型102.1基于马尔可夫过程的风险评价模型102.2 问题描述152.3风险规划模型163遗传算法对风险控制模型的求解183.1 算法特点183.2 设计要素183.3 程序流程203.4应用MATLAB软件对本问题程序算法的设计213.5 仿真结果分析233.5.1 静态结果分析233.5.1 动态结果分析25结论27致 谢28参考文献29附 录301 绪论1.1 选题背景1.1.
8、1 虚拟企业“虚拟”一词产生于计算机产业。在电子计算机领域，虚拟指本身不是一个真正的物理存在，而是借用软件实现的存在。它通过借用外部共同的信息网络与通道，提高数据存储数量、质量与效率，制造出栩栩如生的图象、声音、文字等三维场景。虚拟技术移植到企业经营上，是指处于不同地域的人和物，可以通过信息技术连接起来，为一个共同目标而合作。通过虚拟，一个企业不必再雇佣许多员工，组建固定的组织机构，也不需要投入大量资金建造工厂购置设备，只需少量技术人员和管理人员，就可以完成新产品的决策、研发、生产、销售及会计核算等。虚拟操作，就是选择合适的虚拟方式如委托、外包、兼并、购买、联合、结盟、合资等，借用外部力量，对
9、企业掌握或控制的资源（人力、资本、信息、自然）重新进行整治组合，以达到能量的聚合裂变，形成新的功能或增强、完善原有功能，产生新的竞争优势，而不必增加成本（或花费很少）和组建相应的组织机构、雇佣人员，超越了物理空间和组织制度限制而形成的低投入、高产出、技术互补、资源共享、风险分担的动态有机整体虚拟体。虚拟体中的每个成员称为虚拟企业。1.12 虚拟企业的发展目前，虚拟企业仍处于发展的初级阶段，尽管有关的组织和运行模式已经得到广泛的运用，但完全虚拟化的企业还处于设想阶段。价值最大化、增强企业核心竞争力的目标，推动企业在市场调查研究、产品设计开发以及销售服务等环节上采取了虚拟化的运作方法。信息技术不断
10、发展的形势下，虚拟化的环节将继续增加，涉及的领域将更广泛。加强对虚拟企业生命周期的分析，特别是加强各阶段风险的识别、防范与化解，就更为必要。1.13 虚拟企业产生的原因1 社会条件的变化。首先，全球经济一体化使得企业间市场竞争激化，促使组织之间联盟以弱化直接竞争，同时经济全球化促使国际劳动分工的越来越细化，企业间渗透越来越深，协作的要求也越来越紧迫。其次，信息技术的变革为虚拟企业的发展奠定了技术基础，信息技术使企业能够方便地跨越空间障碍，并有足够的信息传递和处理能力，打破传统的市场、研发、制造和管理的边界，广泛融合各项功能，使组织结构变得越来越敏捷、高效。最后，“双赢”的经营理念代替了“零和博
11、弈”为虚拟企业的发展奠定了文化基础。2 组织效果的变化。随着信息时代的到来，工业经济时代“大而全的万能组织”越来越显现出规模不经济的特点。市场需求越来越多变，新产品加速出现，产品寿命周期越来越短，这些都要求企业有能力迅速根据市场机会合成相应生产能力。与此同时，信息技术的进步使得企业外部交易成本低于内部交易成本。这些都促使了企业进一步分化并加强核心功能而放弃其他功能，并借助电子网络的手段，通过虚拟形式，集合各“真实公司”的核心能力和资源，在技术、资源、管理等方面形成竞争优势，通过分享市场机会，达到多方共赢。1.1.4 虚拟企业的特点1 企业边界模糊虚拟企业是许多企业的临时联盟，它们具有自己的关键
12、技术，通常围绕某个核心企业或中间企业组织的关键技能联成临时网络组织，以达到共享技术、分摊费用以及满足市场需求的目的。这种动态联盟表现出短暂和临时的特点，某个目标一旦完成就会宣告解散，而为了新的机会又会重新组建新的联盟。这种新型的企业组织模式打破了传统的企业组织界限，使企业边界变得模糊。2 以发达的信息网络为基础在虚拟企业运行中，信息共享是关键。现代信息技术和通讯手段使得沟通更为便利，采用通用数据进行信息交换，可以使所有参与联盟的企业都能共享设计、生产以及营销的有关信息，从而协调步调，保证较好的合作，使虚拟企业集成出较强的竞争优势。3 并行作业虚拟企业在完成某一项目或任务时，项目或任务按照并行工
