基于ERP系统的行政事业单位全面预算管理应用研究

卢 宏

(亳州职业技术学院 管理系,安徽 亳州 236800)

ERP系统是行政事业单位会计中重要的数据分析系统之一[1]。通过数据描述事物间的相似性和差异性，从而方便人们掌握事物的内部规律[2]。ERP系统是行政事业单位全面预算管理中常用的系统，因其具有应用广泛、收敛速度快、能扩展等优点被人们广泛研究及应用到各领域[3-4]。现实生活中，许多问题不仅要计算出其极值,还要得出其最优值[5]。传统算法已经不能同时满足解决更多问题，在这种情况下许多学者对相应缺陷进行了大量研究，进行了不同的改进[6]。

本文提出了基于ERP系统的行政事业单位全面预算管理法。该方法着重解决ERP系统的初始化和搜索全局最优中心值的问题，同时满足不易陷入局部最优问题；行政事业单位全面预算管理目标是将数据集中所有点看做是数据中心点从而寻找到更好的数据中心。实验结果表明CBMLAI能够达到良好的寻优和搜索性能，并得到了满意的数据结果,很好地弥补了传统全面预算管理的不足。

一、基于ERP的数据流程分析

ERP是一种比较新型的信息管理系统，它主要的应用领域涉及许多不同市场以及不同级别的组织部门，利用自身比较强大的数据库资源和可视化人机交互界面操作系统，能够高效地进行不同部门以及公司行政管理资源的需要，使得行政管理部门可以高效率地进行各种活动计划以及实时反映企业单位的数据信息。进而实现对其企业行政资源的有效管理。

如今在计算机应用领域中对数据信息的处理方法越来越多，数据信息管理也逐渐的在社会生产实践中使用，在许多的分析数据算法中如何确定一种高效、实用性强的算法已经成为数据信息管理研究者比较注重的问题，“结构化分析”就是一种符合数据信息管理的方法，它可以对各种大型化数据进行分析，特别是企业的行政管理全面预算管理方面。世界上很多跨国大企业使用的预算管理系统采用结构化分析的方法，通过仔细的考察和分析国际上通用的预算方案的数据信息管理流程，综合以往的业务流程过程，融入ERP管理模式，可用图1的流程图来分析全面预算管理信息系统。

图1 预算管理信息系统的流程图

二、ERP系统数据优化过程

本文将DFA与K-means有效地结合起来改进得到CBMLAI。DFA应用到求解数据问题中，每个ERP系统的位置代表一组初始中心解，ERP系统的全面预算管理能力取决于待优化数据的适应度函数。适应度最好的个体则作为K-means的初始数据中心，进行精确寻优，进一步找到最优的预算管理系统和最优的系统数据。通过这种转换,既能够保证预算管理问题解的可行性,又无须修改ERP系统操作。

算法1 :CBMLAI执行过程如下：

输出：k个数据集,每个数据集包含的数据子集。

(1)初始化ERP系统信息数据；

(2)循环以下过程当达到最大搜索次数终止运算管理；

2.更新相对全面预算管理能力并记录预算管理能力最强的ERP系统?位置和数据结果，决定ERP系统的预算管理能力；

3.若当前预算管理能力最强的ERP系统超出预算额度,则进行随机扰动，更新ERP系统的位置和预算额度；

4.解码最优适应度值的个体得到数据中心值，该数据中心为K-means算法的初始中心；

5.执行K-means算法；

6.计算试图替换后的目标函数值，最终替换为更小的目标函数值。

(3)输出结果

CBMLAI算法的时间复杂度为O(n)2，n是ERP系统数目。

三、ERP系统下CBMLAI的实现

针对ERP系统中原有的固定值a在搜索解的过程中算法精度低，易陷入局部最优解的问题。通过下式计算行政事业单位全面预算管理大小：

(1)

其中：α′为ERP系统每一代的ERP系统因子，D(ci)t+1为ERP系统信息数据移动后的数据集间距离的和。

在优化中，对于一个类数据集来说，它的数据集间距离的和反映了该数据集的聚合程度。定义如下：

D(ci)=dist(x-ci)2

(2)

对ERP系统位置更新,公式为

(3)

