传统的ABC决策模型和TOC决策模型在进行产品组合决策时,得到的产品组合方案往往差异很大甚至完全相反.现有的研究表明:ABC决策模型和TOC决策模型的本质差异在于对作业能力任意支配数量的假设上.在此研究基础上建立的简化ABC和TOC混合决策模型证明ABC决策模型和TOC决策模型只是混合决策模型的两种特例,只有混合决策模型才能得到最优的产品组合方案.以简化的ABC和TOC混合决策模型为原型,该文考虑了企业实际生产过程中一种产品可能具有生产数量下限的限制、一种产品可能具有多种加工路线、某些工序在企业能力无法满足的情况下可能选择外协/外购等情况,建立了多约束条件下的ABC和TOC混合决策模型.针对多约束条件下ABC和TOC混合决策模型为一整数规划的问题,该文采用遗传算法对模型进行了求解并通过实例进行了验证.多约束条件下的ABC和TOC混合决策模型的前提是已知产品销售价格以及市场需求量,这给企业的实际应用带来了一定的困难,从而引出了企业的定价决策问题.通过分析,混合决策模型用于定价决策的关键问题可归结为确定产品价格和需求量之间的关系问题,这种关系称为需求预测.针对需求预测的非线性预测问题,该文在研究和分析各种非线性预测方法的基础上,提出了在预测样本数量较少的情况下,利用基于统计学习理论的支持向量机进行非线性回归的预测方法,提高需求预测的准确性.以需求预测为依据,构造出多约束条件下的ABC和TOC混合决策模型用于定价决策的流程.并通过实例验证了支持向量机用于需求预测以及混合决策模型用于定价决策的有效性.该文最后以多约束条件下的混合决策模型为基础设计实现了B/S结构的企业产品组合及定价决策系统.