13、程的思想被分解为相对独立的工作模块，并且各个合作模块可以并行作业，项目或任务的主持者可以利用先进的信息通讯手段在其间不断地沟通与协调，从而保证各个工作模块最终的互相衔接。这样既缩短了时间，节约了成本，又促进了各参与企业有效配置自己的资源及虚拟企业整体资源的充分利用。4 技术先进的企业网络该企业网络中的每个成员都要贡献一定的资源，供大家共享，而且这个企业网络运行的集合竞争优势和竞争力水平大于各个参与者的竞争优势和竞争力水平的简单相加，因此虚拟企业在产品或服务的技术开发上更容易形成强大的竞争优势，其开发的产品或服务在市场上处于领先地位。虚拟企业的整体竞争力水平大于各个参与者的竞争力水平的简单相加。
14、5 信息共享虚拟企业是建立在当今发达的信息网络基础之上的企业合作虚拟企业的运行中信息共享是关键，而使用现代信息技术和通讯手段使得沟通更为便利。采用通用数据进行信息交换，使所有参与联盟的企业都能共享设计、生产以及营销的有关信息，从而能够真正协调步调，保证合作各方能够较好合作，使虚拟企业集成出较强的竞争优势。虚拟企业的上述特点，注定了虚拟企业具有较强的适应市场能力的柔性与灵捷性，各方优势资源集中更催生出极强的竞争优势与竞争力。1.2 国内外关于虚拟企业风险管理的方法1991年美国里海（Lehigh）大学学者Kenneth，Preiss等在21世纪制造企业战略报告中提出了虚拟企业（Virtual E
15、nterprise）这一概念。从此，作为企业组织创新形式虚拟企业的学术研究拉开了帷幕。1992年，美国学者William H. Davidow和Michael S. Malone在其专著虚拟公司中认为，虚拟企业是由一些独立的厂商、顾客、甚至同行的竞争对手通过信息技术联成临时的网络组织，以达到共享技术、分摊费用以及满足市场需求的目的，虚拟企业没有中央办公室，也没有正式的组织图，更不像传统组织那样具有多层次的组织结构。作为一种新的制度安排，虚拟企业已日见增多并受到国内外企业界和学术界的关注，有关这一领域的研究，就目前来说，国内和国外进展相当。针对虚拟企业风险影响因素多、直接量化评价较难的特点，现在
16、一般用层次分析法（AHP）的理论及基本应用步骤来作较为详细的阐述；运用层次分析法对虚拟企业的备选方案的风险评价进行了实证分析，阐明层次分析法在多个指标、方案中选择最佳的组合方案时是一种科学，可行的方法。层次分析法（Analytic Hierarchy Process简称AHP）是美国运筹学家T. L. Saaty教授于70年代初期提出的，AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构（主要是两两比较）把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元
17、素两两比较的重要性进行定量 描述。而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。该方法自1982年被介绍到我国以来，以其定性与定量相结合地处理各种决策因素的特点，以及其系统灵活简洁的优点，迅速地在我国社会经济各个领域内，如能源系统分析、城市规划、经济管理、科研评价等，得到了广泛的重视和应用。应用层次分析法的注意事项。如果所选的要素不合理，其含义混淆不清，或要素间的关系不正确，都会降低ahp法的结果质量，甚至导致ahp法决策失败。为保证递阶层次结构的合理性，需把握以下原则，1 分解简化问题时把握主要因素，不漏不多；2 注意
18、相比较元素之间的强度关系，相差太悬殊的要素不能在同一层次比较。 1.2.1 虚拟企业存在的经济学解释虚拟企业是企业制度演变过程中的制度创新及组织形态创新。对虚拟企业的分析要从交易费用这一最基础的制度经济分析工具入手。企业存在于一个开放的系统中，一方面和外界的利益相关者存在着千丝万缕的联系，另一方面，企业自身的各部门和各层单位组成有机体，为了实现自身的竞争优势，必须协调外部关系和内部关系，付出交易费用。在企业之外的市场中，对外协调的交易费用主要靠“看不见的手”市场机制来调节，而企业内部的协调是企业管理者通过“看得见的手”企业的行政命令协调机制来完成的。科斯（Coase R. H.）认为，交易费用
