| 第一章 引言 | 第1-42页 |
| ·课题背景 | 第38-39页 |
| ·ASP概述及其发展现状和发展趋势 | 第38-39页 |
| ·课题来源 | 第39页 |
| ·研究方法、内容和创新点 | 第39-42页 |
| ·研究方法 | 第39-40页 |
| ·研究内容和创新 | 第40-42页 |
| 第二章 ASP平台下企业动态联盟的风险分析 | 第42-72页 |
| ·ASP平台下动态联盟的特征及与传统企业的区别 | 第42-44页 |
| ·ASP平台下动态联盟的特征 | 第42页 |
| ·ASP平台下动态联盟与传统企业的区别 | 第42-43页 |
| ·ASP平台下企业的风险分析的必要性 | 第43-44页 |
| ·风险管理机制的范围和目标 | 第44-45页 |
| ·ASP平台下的运行管理的研究 | 第45-47页 |
| ·ASP平台下的运行管理模块 | 第45-47页 |
| ·风险管理 | 第47-51页 |
| ·ASP平台下企业动态联盟的风险存在原因 | 第48-49页 |
| ·ASP平台下企业动态联盟的风险特点 | 第49-50页 |
| ·ASP平台下动态联盟风险识别的内涵 | 第50-51页 |
| ·从动态联盟内外部环境出发进行风险的识别和诱因分析 | 第51-62页 |
| ·企业动态联盟的外部风险 | 第51-54页 |
| ·企业动态联盟的内部风险 | 第54-62页 |
| ·从生命周期角度进行动态联盟风险分析 | 第62-68页 |
| ·应用模糊综合评判法测算动态联盟的风险系数的计算 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第三章 基于人工神经网络的风险评价模型 | 第72-80页 |
| ·基于BP神经网络的风险评价模型 | 第72-75页 |
| ·神经网络的发展 | 第72-73页 |
| ·神经网络的特点 | 第73-74页 |
| ·神经网络的学习方法 | 第74-75页 |
| ·ASP平台下的动态联盟的风险评价指标体系的建立 | 第75页 |
| ·ASP平台下动态联盟的风险评价的人工神经网络模型 | 第75-77页 |
| ·人工神经网络模型的设计 | 第75-77页 |
| ·指标体系的建立 | 第77-78页 |
| ·人工神经网络模型的训练 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第4章 基于遗传算法的风险规划模型 | 第80-89页 |
| ·ASP平台下企业动态联盟的风险规划 | 第80-84页 |
| ·风险管理策略 | 第80-83页 |
| ·风险规划数学模型 | 第83-84页 |
| ·基于遗传算法的风险规划模型 | 第84-88页 |
| ·遗传算法简介 | 第84-85页 |
| ·算法设计 | 第85-88页 |
| ·本章小结 | 第88-89页 |
| 第五章 总结 | 第89-91页 |
| ·研究总结 | 第89-90页 |
| ·进一步工作 | 第90-91页 |
| 参考文献 | 第91-94页 |
| 已发表的论文清单 | 第94-95页 |
| 参加科研项目清单 | 第95-96页 |
| 致谢 | 第96-97页 |
| 附录 | 第97-98页 |
| 原创性声明 | 第98页 |
| 关于学位论文使用授权的声明 | 第98页 |