ارائه یک مدل پیش بینی جدید برای تصمیم گیری و استدلال مرتبط با قیمت گذاری هنگام تعامل با عدم قطعیت در محیط: با استفاده از مدل های خاکستری مرتبه جزئی

وقتی ما از شرایط عدم قطعیت رنج میبریم، اطلاعاتی بسیار کم در مورد علت وقوع پدیده ها داریم و در این هنگام تصمیم گیری و مشخص نمودن استراتژی ها و استدلال های کافی توسط مدیران رده بالا در زمان قیمت گذاری یک محصول، که از مهمترین ارکان یک سازمان یا شرکت است، بسیار دشوار میباشد. هدف ما در این تحقیق این بود تا با ارائه یک مدل پیش بینی جدید برای استراتژی های تصمیم گیری و استدلال در مورد قیمت گذاری هنگام تعامل با عدم قطعیت بتوانیم با دانستن آینده از عدم قطعیت بکاهیم و پویایی های استراتژی را بهتر بررسی کنیم. در چنین محیط هایی جناب پیئرس از یک ساختار که به ترتیب شامل مشاهده، فرضیه، پیش بینی، ارزیابی و رسیدن به حقیقت است، به عنوان پاسخ راسخی برای این شرایط نام میبرد که در تحقیق در دست نیز ما از این رویه پیروی کردیم. به طوریکه داده سری زمانی استخراجی(داده های مربوط به قیمت) از پایگاه داده ای به نام ادونچر ورکس متعلق به یک شرکت در زمینه تجهیزات دوچرخه سواری و کوهنوردی در آمریکا را به عنوان مشاهدات در نظر گرفتیم. و با فرض اینکه الگوریتم پیشنهادی جدید و ترکیبی توسط نویسندگان در رسیدن به هدف موفق عمل میکند، از مدل های خاکستری مرتبه جزئی و ترکیب آن با و بهینه سازی ازدحام ذرات کوانتومی برای پیش بینی با دقت بالا بهره بردیم. و درنتیجه با ارزیابی آنها و نشان دادن بصری و آماری با خطای جذر میانگین مربعات (RMSE) نتایج به حقیقت پی برده و در نهایت دیده شد که مدل ترکیبی جدید به خوبی پاسخگوی هدف ما بود.

Keywords:

استراتژی قیمت گذاری , تصمیم گیری , استدلال , عدم قطعیت , مدل های خاکستری مرتبه جزئی