19、是决定企业的存在、企业和市场边界的唯一变数。例如，若企业不存在，雇主就不得不每天到劳动力市场购买劳动力，为此要花费很多时间、精力、劳力和物力，即付出更高的交易费用；如果雇主内化了劳动力，使他们成为企业的雇员，就节省了外部交易费用。当节省的外部交易费用的边际好处被内部交易费用增加的边际坏处抵销时，再扩大规模就不经济了。所以，企业的合理边界位和规模就是企业内部交易费用的增加恰好等于市场交易费用的节约。1.2.2 虚拟企业风险管理方法的要点1 识别有效市场机遇。市场需求是决定虚拟企业存在的基础，要抓住市场机遇只有通过科学的市场调查，做到及时、客观地收集信息资料，找到有效的即适合自己的市场机会，并对风
20、险予以充分的估计，以更有效地把握市场机遇。2 充分运用供应链技术。通过对订单管理系统和库存管理系统的有效运用，发挥虚拟企业动态联合各种核心竞争力的作用，按照客户要求，以最短的提前期为客户提供满意的服务，并保证实时维护库存帐务，最大限度降低库存，加速资金周转。同时，为企业管理人员正确决策提供依据。3 建立信息沟通和协调模式。虚拟企业的运作效率与成员企业的信息沟通密切相关，为了使成员企业能够迅速地获得和共享信息，迅速实现自我调整和相互配合，虚拟企业应当建立一套有效的信息沟通和协调模式。根据独立性递减、复杂性递增、机会主义威胁递减和官僚成本递增的特点，可以灵活选择双向调整、联盟、自发性三边规制和强制
21、性三遍规制这四种不同模式。4 建立和增加成员企业间信任。从虚拟企业开始建立就可以利用会计师事务所等部门，通过仔细评估潜在成员企业的核心能力、合作意愿和企业信誉等，全面考虑潜在伙伴的可信任信用等级，开始着手构建虚拟企业内的信任关系；在企业运作过程中，提高行为的透明度、加强沟通，促进各成员企业之间相互学习，并在企业内建立群体协商机制，以解决冲突；加深了解、力争长期合作, 以减少欺骗动机，增加合作利益。1.3 遗传算法1.3.1 遗传算法的产生20世纪60年代中期，John Holland在A.S.Fraser和H.J.Bremermann等人工作的基础上提出了位串编码技术。这种编码既适用于变异操作
22、，有适用于交叉操作，并且强调将交叉作为主要的遗传操作。随后，Holland将算法用于自然和人工系统的适应行为的研究中，并于1975年出版了其开创性著作“Adaptation in Natural and Artificial Systems”。以后，Holland等人将该算法加以推广，应用到优化及机器学习等问题中，并正式定名为遗传算法。遗传算法的通用编码技术和简单的有效的遗传操作作为其广泛，成早期功地应用奠定了基础。Holland有关遗传算法的许多概念一直沿用至今，他认为遗传算法的本质上是适应性算法，应用最多的是系统最优化的研究。1.3.2 遗传算法的生物学背景 遗传算法是以达尔文自然进化论和
23、孟德尔遗传变异理论为基础的求解复杂全局优化问题的仿生型算法，它以适者生存、不适应者被淘汰为进化策略，对包含可能解的群体反复进行选择、交叉、变异等遗传学操作，从而使种群不断进化，以搜索到最优解或准最优解，具有简单实用、鲁棒性强、本质并行性等特点。遗传算法包含如下基本要素： 1 染色体编码；2 适应度函数设计；3 遗传操作设计，包括选择、交叉、变异；4 运行参数设定，包括设定初始群体规模、遗传运算终止进化代数、交叉概率、变异概率。在实验中，一般应对可行性域中的点进行编码，然后再可行域中的点进行编码，然后在可行性域中随机挑选一些编码组作为进化起点的第一代编码组，并计算每个解的目标函数值，也就是编码的
