XiaoMi-AI文件搜索系统
World File Search SystemMEREC
生产力杂志
摘要 目的：影响国家物流绩效的标准与其重要性水平之间的差异对于政策制定过程具有重要意义。已经确定，在新兴市场物流指数中，这些标准的权重是相同的。为此，该研究重新加权了新兴市场物流指数的标准，并调查了权重对排名的影响。在这方面，该研究旨在使指数更加客观。 方法：在研究中，采用了多标准决策方法。在此背景下，使用 MEREC（基于标准消除效应的方法）来确定标准权重，而 MABAC（多属性边界近似区域比较）和 MAIRCA（多属性理想真实比较分析）方法对替代方案进行排名。结果：在研究中，得出结论，标准的加权值与文献更加一致。此外，获得的新权重会影响国家的排名值。原创性：新兴市场提供了发展基础设施以提高物流生产力的机会，并为在物流运营中实施新技术提供了平台，这一点很重要。此外，这些市场通过不断扩大的消费者需求实现了物流服务的多样化和发展。本研究与文献中的其他研究不同，因为它更喜欢敏捷新兴市场物流指数 (AEMLI) 而不是物流绩效指数 (LPI)，并使用基于 MEREC 的 MABAC-MAIRCA 方法。关键词：物流生产力、AEMLI、MEREC、MABAC、MAIRCA。JEL 代码：C40、F14、L90。
集成机器学习算法和 MCDM 技术进行纯电动汽车优化排序
摘要。当今世界，世界各地的汽车行业都在简化电动汽车 (BEV) 的生产，以迈向创造无污染环境。BEV 被用作全球范围内减轻碳排放的替代策略。由于环境保护是长期可持续发展目标之一，因此需要从化石燃料转向可再生能源，同时这也引发了对电动汽车进行最佳选择的决策问题。本文考虑了 Faith Ecer 早期作品中基于十种替代 BEV 和十一项标准的决策问题。多标准决策的新型排序方法 MCRAT（按替代轨迹进行多标准排序）与三种不同的标准权重计算方法 AHP（层次分析法）、CRITIC（通过标准间相关性确定标准重要性）和 MEREC（基于标准去除效果的方法）一起使用。使用随机森林机器学习算法对获得的结果进行比较和验证。这项研究工作结合了多标准决策方法和机器学习算法，对电动汽车做出最佳决策，这种综合方法产生了最佳排名结果，并且它肯定会在未来的决策方法中开辟新的空间。