一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.     

基于个人区间复合标度的一致决策模型

为更好地解决一致决策过程中不同决策者的偏好信息表示,以及一致程度判定等问题,提出一种基于区间复合标度的二元语义模型,可实现从词到数值区间的转化过程以及数值区间到词的再转化过程.提出一种基于个人区间复合标度的一致决策模型,决策者个人有不同的语言表示模型,同时突出决策过程中的转化和再转化过程,可对整个决策过程的一致状态进行判断.提出的模型考虑了人们思维的模糊性以及认知的差异性,并为解决复杂的一致决策问题提供了量化模型与评价依据.     

区间数判断矩阵的一致性检验及排序方法

以几何一致性指标为基础,给出了区间数判断矩阵具有满意一致性的概念和判别方法;对具有满意一致性的区间数判断矩阵建立了两个数学规划模型,决策者可以根据自己对排序权值的要求选择相应的模型求解排序权值.通过算例和其它的排序方法进行比较,说明了该方法的合理性和可行性.     

基于Web的协同制造伙伴选择系统的研究与实现

首先介绍了协同制造模式对伙伴选择的需求，然后讨论了协同制造伙伴灰色关联选择模型，其中主要包括灰色关联数学模型建立以及协同制造伙伴选择评价指标体系的构成。本文的另一个研究重点为协同制造伙伴选择系统的分析与设计，运用面向对象思想对系统进行静态分析、动态分析，最后通过实例介绍协同制造伙伴选择系统的关键页面。     

基于熵权的作战方案优化模糊层次分析法

应用模糊数学,分析了水面舰艇作战方案中影响任务完成的各元素的相对强度,通过各指标的比较,来建立模糊判断矩阵,根据截集和指挥员对模糊判断矩阵的满意乐观程度指标进行模糊区间运算,得出熵权,再根据熵权来决定被选择作战方案的优先级,给出了计算实例并给出各种作战方案的总体优化决策顺序,该方法对作战方案优化具有指导意义.     

在一定置信度下估计阻抗的随机用户平衡模型

基于一种新的道路选择行为,建立了α-截随机用户平衡模型(-αSUE),在这个平衡模型中其道路阻抗的估计值用在置信度1-α下的区间来表示.-αSUE避免了常规的随机用户平衡(SUE)道路选择模型中运用弱大数定律带来的缺陷,其平衡条件用变分不等式来表示.最后,讨论了-αSUE模型与LOGIT模型的关系.     

基于遗传算法的供应链联盟伙伴选择

在描述供应链联盟伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法,并以实例说明了该算法的有效性.     

基于误差传递和隶属度的动态灰靶多属性决策

针对当前区间数动态多属性决策方法存在的不足,提出了一种基于误差传递和隶属度的动态灰靶多属性决策方法。该方法从区间数型属性值的误差视角,运用误差传递模型确定了属性权重区间;考虑决策目标在时序上的差异性和波动性,引入时间度的概念,并基于最大熵原理和方差最小的思想,建立了多目标非线性规划模型确定时间权重;依据灰靶理论计算各方案的正负靶心距,并采用相对隶属度法对各时间段的正负靶心距进行集结,得到备选方案的优劣性排序。以突破性技术创新研发联盟伙伴选择为例,验证了该方法的可行性和有效性。     

基于径向基网络的敏捷供应链伙伴选择实证研究

将敏捷供应链伙伴选择划分为四个阶段。构造基于径向基神经网络的敏捷供应链伙伴选择模型，运用该模型从初步筛选的海量数据中，分析潜在伙伴的类型，为下一步的精选打下基础。最后通过了实证分析的检验。     

模糊完工时间和模糊交货期下的虚拟企业伙伴选择

在企业的生产实际中,完工时间和交货期是一个模糊数.针对这类情况下的虚拟企业伙伴选择问题,提出了考虑模糊完工时间和模糊交货期的以极大化最小客户满意度为优化指标的伙伴选择模型,并给出了自适应遗传算法.在遗传算法的适应度函数处理中引入模糊数处理方法,解决了带模糊数的伙伴选择问题.仿真结果表明了该方法的可行性和有效性.     

