羅松濤，孫 林，王立文，陳勇民

(1.北京財(cái)貿(mào)職業(yè)學(xué)院，北京 101101;2.鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院，河南 鄭州 450002;3.北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100191;4.深圳 TCL王牌電子有限公司，廣東 深圳518000)

復(fù)雜系統(tǒng)是指規(guī)模龐大，結(jié)構(gòu)復(fù)雜，具有多樣性、不確定性的系統(tǒng)。近幾年，復(fù)雜系統(tǒng)理論以其深邃的哲學(xué)內(nèi)涵和貼近現(xiàn)實(shí)的研究視角正在吸引越來(lái)越多人的關(guān)注。隨著企業(yè)經(jīng)營(yíng)環(huán)境和經(jīng)營(yíng)任務(wù)的日益復(fù)雜化，在管理中借鑒復(fù)雜系統(tǒng)理論乃至參照復(fù)雜系統(tǒng)的運(yùn)行特點(diǎn)設(shè)計(jì)企業(yè)經(jīng)營(yíng)系統(tǒng)，特別是利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行企業(yè)輔助決策分析［1］，將會(huì)成為企業(yè)提高管理效能、改進(jìn)經(jīng)營(yíng)績(jī)效的一個(gè)熱點(diǎn)。

1 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)技術(shù)如同人類神經(jīng)系統(tǒng)，可以迅速接收到外界的刺激并馬上做出反映。利用神經(jīng)網(wǎng)絡(luò)模型對(duì)企業(yè)運(yùn)營(yíng)進(jìn)行前期預(yù)報(bào)管理和智能型管理，監(jiān)控并自動(dòng)分析企業(yè)運(yùn)營(yíng)的諸多狀態(tài)參數(shù)，從而對(duì)投資決策提供趨勢(shì)管理，可最大限度地提高投資決策的科學(xué)性。

神經(jīng)網(wǎng)絡(luò)模型形式多樣，各有其特點(diǎn)和用途，鑒于多層前饋(以下簡(jiǎn)稱BP)神經(jīng)網(wǎng)絡(luò)模型理論比較完善，方法比較成熟，可選用三層BP 神經(jīng)網(wǎng)絡(luò)模型［2］。

BP模型神經(jīng)網(wǎng)絡(luò)由三個(gè)神經(jīng)元層次組織，最上層為輸入層，中間為隱含層，最下層為輸出層。各節(jié)點(diǎn)層神經(jīng)元間相互連接，處于相同層次上的節(jié)點(diǎn)間無(wú)連接(見圖1)。對(duì)于每個(gè)神經(jīng)元的形式化模型，如圖2所示。在一個(gè)神經(jīng)元樹的突觸處，從其他神經(jīng)元接收信號(hào)經(jīng)激活后發(fā)送信號(hào)。在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，輸入神經(jīng)元和輸出神經(jīng)元節(jié)點(diǎn)由問題本身所決定，關(guān)鍵在于隱層層數(shù)與隱層神經(jīng)元節(jié)點(diǎn)的數(shù)目。一般地講，隱節(jié)點(diǎn)數(shù)少了，學(xué)習(xí)過(guò)程不易保證收斂，將導(dǎo)致學(xué)習(xí)過(guò)程失敗;隱節(jié)點(diǎn)數(shù)多了，網(wǎng)絡(luò)性能下降，導(dǎo)致學(xué)習(xí)過(guò)程過(guò)長(zhǎng)。

圖1 BP模型神經(jīng)網(wǎng)絡(luò)

圖2 神經(jīng)元的形式化模型

其中:Y=f(s)(x);X=∑WiXi+Si－ θi。

式中:XI——輸入信息;

Wi——權(quán)重值;

Si——對(duì)應(yīng)狀態(tài)數(shù)，興奮為1，抵制為

0;

θi——閥值。

對(duì)于激活的作用函數(shù)在專門的文獻(xiàn)中均有詳細(xì)介紹，一般的方法有下面幾種，它們各有優(yōu)點(diǎn)和優(yōu)化作用的相應(yīng)領(lǐng)域［3］。

其曲線圖如圖5所示。

圖3

圖4

圖5

神經(jīng)網(wǎng)絡(luò)技術(shù)在企業(yè)投資決策中，決定是否投資某個(gè)項(xiàng)目時(shí)，起決定作用的是通過(guò)數(shù)據(jù)預(yù)測(cè)推算出來(lái)的目標(biāo)利潤(rùn)。因此，本文方法中選取目標(biāo)利潤(rùn)作為輸出層的唯一一個(gè)節(jié)點(diǎn)，而把影響目標(biāo)利潤(rùn)的主要因素:市場(chǎng)預(yù)測(cè)銷售量、合理的單位定價(jià)、生產(chǎn)成本、風(fēng)險(xiǎn)因素四個(gè)變量作為輸入層四個(gè)節(jié)點(diǎn)［4］。

2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法［5］

2.1 設(shè)定網(wǎng)絡(luò)學(xué)習(xí)率、慣性項(xiàng)、學(xué)習(xí)次數(shù)、誤差精度、網(wǎng)絡(luò)層數(shù)、節(jié)點(diǎn)個(gè)數(shù)等。