24、适应度。接着就象自然界一样，利用选择机制从编码组中的随机挑选编码作为繁殖过程前的编码样本。选择机制应保证适应度较高的解能够保留较多的样本；而适应度较底的解则保留较少的样本，甚至被淘汰。在接下去的繁殖过程中，遗传算法提供了交叉和变异两种算子对挑选后的样本进行交换。交叉算子交换随机挑选的两个编码的某些位，变异算子则直接对一个编码中的随机挑选的某一位进行反转。这样通过选择和繁殖就产生了下一代编码组。重复上述选择和繁殖过程，直到结束条件得到满足为止。1980年以来，人们越来越清楚地意识到传统人工智能方法的局限性，而且随着计算机速度的提高及并行计算机的普及，遗传算法和进化计算对计算机速度的要求已不再是制
25、约其发展的因素。德国Dortmund大学1993年末的一份研究报告表明，根据不完全统计，进化算法已在16个大领域，250多个小领域中获的了应用。1.3.3 基因（gene） 所有的生物都是由细胞组成的。在每一个细胞中都有想同序列的染色体。染色体是一串DNA的片断，它为整个有机体提供了一种复制模式。 染色体是由基因组成的，或者说染色体就是一块块的基因。每一个基因为一个特定的蛋白质编码。或者更简单的说，每一个基因为生物体的某一特定特征编码，比如说眼睛的颜色。所有可能的某一特定特征的属性（比如，蓝色，桔黄色等）被称之为等位基因。每一个基因在染色体上都有其特定的位置，这个位置一般被称作位点（Locus
26、）。 全部序列的基因物质（或者全部的染色体）称之为基因组（或染色体组）（Genome）。基因组上特定序列的基因被称作基因型（Genotype）。基因型和后天的表现型两者是有机体的显性、生理和心理特征比如说眼睛的颜色、智力的基础。 1.3.4 复制（Repeoduction）在复制中，首先发生的是交叉（Crossover）。来自于父代的基因按照一定的方式组成了新的基因。新的子代还可能发生变异（Mutation）。变异的意思是DNA上的某一些成分发生了一点点的变化。这些改变可能是由于在由父代到子代的基因复制中出现的误差。 1.3.5 搜索空间（Search Space） 在很多情况下，我们解决一个
27、问题就是从一大堆的数据中寻找一个解，而通常这个解都是混杂在数据中的。所有可行解（Feasible Solution可行解就是满足了一定约束条件的解）组成的空间称之为搜索空间（也可以称之为状态空间）。搜索空间中的每一个点都是一个可行解。每一个可行解都可以被它的函数值或者它的适应度所标记。问题的解就是搜索空间中的一个点，于是我们就是要从搜索空间中找到这个点。 这样，求解问题就可以转化为在搜索空间中寻找极值点（最大值或者最小值点）。搜索空间在求解问题时可能是完全已知的，但一般来说我们只知道一些孤立的点，然后我们逐渐地生成其它点。问题是，这个搜索过程可能很复杂，我们甚至不知道该去哪里搜索或者该从是么地
28、方开始搜索。事实上，有很多寻找合适解（注意：不一定是最优解）的方法，比如说爬山法（Hill Climbing）禁止接近法(Tabu Search),模拟退火算法(Simulated Annealing)以及遗传算法等等.用遗传算法求解出来的解一般被认为是一个比较好的解,因为我们没有办法证明它是最优解.1.3.6 遗传算法的步骤遗传算法与传统的搜索算法不同，它以适应度函数为依据，通过对种群中的所有个体实施遗传操作，实现群体内个体结构重组的迭代过程搜索法。选择、杂交、变异构成遗传算法的3个主要遗传操作。参数编码、初始群体的设定适应度函数设计、控制参数设定等要素组成遗传算法的核心内容。其主要步骤是编
29、码初始种群的生成适应度评估检测选择杂交变异。1.3.7 遗传算法的特点传统的优化方法主要有三种：枚举法、启发式算法和搜索算法。遗传算法不同于传统的搜索和优化方法。主要区别在于：1 自组织、自适应和自学习性（智能性）。应用遗传算法求解问题时，在编码方案、适应度函数及遗传算子确定后，算法将利用进化过程中获得的信息自行组织搜索。由于基于自然的选择策略“适者生存、不适者被淘汰”。因而适应度大的个体具有较高的生存概率。通常适应度大的个体具有更适应环境的基因结构，再通过基因重组和基因突变等遗传操作，就可能产生更适应环境的后代。进化算法的这种自组织、自适应特征，使它同时具有能根据环境变化来自动发现环境的特性