区间数多指标决策的相对隶属度法

对区间数多指标决策问题 ,基于模糊集下论给出一种新的处理方法 :相对隶属度法 ,首先 ,构造优等与劣等方案 ,借助每一方案与优、劣等方案的综合加权距离求得每个方案相于优等方案的隶属度 ,再按隶属度的大小进行决策 ,该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难。通过分析表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后 ,给出算例说明其应用     

Method for Risky Multiobjective Group Decision-Making and Its Application

The multiobjective group decision-making problem under risk is common in reality. This paper focuses on the study about risky multiobjective group decision-making problem where the index value is not certain. We give indexes classifying method and index normalizing formula of this type problem. By building objective function that minimizes general weighted distance from every alternative to the relatively best and worst alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, and by building another objective function that minimizes general weighted distance from the optimal membership degree of every decision-maker to every alternative to the group optimal alternative and the group inferior alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, which are both based on probability theory and fuzzy theory. Aftermost a model is established which collects group preferences. This method provides a new idea and     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

基于直觉模糊相似度的直觉模糊三支决策方法

针对现有直觉模糊相似度未考虑其隶属度和非隶属度的实践语义且在一些情形下可能出现"违反直觉"等问题,本文提出一种新直觉模糊相似测度,并将其引入直觉模糊决策系统中,定义了直觉模糊相似度下(α,β)-水平截集等概念,并给出相关性质.以粗糙隶属度为评价函数导出目标集的(α,β)-下、上近似集及其三个域.考虑到决策者不同风险态度,基于贝叶斯理论构建一种具有多风险偏好的直觉模糊三支决策模型,并获得决策规则,进而提出一种基于直觉模糊相似度的直觉模糊三支决策方法.最后,通过算例说明该方法的可行性和有效性.     

复杂网络模糊重叠社区检测研究进展

模糊重叠社区检测通过扩展隶属度取值空间,实现了重叠节点与社区之间复杂且模糊隶属关系的精确化测量,不仅能够有效提升重叠社区结构检测的精确性,而且能够深度挖掘出节点和社区的重叠特性。文中首先分析了模糊重叠社区检测与传统离散重叠社区检测的关系;然后对二者的国内外相关研究现状进行阐述和分析,其中在模糊重叠社区检测方法研究中根据模糊隶属度获取方式的不同将当前相关研究分为扩展标签传播、非负矩阵分解、基于边界节点的两阶段检测、模糊聚类、模糊模块度优化五大类进行综述,重点分析了基于进化算法的模糊模块度优化方法;最后对模糊重叠社区检测研究未来的发展趋势进行了分析和展望。     

三标度法在群体判断和Fuzzy判断中的应用

在 AHP三标度法排序的基础上 ,定义了方案 Ai在第 k位的隶属度 ,给出一种群体排序方法 ,同时利用三标度法也给出一种构造模糊一致性矩阵的方法.     

Intuitionistic fuzzy C-means clustering algorithms

Intuitionistic fuzzy sets (IFSs) are useful means to describe and deal with vague and uncertain data. An intuitionistic fuzzy C-means algorithm to cluster IFSs is developed. In each stage of the intuitionistic fuzzy C-means method the seeds are modified, and for each IFS a membership degree to each of the clusters is estimated. In the end of the algorithm, all the given IFSs are clustered according to the estimated membership degrees. Furthermore, the algorithm is extended for clustering interval-valued intuitionistic fuzzy sets (IVIFSs). Finally, the developed algorithms are illustrated through conducting experiments on both the real-world and simulated data sets.     

A New Algorithm on Sequencing the Importance of Alln Alternatives to an Upper-Level Attribute in AHP

1IntroductionTheanalytic11ierarchyprocess(AHPforshort)isallanalyticmethodindecisionmaking.Itsynthesizedquantitativeandqualitativeanalysismethod,andcallsolvethemulti-objectivedecisionmakingproblemwhichhajsmulti-alternativesandcomplexhierarchystructuresll].Theproblemofsequencingtheimportanceofall11alternativestoanupper-levelattributeHaintermsofagivencriterionscalesisveryimportantandbajsic.ItcanbedescribedasfollowstTherearenalterllativesXI,X2,...,X.andanattributeHk'Accordingtoagivedcriterion…     

钢铁企业合作创新项目选择的模糊聚类分析

在合作创新过程中,针对区间数的评价信息,提出一种基于遗传算法的模糊聚类方法.考虑方案各准则的权重、准则值为区间数,同时要求对聚类中心各准则值有严格序关系.然后结合隶属度变量构建优化模型,利用具有动态惩罚函数的遗传算法求解,计算得到各方案的所属类别.实例证明了该方法的有效性和可靠性.     

Multi-attribute decision making model based on optimal membership and relative entropy

To study the problems of multi-attribute decision making in which the attribute values are given in the form of linguistic fuzzy numbers and the information of attribute weights are incomplete, a new multi-attribute decision making model is presented based on the optimal membership and the relative entropy. Firstly, the definitions of the optimal membership and the relative entropy are given. Secondly, for all alternatives, a set of preference weight vectors are obtained by solving a set of linear programming models whose goals are all to maximize the optimal membership. Thirdly, a relative entropy model is established to aggregate the preference weight vectors, thus an optimal weight vector is determined. Based on this optimal weight vector, the algorithm of deviation degree minimization is proposed to rank all the alternatives. Finally, a decision making example is given to demonstrate the feasibility and rationality of this new model.