其中：β′为预算额度，α′为ERP系统因子，新的预算额度公式如下：

β′=βmin+(β0-βmin)e-γrij

(4)

fitness=min(dist(-ci)2)

(5)

其中，dist(-ci)2是样本x到对应数据中心的距离。

四、实验结果与分析

(一) 实验相关设置

本文选用UCI作为数据库，C语言编程环境实现算法，并且采用了3个不同数据规模的数据集来验证改进后的算法的有效性。测试集信息如表1所示。

表1 数据集信息统计表

(6)

其中，n是数据集的样本数，error是每一次实验数据结果的错误率，Class(i)是标准数据集的数据结果集，Cluster(i)是实验结果数据集。

鲁棒性指标可直接用多次实验结果的均方差来参考，计算公式如下：

(7)

其中：mean为算法多次运行得到的平均值，R是该问题的真实最优值。E越小，鲁棒性越高。

(二)实验结果与分析

CBMLAI与K-means、DFA(DFA-Kmeans)进行比较。不同行政事业单位全面预算管理性能结果如表2至表4所示。

表2 Iris数据集实验结果

表3 Glass数据集实验结果

表2和表3中已经表明K-means、DFA、CBMLAI数据误差，所得到的结果证明了所提出的方法的准确性和效率。本方法与其他方法相比可以减少数据管理误差。加入ERP系统后的DFA,在准确率上得到提高、错误率范围最小，表明了本文算法的稳定性优于K-means。同时由表1～3可以看出，数据结果的准确度也受数据类型和维数的变化而影响。Iris数据集的数据效果最好，而Glass数据集本身的数据属性较为复杂，数据间的差异度大，所以得到的数据结果准确度低。同一算法优化不同的数据集，整体来说CBMLAI的数据结果最为满意，比K-means和DFA有更好的效率。

为了直观的看到不同算法的收敛速度和信息数据进化，比较K-means、DFA和CBMLAI，表明CBMLAI数据效果更好，绘制出寻优过程,如图2、图3所示。

图2 Iris数据集寻优曲线

图3 Glass数据集寻优曲线

由图2、图3的适应度进化曲线可以看出，本文CBMLAI算法在收敛早期根据信息数据最优的ERP系统预算额度所有ERP系统个体全局寻优且保持一个高的收敛速度；CBMLAI算法还保持DFA原有的特点，并能利用数据大小收缩跳出局部最优，弥补了DFA算法的不足，整体表现着较快的收敛速度及较高的收敛精度，算法性能最优。K-means虽然寻优速度最快，但随着数据复杂程度的增加，寻优效果表现的差强人意。

五、结语

本文针对行政事业单位全面预算管理问题，利用ERP系统较强的随机搜索性，解决了K-means对初始数据的依赖，提高了算法稳定的寻优能力。通过在算法中加入ERP系统，有效防止了算法陷入局部最优值,提高了捕获到全局最优值的可能性，并提高了算法的求解精度。因此，改进后的预算管理方法更有效。

[参考文献]

[1] Ciais, P., Gervois, S., Vuichard, N., Piao, S.L., & Viovy, N..Effects of land use change and management on the european cropland carbon balance[J].Global Change Biology, 2015，17(1)：320-338.

[2] Ramos, C.M., Nardi, N.M., Brito, Z.P., Bove, A., Delgado, G., & Cervera, R., et al.Integration of signal processing methods into eeg/erp system[J].Medicine, 2011， 85(2)：95-104.

[3] Fu, H., Pel, A.J., & Hoogendoorn, S.P.Optimization of evacuation traffic management with intersection control constraints[J].IEEE Transactions on Intelligent Transportation Systems, 2015，16(1)：376-386.

[4] Rojek, I., & Jagodziński, M.Hybrid artificial intelligence system in constraint based scheduling of integrated manuDFActuring erp systems[J].Journal of Infectious Diseases,2012，125(3)：229-240.

[5] Mcbane, S.E., Dopp, A.L., Abe, A., Benavides, S., Chester, E.A., & Dixon, D.L., et al..Collaborative drug therapy management and comprehensive medication management-2015[J].Pharmacotherapy, 2015，35(4)：39-50.

[6] Zandi, F.A bi-level constraint-oriented outsourcing framework for orchestration of an erp system[J].International Journal of Production Research, 2014，52(1)：130-148.