30、和规律的能力。自然选择消除了算法设计过程中的一个最大障碍，即需要事先描述问题的全部特点，并要说明针对问题的不同特点算法应采取的措施。因此，利用遗传算法，我们可以解决那些复杂的非结构化问题。2 遗传算法的本质并行性。遗传算法按并行方式搜索一个种群数目的点，而不是单点。它的并行性表现在两个方面，一是遗传算法是内在并行的（inherent parallelism）,即遗传算法本身非常适合大规模并行，最简单的并行方式是让几百甚至数千台计算机各自进行独立种群的演化计算, 运行过程中甚至不进行任何通信（独立的种群之间若有少量的通信一般会带来更好的结果)，等到运算结束时才通信比较，选取最佳个体。这种并行处理
31、方式对并行系统结构没有什么限制和要求，可以说，遗传算法适合在目前所有的并行机或分布式系统上进行并行处理，而且对并行效率没有太大影响。二是遗传算法的内含并行性（implicit parallelism）。由于遗传算法采用种群的方式组织搜索，因而可同时搜索解空间内的多个区域，并相互交流信息。3 遗传算法不需要求导或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数。4 遗传算法强调概率转换规则，而不是确定的转换规则。5 遗传算法可以更加直接的应用。6 遗传算法对给定问题，可以产生许多的潜在解，最终选择可以由使用者确定。在某些特殊情况下，如多目标优化问题不止一个解存在，有一组pareto
32、最优解。这种遗传算法对于确认可替代解集而言是特别合适的。1.3.8 遗传算法在国内外研究现状近年来，GA在商业应用方面取得一系列重要成果。或许这也是它受到学术界之外的企业界、政府部门以及更广泛的社会阶层普遍重视的原因。GA的商业应用五花八门，覆盖面甚广，Coldborg在Comm.ACM上的一篇专论较为详细地介绍了美国近年来的一些成果。例如，通用电器的计算机辅助设计系统Engeneous，这是一个混合系统（hyb rid system），采用了GA以及其他传统的优化技术做为寻优手段。Engeneous已成功地应用于汽轮机设计，并改善了新的波音777发动机的性能。美国新墨西哥州州立大学心理学系开
33、发了一个所谓的Faceprint系统，可根据目击者的印象通过计算机生成嫌疑犯的面貌。计算机在屏幕上显示出20种面孔，目击者按十分制给这些面孔评分。在这基础上，GA按通常的选择、交换和突变算子生成新的面孔。Faceprint的效果很好，已申报专利。同一个州的一家企业预测公司（Prediction Company）则首先开发了一组用于金融交易的时间序列预测和交易工具，其中GA 起了重要作用：据说，这一系统实际运行效果很好，可以达到最好的交易员的水平，引起银行界的关注。GA在军事上的应用也有报道：如用于红外线图象目标判别的休斯遗传程序系统（Hughes genetic programming sys
34、tem）， 效果很好，以至准备把它固化成硬件。就GA本身的研究而言，应该说，我国起步较晚，近几年才陆续看到一些介绍性的文章、不多于两三部的专著以及初步的研究报告。和国外工作比较，一个显著区别是，国内工作多只停留在论文这一层次，几乎没有看到具体实际应用，与研究成果商品化的差距就更远。理论研究与实际应用不够紧密，阻碍了我国高新技术的迅速发展，几乎已经成为顽症。因此，在我国发展GA，当前应该特别重视它的应用和推广普及。学术界要主动和企业界连手开发GA的应用，要重视引进或自行研制类似于Splicer的程序设计环境，使GA的应用更加方便和快捷。国家组建的工程研究中心应该在这方面发挥更大的作用。工科数学教
35、育也应有所调整，以适应高新技术发展的需要。1.4 本文工作本文采用马尔可夫方法，对虚拟企业中的风险管理问题进行了初步的研究，在本文中利用马尔可夫对生产的整个过程进行动态跟踪以达到对风险的动态控制。在下面的章节中，根据马尔可夫理论提出了马尔可夫的动态风险管理模型；并深入讨论了遗传算法在此问题中的应用。2 风险管理模型2.1基于马尔可夫过程的风险管理模型马尔可夫过程是一种比较常用的随机过程，它描述的是这样的情形：一个系统具有有限个状态，系统在下一时刻的状态取决于系统现在所处的状态，而与以前的状态无关，即系统的无后效性。系统由一种状态转移至另一种状态的过程称为马尔可夫过程。马尔可夫链分析是利用状态间
