| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 问题提出及主要研究问题 | 第10-12页 |
| 1.1.1 问题提出 | 第10-11页 |
| 1.1.2 主要研究问题 | 第11-12页 |
| 1.2 研究目标及研究意义 | 第12-14页 |
| 1.2.1 研究目标 | 第12-13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第2章 研究综述及相关理论知识研究 | 第17-24页 |
| 2.1 研究综述 | 第17-20页 |
| 2.1.1 跨学科研究 | 第17页 |
| 2.1.2 排序学习 | 第17-19页 |
| 2.1.3 供应商选择 | 第19-20页 |
| 2.2 三种排序算法的理论研究 | 第20-23页 |
| 2.2.1 RankNet算法 | 第20-21页 |
| 2.2.2 LambdaRank算法 | 第21-22页 |
| 2.2.3 LambdaMART算法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 供应商组合选择算法设计 | 第24-32页 |
| 3.1 算法研究 | 第24页 |
| 3.2 算法形式化 | 第24-26页 |
| 3.3 特征选择 | 第26-30页 |
| 3.3.1 供应商特征 | 第26-28页 |
| 3.3.2 订单特征 | 第28-29页 |
| 3.3.3 订单-供应商组合特征向量 | 第29-30页 |
| 3.4 供应链决策 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 供应商组合排序学习模型设计 | 第32-43页 |
| 4.1 基于RANKNET的供应商排序模型 | 第32-35页 |
| 4.1.1 供应商组合学习排序模型训练 | 第32-34页 |
| 4.1.2 RankNet存在的关键问题 | 第34-35页 |
| 4.2 基于LAMBDARANK的供应商排序模型 | 第35-38页 |
| 4.2.1 供应商组合推荐列表评价指标 | 第35-37页 |
| 4.2.2 LambdaRank训练方法 | 第37-38页 |
| 4.3 基于LAMBDAMART的供应商排序模型 | 第38-41页 |
| 4.3.1 多重加法回归树（MART）算法 | 第38-39页 |
| 4.3.2 LambdaMART供应商组合排序算法 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 仿真验证和结果分析 | 第43-55页 |
| 5.1 仿真实验 | 第43-44页 |
| 5.1.1 实验环境 | 第43页 |
| 5.1.2 实验框架 | 第43-44页 |
| 5.2 数据准备 | 第44-47页 |
| 5.3 特征抽取程序实现 | 第47-48页 |
| 5.4 排序模型训练 | 第48-52页 |
| 5.5 供应商选择模型与结果分析 | 第52-54页 |
| 5.5.1 平均性能评价 | 第52-53页 |
| 5.5.2 具体案例说明 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |