论我国企业地会计目标.doc

论我国企业的会计目标 1、相关定义 1.1、并购中的目标企业概念 所谓并购中的目标企业,是指企业在市场机制的作用下,企业可以通过产 权交易获得产权并企图获得其控制权的经济组织。 企业并购是一个专业的,复杂的”系统工程”。它综合了战略管理,组织管 理,会计,税法,经济法,资产评估,金融的领域的知识。所以,他的进行, 不能由政府指定也绝不是简单的私人之间的勾兑,只有在一个系统的规划计划, 控制和协调下,在会计,评估,法律等人员对企业的经营管理绩效进行评估, 对组织制度进行判断,对财务状况进行审查,对法律上权利义务关系充分了解 的情况下,利用规范的服务程序,才能有效地促进并购活动的开展。 企业并购充满风险,失败率高。以正确的策略选择合适的并购目标,是减少 失败争取成功的首要问题。企业并购应首先明确战略目标,并在此指导下进行行 业选择,进而展开企业选择;并购中要全面分析影响并购目标选择的行业因素和 企业因素;在不同并购动机下,选择并购目标顾及的因素应各有侧重,采取与之 相应的策略;在多元化与专业化选择中,以专业化为主要取向,在以强食弱与强 强联合之间,强强联合为主流。 回顾并购流程,无论在并购的程序中还是并购的财务操作程序中都可以看 到,并购中目标企业的选择是在并购已开始就存在的,选择合适的并购对策,则 是企业并购的第一步,也是最为关键的一步。 1.2、遗传算法的概念与方法 生物进化过程中,逐渐从最简单的低级生物发展成为复杂的高级生物,而在这 个优化过程中,生物主要经过了遗传、变异等过程,并依照”物竟天演、优胜劣汰、 适者生存”这一规则演变。根据这一思想,人们就可以对一个优化问题用遗传算法 求解。J.Holland教授提出位串编码,对串赋予特定的信息,并引入”适者生存”的进 化理论,在串之间进行有组织但随机的信息交换。通过遗传中的选择、交叉和变异 等操作,使得串中的适应度值高的部分被保留,并在串之间进行组合,淘汰适应度 低的串或串的一部分,通过迭代不断产生出新的更好的个体,子个体中包含有父个 体的大量信息,子代平均适应度胜过父代,从而使得种群进化发展,不断接近或达 到问题的最优解。 35 4.1.1 遗传算法的术语 假设一个优化问题Q,该问题存在许多的解 xi,用一个函数 f 来衡量 x 的优劣。 优化问题就是要寻找这样的 xi,使函数值 f(xi)最大(或最小)。 遗传算法是自然遗传学和计算机科学相结合的产物,因此借鉴了自然遗传学中 的一些术语。 (1)个体(individuals) 个体是遗传算法处理的基本单位,是通过基因(gene)编码的,每一位带有特定信 息的染色体(chromosome)。通常用一维串结构的数据结构来表现。一个就代表问题的 一个解。 (2)种群(population) 一定数量的个体的集合,如果每个个体代表问题的一个解,那么一个种群就是 问题的解集合。种群中个体的数目称为种群规模(population size)。 (3)适应度(fitness function) 每个个体对环境的适应程度叫做适应度(fitness)。在优化问题中,适应度函数通 常就是目标函数或目标函数的变形。遗传算法对适应度函数的要求较低,只要是可 以加以比较的非负函数。 (4)选择(selection) 决定以一定的概率从种群中选择若干个体的操作。一般而言,选择的过程是一 种基于适应度的优胜劣汰的过程。 (5)交叉(crossover) 两个染色体的某一位置处被切断,其前后两串分别交叉组合形成两个新的染色 体。又称为基因重组(recombination),俗称”杂交”。 (6)变异(mutation) 在染色体进行复制的过程中,以很小的概率在某些位置上产生”差错”,从而 产生新的染色体。 (7)编码 (coding) 把搜索空间中的参数或解转换成遗传空间中的染色体或个体,称为编码操作, 是从问题的状态空间到遗传算法的位串空间的映射。 (8)解码(decoding) 编码的逆操作,从遗传算法的位串空间到问题的状态空间的映射。编码和解码 36 是遗传算法中两个必须包含的数据转换操作。 4.1.2 遗传算法的步骤 标准遗传算法的基本步骤为[1]: 步骤 1:令 k = 0,随机产生 N个初始个体构成初始种群P(0); 步骤 2:评价 P(k)中各个体的适配值(fitness value); 步骤 3:判断算法收敛准则是否满足。若满足则输出搜索结果,否则执行以下 步骤; 步骤 4:令 m = 0; 步骤 5:根据适配值大小以一定方式执行复制操作来从 P( k )中选取两个个体 ; 步骤 6:若交叉概率 Pc ξ[0, 1],则对选中的个体执行交叉操作来产生两个临 时个体,否则将所选中父代个体作为临时个体; 步骤 7:按变异概率 Pm对临时