在DMN中，所有的decision logic都是用boxed expression展现的。Clause 7.2介绍了boxed expression的概念并且定义了两个简单类：boxed literal expressions 和boxed invacations。Clause 8 中定义的decision tables就是一种非常重要的boxed expression。此章节通过定义其他种类的boxed expression，完善了decision logic的图形符号（graphical notation）。 Box中的表达式都是FEEL表达式。FEEL是Friendly Enough Expression Language的缩写

fddm fddm提供了函数dfddm() ，该函数使用不同的方法来近似包含无限和的PDF来评估Ratcliff扩散决策模型（DDM）的密度函数（或概率密度函数，PDF）。 我们对DDM的实现具有以下参数： a ϵ（0，∞） （阈值分离）， v ϵ（-∞，∞） （漂移率）， t 0 ϵ [0，∞） （非决策时间/响应时间常数）， w ϵ（0，1） （相对起点）， sv ϵ（0，∞） （漂移的试验间变异性）和sigma ϵ（0，∞） （基础维纳过程的扩散系数）。 安装 您可以使用以下方法从安装发行的fddm版本： install.packages("fddm") 以及来自的开发版本： # install.packages("devtools") devtools :: install_github( " rtdists/fddm " ) 例子 作为一个初步的例子，我们将适应DDM将数据

论文研究-基于仿真技术的连锁零售企业配送中心布局决策模型.pdf,  合理的配送中心布局可以大大降低企业的物流营运成本和提高物流系统的运营效率.从零售业连锁经营和配送中心 本质特征分析入手,将连锁零售企业的配送中心布局决策问题界定为以设施成本、物流成本和快速反应能力等多重子目标达到最优的多目标多配送中心选址问题.在对影响配送中心选址布局的因素进行定性分析和定量分析的基础上,运用蒙特卡罗静态仿真进行成本分析和Arena动态仿真进行响应时间分析相结合的方法构建了多目标多配送中心布局决策分析模型,并采用AHP和TOPSIS相结合的综合评价方法分析相关指标和数据来确定最优方案. 最后,以一家大型连锁超市作为研究算例, 以珠三角地区作为布局分析区域,构建实物模型以验证决策模型的科学性和有效性.

在多准则下考察传感器的融合权重, 提出一种新的多传感器数据融合方法. 通过多个性能指标折中估计传感器权重, 以降低决策的主观性和偶然性; 提出从不同融合级别来定义多个准则, 定性地提高了多准则的信息量; 在没有决策者对各准则偏好信息的情况下, 以最小化准则冗余度和最大化评价差异度为原则建立多目标优化模型对准则权重向量优化求解. 仿真实验结果表明, 相比于单准则和单层次的融合方法, 所提出方法具有更低的决策风险和更高的稳定性.

市场营销管理一理论与决策模型

本文在城市突发事 件发生后待救点事故动态演变的背景下，将应急救 援需求的演变设计成一个马尔可夫决策过程，并构 建优化模型，然后利用花朵授粉算法对模型进行求 解。最后，以某市突发地震灾害，造成药品和食品 短缺为例进行实证研究。结果表明，本文提出的救 援物资需求决策模型使用马尔可夫决策过程方法， 模拟事故演变中待救点物资需求动态变化过程，并 做出合理的需求满足决策，可以合理的配置资源， 使整体救援需求保持平稳的状态，实现了救援需求 的优化，更好的完成救助任务。

DMN的主要目标是提供一个让业务人员容易理解的公共标记，从业务分析人员需要创建最初的决策需求到更细节的决策模型，再到技术人员负责自动化决策编程，最终到业务人员管理和监控这些决策。DMN将业务决策设计到决策实现创建了一个标准的桥梁。DMN标记是沿着BPMN标准设计的业务过程标记。 另一个目标是确保决策模型是可以通过XML跨组织交换的。

人工智人-家居设计-公路软土地基处理方案智能化决策模型研究.pdf

人工智人-家居设计-高速公路软基处理方案智能决策模型研究.pdf

区域公路网自然灾害应急救援点选址的多目标决策模型及算法.doc