基于随机子空间与置信规则库的项目绩效预测方法
不断变化与高度不确定的外部环境使得研发项目已成为企业创造价值,提升竞争力,实现可持续发展的关键因素。但由于研发项目投资大、周期长、不确定性强等特点,容易造成决策者投资决策困难,项目进度延期或成本超出预算等一系列问题。因此,有效预测研发项目绩效尤为重要。置信规则库推理方法(BRB)可以在不确定环境下构造前提属性与结果之间的复杂的非线性关系,具有很强的推理能力,可对研发项目绩效预测问题进行建模。但由于项目成功有诸多影响因素,如市场不确定性,项目复杂性等,即存在大量前提属性,而构造规则库时需遍历所有前提属性的参考值,因此为了有效使用置信规则库方法进行研发项目绩效预测,必须克服规则库规模过大甚至组合爆炸的问题。本文提出将随机子空间与传统置信规则库推理方法相结合的方法,称为RS-BRB,对研发项目绩效进行预测。该方法的实质则是在随机生成的属性子空间中构造置信规则库推理系统,并使用证据推理方法合成多个子空间中的独立推理结果作为最终的预测值。因此该方法在有效降低规则库规模的同时具备良好的预测性能。为了验证所提方法的有效性,我们使用来自中国的169个研发项目数据对该方法进行了实验,并将其与其他方法进行了对比,对比结果表明,所提方法RS-BRB具有更好的拟合能力和更高的预测精度,在项目绩效预测上有着很大的应用潜力。
研发项目 项目绩效预测 随机子空间 置信规则库 证据推理
杨颖 王珺 王刚
合肥工业大学管理学院,合肥 230009
国内会议
福州
中文
179-185
2018-11-30（万方平台首次上网日期，不代表论文的发表时间）