36、的状态转移概率来反映系统状态的动态变化，表示从第状态经过一步转移到第状态的概率，。以状态转移概率为元素的矩阵称为马尔可夫链的一步状态转移概率矩阵，简称转移矩阵，记为，其每行元素之和为1。 如果马尔可夫链上的两状态可以相互转移，则称两状态是连通的。如果状态空间中的任意两状态都是连通的，则称此状态空间是连通状态空间。根据连通的概念，马尔可夫的状态空间可以分为不返回状态（过渡态）和吸收态。在马尔可夫链中如果有的状态一旦进入就不能离开，则此状态称为吸收态。在马尔可夫链中，如果有的状态不属于吸收态，则称之为不返回状态5。一个具有个不返回状态和个吸收状态的马尔可夫链可以表示为下列转移矩阵： (2.5)其中
37、：表示系统的不返回状态之间的关系；表示不返回状态和吸收态之间的关系；：阶单位矩阵；：零矩阵。易知，矩阵，其中（对所有的）且，（）5。依据马尔可夫过程的基本原理，对虚拟企业风险进行评价。首先分析整个过程可能出现的风险因素，忽略次要因素。并依据风险因素的影响把整个生产过程分成若干个状态，用马尔可夫来追踪整个生产过程的发展情况。现以两阶段为例对模型进行描述。假设整个生产过程分成两个阶段，准备和运行阶段。准备阶段有一个状态，运行阶段存在多种状态，最后整个生产达到成功状态。马尔可夫链状态空间 状态转移矩阵 （2.5）引入参数表示从状态进入吸收态的概率，表示从状态进入过渡态的概率，则必有 （2.6） （2
38、.7）在此基础上进一步分析如下：（1）吸收矩阵的第一行的两个元素分别表示完工概率和失败率。（2）生产平均成本：表示状态占有成本矢量;: 的向量元素，表示状态内占有的成本 2.2 问题描述项目的各个工序有不同的完工时间，对应的完工成本和完工概率就不同，从而项目的完工时间、完工成本和完工概率也不同。决策者根据自身的实际情况选择适合自己的措施。本文所研究的问题就是要在投入成本和用户工期要求一定的条件下，使项目的各工序最小完工概率最大。依据马尔可夫过程的基本原理，得到各工序的转移矩阵：1编制任务计划书 (2.6)2技术设计 (2.7)3机械装配设计 (2.8)4电器装配设计 (2.9)5原材料及外购件
39、购买 (2.10)6机械装配工艺规程 (2.11)7零件设计 (2.12)8电器装配工艺规程 (2.13)9制定材料定额 (2.14)10零件加工 (2.15)11机械装配 (2.16)12电器装配 (2.17)13调试 现有某联盟生产一种车，其工序流程如表2.1：表2.1 各工序风险规划结果A工序名称各工序对应的时间完工概率完工成本（元）B技术任务书20.397235930.7257325.5C技术设计80.4896308490.59133045100.7023006D机械装配设计80.4672218090.56882140100.682100E电器装配设计40.452854550.6752
40、5F原材料及外购件购买50.4356456160.58068443270.745084303G机械装配工艺规程50.42108060.5688105670.73921032H零件设计80.475217290.5782132100.6922090I电器装配工艺规程10.2522420.7208J制定材料定额20.3836557.530.7131523.75K零件加工50.475589760.63852L机械装配160.46234128.8170.5084061.1180.5553993.4190.6053925.7200.65583858M电器装配10.2522420.7208N调试10.253