2.2 賦值:輸入層節(jié)點(diǎn)到隱含層節(jié)點(diǎn)間連接權(quán)值 Vki，k，i=1，2，…，p

隱含層節(jié)點(diǎn)到輸出層節(jié)點(diǎn)間連接權(quán)值ωij，i=1，2，…，p;j=1，2，…，q

隱含層、輸入層節(jié)點(diǎn)閾值 θi、γi，i=1，2，…，p

圖6

2.3 從網(wǎng)絡(luò)輸入層節(jié)點(diǎn)輸入學(xué)習(xí)樣本(Am，Cm)。

2.4 正向?qū)W習(xí)向前傳播，通過(guò)傳播信號(hào)在作用函數(shù)y=f(x)的激活下，產(chǎn)生隱層節(jié)點(diǎn)激活值bi，輸出層節(jié)點(diǎn)激活值 ci，輸入層節(jié)點(diǎn)激活值ai，其中

2.5 計(jì)算出輸入層節(jié)點(diǎn)誤差信號(hào) dj=Cj(1－Cj)(Cj－ ECjm)，j=1，2，…，q ，其中 ECjm為第m個(gè)學(xué)習(xí)樣本的輸出層單元目標(biāo)輸出。2.6逆向?qū)W習(xí)反向傳播，計(jì)算出隱節(jié)點(diǎn)誤差

2.7 調(diào)整隱含層節(jié)點(diǎn)到輸出層節(jié)點(diǎn)連接權(quán)值Δωij=αbidj，輸入層節(jié)點(diǎn)到隱含層節(jié)點(diǎn)連接權(quán)值 Δυki= βakei，及輸入層節(jié)點(diǎn)閾值 Δγi= αdj，隱含層節(jié)點(diǎn)閾值 Δθi= βei，其中 i=1，2，…，p;j=1，2，…，q;k=1，2，…，n 。α 、β 為學(xué)習(xí)參數(shù)，一般在(0.1 ～0.5)間取值。

2.8 判斷學(xué)習(xí)過(guò)程是否繼續(xù)，若要繼續(xù)則轉(zhuǎn)至⑶執(zhí)行，否則執(zhí)行⑼。

2.9 判斷誤差 dj、ej與設(shè)定精度是否超限，若超限，則表明學(xué)習(xí)過(guò)程不成功，存儲(chǔ)已得學(xué)習(xí)權(quán)值，結(jié)束學(xué)習(xí)，否則執(zhí)行⑽。

2.10 判斷迭代次數(shù)是否超過(guò)設(shè)定學(xué)習(xí)次數(shù)，若沒有超過(guò)學(xué)習(xí)次數(shù)，則轉(zhuǎn)至⑶執(zhí)行，若超出學(xué)習(xí)次數(shù)，則執(zhí)行⑾。

2.11 計(jì)算誤差均方差

2.12 比較Ed與設(shè)定精度 ε，若 Ed＞ ε，則轉(zhuǎn)至⑵，否則存儲(chǔ)輸出層節(jié)點(diǎn)激活輸出，學(xué)習(xí)過(guò)程結(jié)束［6］。

在學(xué)習(xí)過(guò)程中根據(jù)企業(yè)投資決策的需要，根據(jù)前文分析，一般取輸入層結(jié)點(diǎn)4個(gè)，輸出層節(jié)點(diǎn)1個(gè)，隱含層節(jié)點(diǎn)個(gè)數(shù)根據(jù)試算定為7個(gè)，學(xué)習(xí)參數(shù)均設(shè)為0.5，學(xué)習(xí)精度取為0.01，學(xué)習(xí)次數(shù)設(shè)定為100，目標(biāo)輸出根據(jù)市場(chǎng)預(yù)測(cè)及采訪調(diào)查設(shè)為10億。對(duì)不同的項(xiàng)目，會(huì)有較為準(zhǔn)確的決策。

3 結(jié)語(yǔ)

利用神經(jīng)網(wǎng)絡(luò)模型借助計(jì)算機(jī)對(duì)企業(yè)決策進(jìn)行輔助分析，可有效地規(guī)避決策的風(fēng)險(xiǎn)，提高決策的科學(xué)性，促進(jìn)決策效益的最大化，為企業(yè)實(shí)現(xiàn)現(xiàn)代化管理提供了新的手段。

［1］埃弗雷姆·特班.決策支持系統(tǒng)與智能系統(tǒng)［M］.北京:機(jī)械工業(yè)出版社，2009.

［2］馬銳.人工神經(jīng)網(wǎng)絡(luò)原理［M］.北京:機(jī)械工業(yè)出版社，2010.

［3］彭放.數(shù)學(xué)建模方法［M］.北京:科學(xué)出版社，2007.

［4］施彥，韓力群.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法［M］.北京:郵電大學(xué)出版社，2009.

［5］張雨濃.神經(jīng)網(wǎng)絡(luò)權(quán)值［M］.廣州:中山大學(xué)出版社，2010.

［6］侯媛彬，杜京義.神經(jīng)網(wǎng)絡(luò)［M］.西安:西安電子科技大學(xué)出版社，2007.