多目标模糊优选理论在技术改造方案评价的应用

应用多目标决策和模糊优选理论,提出了技术改造方案的多目标模糊优选理论模型,并通过实际案例说明了其可行性。     

水资源系统多目标规划分层模糊优选原理

按目标分层，用分层模糊优选理论对流域综合开发方案进行优选，分层时允许评 价因素重叠，从而便于确定目标与评价因素的权重。对分层模糊优选模型进行了分 析，证明在单层模糊优选时与模糊综合评判模型有相同的排序，但结论更加离散。当 分层评判时，克服了模糊综合评判模型的结论值趋于均化难以产生合理评判结果的缺 点。     

水电工程项目的多目标模糊优选决策

应用模糊优选决策理论,给出一种理论依据可靠、切实可行的水电工程项目的多目标模糊优选决策方法。     

含模糊数的模糊多目标多人优选决策方法

多目标多人决策是一个重要的研究领域,目前已经提出了一些有效的决策方法。但对目标值和权重为模糊数的模糊多目标多人决策问题却研究得较少,本文对这类模糊多目标多人决策问题进行了探讨,利用相对正理想方案与相对负理想方案概念定义了相对差异距离,进而建立了模糊优选模型与方法,并通过战役决心方案的评价说明了该方法是可行、有效的,可作为军事决策与决策支持系统的备选方法。     

不确定情况下的电网规划多目标模糊决策方法

提出了一种计及不确定因素影响的电网规划多目标模糊决策方法,该方法既考虑了投资最少、网损最小、可靠性最大及对环境影响最小等多重目标,又计及了未来负荷增长及系统所能提供投资额的不确定性对电网规划决策的影响,文中通过算例验证了所提方法的可行性和有效性。     

住宅建设项目多目标模糊动态规划决策

运用模糊数学建立了住宅建设项目多目标模糊动态规划决策方法,运用这一方法可对住宅小区各组团的容积率进行优选,也可对建设项目选址以及多种建设方案进行优选决策．通过对一具体住宅小区内各组团容积率进行筛选。证明这一数学方法具有实用性和有效性．     

模糊多属性决策方法及其在模糊优选中的应用

从模糊多属性决策基本理论出发,给合方案优选的特点,运用三角模糊数,提出一种多属性模糊优选方法,建立了决策模型．该模型具有较好的通用性和可操作性．     

用模糊系统多目标决策理论进行水电工程规划设计

本文针对水电工程建设的特点,阐明了应用模糊系统多目标决策理论进行水电工程规划设计的依据,提供了水电工程决策系统综合指标体系分层递阶结构图,建立了适用于水电工程各类项目和各种主要参数方案评价选择的综合数学模型,以及使用该模型的方法,并给出了通用软件.此外,对权重的确定与修正、单指标评价技术等问题,根据大量资料分析研究和对各种类型决策问题的实例验证,提出了新的方法.     

多目标模糊决策在空调冷热源方案优选中的应用

引入多目标决策法,以某工程的空调系统冷热源方案选择为例,对4种待选方案进行了优选,为空调系统的方案选择提供了合理的评价模型.     

多目标决策模糊物元分析

在物元分析的基础上，介绍了多目标决策的模糊物元分析，并给出了实例，为多目标决策提供了新的思路．     

一种粗糙模糊神经网络分类器及其应用

提出了一种粗糙模糊神经网络分类器的模型。其过程为:利用粗糙集理论获取分类知识,根据训练样本建立决策表,进行决策表属性值离散化、属性约简和分类规则的提取;依据约简后决策表的属性、经模糊化处理的属性值及分类规则构造粗糙模糊神经网络分类器。该分类器可以有效地克服粗糙集规则匹配方法抗噪声能力和规则泛化能力差的缺点;同时可简化神经网络的结构,加快网络的训练速度。并详细介绍了该分类器用于汽车车牌字符识别的步骤和实验结果。     