41、1020.72702.3风险管理模型 上例中的风险管理模型如下： (2.1) (2.2) (2.3)其中：工序的完工时间：工序完工时间为时对应的完工概率：工序完工时间为时对应的成本：关键工序集合：工序数目：规定的项目完工时间：规定的项目完工成本3遗传算法对风险管理模型的求解生物进化论的观点认为：生物不但遗传而且有变异，这种变异是因为染色体不但复制而且有交叉及基因突变，如果这种变异更适应环境，那么这种产生变异的个体会繁衍下去，反之则被环境所淘汰，这就是适者生存，不适者被淘汰的自然法则。遗传算法（genetic algorithms）简称GA就是J.Holland于1975年受生物进化论的启发而提
42、出的。它是建立在自然选择和遗传变异基础上的迭代自适应概率性搜索算法。它将问题的求解表示成“染色体”的适应生存过程，染色体是字符串编码，每一编码字符串为一候选解，这种染色体有多个，即有一群候选解。通过“染色体”群的一代一代不断变化，包括复制、交叉、和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。3.1 算法特点1 GA对问题参数编码称“染色体”后进行操作，而不是针对参数本身，这使得GA不受函数约束条件的限制，如连续性、可导性等。2 GA的搜索过程是从问题解的一个集合开始的，而不是从单个个体开始的，具有隐含并行搜索特性，从而大大减小了陷入局部极小的可能。3 GA使用的遗
43、传操作均是随机操作，同时GA根据个体的适应值信息进行搜索，无需其他信息，如导数信息等。4 GA具有全局搜索能力，最善于搜索复杂问题和非线性问题6。3.2 设计要素1 确定问题的编码方案：就是将问题的解用一种编码来表示，从而将问题的状态空间与GA的码空间相对应，这在很大程度上依赖于问题的性质，并将影响遗传操作的设计。由于GA不是直接在解空间上进行搜索，而是在一定编码机制对应的码空间上进行的，因此编码的选择是影响算法性能与效率的重要因素。编码方法有很多种：顺序编码，自然数编码，实数编码，二进制编码。2 确定适应值函数：用于对个体进行评价，也是优化过程发展的依据。GA进化过程中基本不用如导数一类的外
44、部信息，而仅用目标函数即适应值函数为依据。适应值函数可以由很多方法得出，可以直接利用目标函数，也可以通过目标函数的变换来定义。对于极大值问题，可以直接利用目标函数作为适应值函数。对于目标函数求极小值问题，可以采用倒数的方式或用一个极大值减去目标函数值。3 算子的设计：这部分是GA的核心，即实现优胜劣态的进化过程的主体。该操作包括三个基本算子：选择、交叉和变异。选择算子就是从群体中选择出优秀个体，淘汰劣质个体的操作算子，目前使用较多的是按比例选择和基于排名的选择策略。前者以正比于个体适应值的概率来选择相应个体，后者则基于个体在种群中的排名来选择相应的个体。交叉算子作用于组合出新的个体，在解空间中
45、进行有效搜索，同时降低对有效模式的破坏概率。常用的有单点交叉和多点交叉，其中单点交叉就是随机地在两个父串上选择一个交叉点，然后交换这两个串的对应的子串。变异算子是为了保持群体中的个体的多样性而在产生后代的过程中使用的操作算子。4 算法参数的选取：主要包括种群数目、交叉与变异概率、进化代数、种群数目是影响算法优化性能和效率的因素之一。通常，种群太小则不能提供足够的采样点，以致算法性能很差，甚至得不到问题的可行解；种群太大时尽管可增加优化信息以阻止早熟收敛的发生，但会增加计算量，从而使收敛时间太长。交叉概率用于控制交叉操作的频率。概率太大时，种群中串的更新很快，进而会使适应值高的个体很快被破坏掉；概率太小时。交叉操作很少进行，从而会使搜索停滞不前。变异概率是加大种群多样性的重要因素。概率太小不会产生新个体，概率太大则使GA成为随机搜索。5 算法终止标准： 如果没有人为的控制，算法的进化过程将永无止境的进行下去，而事实上可能进化到当前的结果已经是最优或进化已经停止而并没有得到最优解，所以算法设计中一个重要的问题就是确定算法的终止标准。不过，目前还没有一种判断性能很好，适应范围很广的控制标准，所以，一般的GA程序都使用由用户控制的最大进化代数来控制算法的进程7。3.3 程序流程遗传算法的主要步骤