类似CMAC的模糊神经网络及其在控制中的应用

提出的一种模糊神经元网络是模糊逻辑的一种网络结构的实现。该网络由特征网络 和功能网络两部分组成。特征网络用来产生模糊规则的前件，相应于每条规则的适用度。功能 网络用来实现模糊规则的后件。最后的输出则为各模糊规则后件的加权和。该网络具有小脑模 型关节控制器（ＣＭＡＣ）的一些性质，具有神经元网络和模糊逻辑两者的优点。它既可以容易地 表示模糊和定性的知识，又具有较好的学习能力。文章同时给出了网络在控制中应用的两种实 现结构以及用作非线性映射的一个算例。     

模糊聚类、识别、优选统一理论与循环迭代模型

模糊聚类、识别与优选是系统优化模糊集分析理论的数学基础．通过以全体样本对全体类别加权广义欧氏权距离平方和最小为目标函数,建立了模糊聚类、识别与优选决策统一的理论与循环迭代模型．其中模糊聚类是核心,模糊识别与优选决策模型均由模糊聚类导出．该模型发展了模糊数学关于模糊聚类、模糊模式识别、模糊决策理论．循环迭代模型及其多种组合模型,不仅可用于水资源系统,对其他学科领域模糊集分析同样适用．     

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.     

基于神经网络和模糊推理的移动机器人行为决策与控制

以足球机器人系统为实验平台 ,针对移动机器人智能决策中的实际问题 ,提出了一种基于径向基函数神经网络的机器人行为决策方法 ,通过神经元学习和训练以及自身的泛化能力 ,可以很好地利用多源信息进行机器人行为决策 ,以提高行为决策的有效性 .同时为了保证行为决策的实施效果 ,将模糊推理技术与传统的PID控制相结合 ,既保证了移动机器人系统运动控制的准确性和稳定性 ,又缩短了动态调整时间 ,取得了较好的控制效果 .     

用模糊神经网络建立GNP与产业结构的关系模型

给出了一种ＧＮＰ值与产业结构的关系模型的算法,利用一个多输入单输出的模糊神经网络（ＭＩＳＯ－ＦＮＮ）,提取关于人均ＧＮＰ值与工业比例,农业比例及人口关系的模糊的规则。利用模糊神经网络进行学习,调整隶属函数的形状及结论部分的参数;同时,还提出了一种在学习过程中动脉筛选模型规则的方法,仿真结果验证了算法的有效性。     

桥梁承载能力状态评估的模糊神经网络推理方法

在综合现有的状态评估理论方法的基础上,提出了基于层次分析的承载能力状态评估模型.结合模糊理论和神经网络技术,建立了一套基于监测信息输入的模糊神经网络推理系统框架,并利用模糊规则生成的规则库作为神经网络训练和学习的样本.利用实例验证了采用此智能评估技术进行承载能力状态评估的可行性和实用性.     

带动态因子调整模糊神经网络控制器的研究

探讨了将模糊规则的提取和推理转化为人工神经网络参数的确定及神经计算，提出一种具有自学习功能的模糊神经网络（ＦＮＮ），并用因子动态调整逼近法，解决了系统中静态误差和积分饱和等问题．     

压缩机吸气压力的模糊神经网络控制方法

针对压缩机吸气压力耦合强、变化快且控制精度要求高的特点 ,在难以获得精确数学模型以及模糊控制还存在一些困难的情况下 ,采用模糊神经网络控制技术进行压缩机吸气压力的控制 ,从而保证了系统可以较快地进入工况并使吸气压力稳定在工况规定的精度范围内 .经实际控制证明 ,模糊神经网络控制可以得到良好的控制效果 .     

基于模糊神经网络进行数据挖掘的一种算法

通过对模糊神经网络和训练样本的构造,训练模糊神经网络使其达到一定的精度要求后,对网络进行裁剪.在网络隐层的激活和聚类后,提取规则的步骤,从而实现在数据库中获取有效知识的目的,并在应用中进行了仿真,验证了算法的有效性.