判断矩阵排序的一类广义最小偏差法(GLDMI)的性质及其标准形

给出了一类广义最小偏差法（ＧＬＤＭＩ）的标准形,并证明了这一方法具有的一些性质。     

层次分析中最小偏差法的性质

本文讨论了层次分析中最小偏差法（ＬＤＭ）的一些性质.     

群组判断矩阵排序中的广义最小偏差方法

本文对群组判断矩阵排序提出一种新的广义最小偏差方法。鉴于不同专家所给判断矩阵质量上的差异, 广义最小偏差排序方法对群组判断矩阵进行不同程度的加权处理, 并进行群组一致性检验。     

最小偏差的指标赋权方法研究与应用

提出一种用于多属性决策中的最小偏差指标赋权方法，该方法将主观和客观两类权重信息相结合，既充分利用了客观信息，又尽可能地满足了决策者的主观意愿，达到两者的统一，具有思路清晰、易于求解和计算机实现等特点。最后通过具体的应用案例验证了该方法的可行性和有效性。     

一种改进的雷达组网误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。对一种经典的误差配准技术广义最小二乘估计GLSE配准算法进行了研究，讨论了系统偏差增大时，配准精度退化的原因，并针对这一问题提出了一种改进的误差配准算法(MGLSE算法)。通过循环配准，MGLSE算法不但可以对真实的系统偏差进行逼近，而且当GLSE算法失效时，可以自动退出配准循环，放弃配准。仿真结果表明，系统偏差较大时MGLSE算法优于GLSE算法和其他传统的配准算法，并具有配准效果自动检验功能，防止配准后系统偏差反而增大。     

雷达组网中联合数据关联与偏差估计方法研究

针对雷达组网目标跟踪系统中,单雷达系统偏差严重影响多雷达航迹数据关联及融合跟踪质量的问题,提出了一种联合数据关联与系统偏差估计的方法。该方法利用对雷达系统偏差不敏感的新特征量———目标参照拓扑对多雷达航迹进行自适应的预关联,然后根据关联质量选择可靠的关联航迹对作为雷达系统偏差估计的先验信息,最后应用递归最小二乘算法进行偏差估计,估计结果可为预关联过程提供依据。在无需外界提供关联先验信息的情形下,该方法实现了对静态系统偏差的在线估计,从而可以进行及时的校准,保证了后续数据处理的有效性,具有很高的工程应用价值。仿真结果表明了该方法的有效性。     

一种新的用于群组排序的最小平方逼近法

本文将文献[1,2]所给的最小平方逼近法推广应用于层次分析法中的群决策排序。文中对由多个判断决策者给出的多个不同的判断矩阵,提出通过求解群组判断矩阵最小平方偏差的方法得出判断矩阵的最佳排序和理想综合判断矩阵;通过对群组判断矩阵进行一致性讨论,据此又给出了一种用于群组判断矩阵排序的最小加权平方逼近法。理论分析和应用实例表明,应用最小平方逼近法和最小加权平方逼近法对群组判断矩阵进行排序是可行的和有效的。     

基于合作目标的动平台传感器偏差估计方法

运动平台载体的传感器误差配准是目前多传感器误差配准中的难点问题之一。利用合作目标已知位置,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立传感器极坐标测量系中各坐标轴的偏差解耦模型。在此基础上,利用广义最小二乘方法可实现平台载体的姿态偏差和测量偏差的实时估计。仿真结果表明,该方法的收敛速度快,可以同时有效估计平台载体的姿态偏差和传感器测量偏差。     

用于回归估计的最小二乘广义支持向量机

提出了一种用于回归估计的最小二乘广义支持向量机.这种最小二乘广义支持向量机的核函数同标准的支持向量机相比没有或者只有很少的限制.将这种用于回归估计的最小二乘广义支持向量机表示成标准的二次规划(QP)问题,采用基于矩阵分裂的超松弛法同投影梯度法相结合的算法来解这一QP问题.根据超松弛法的特点,这一算法可以处理大量数据的情形.     

广义最小生成树的遗传算法求解及应用

介绍了最小生成树的概念,分析了最小生成树在实际应用中的局限性。引入了节点的度的定义,据此提出了广义最小生成树的概念。采用遗传算法来求解最小生成树,并针对普通遗传算法求解该问题的不足,提出了自调整的变异算子和限制父代个体数目的混合选择策略。通过一个有线电视网络的建模与仿真,表明了广义最小生成树模型的适用性。分别采用普通遗传算法和改进后的遗传算法进行求解,并将结果进行比较,证明了改进后的遗传算法的有效性。     

模糊互补判断矩阵排序的最小方差法

给出了模糊互补序传递判断矩阵的概念 ,并从最优化角度提出了模糊互补判断矩阵的最小方差排序方法 .证明了该法具有一些优良性质 ,如 :保序性 ,置换不变性等 .从而弥补了模糊互补判断矩阵排序理论和方法的严重不足 .最后进行了算例分析 .     

一种改进的加权最小二乘排序方法

本文对层次分析法中权的最小平方排序方法进行改进,提出一种新的改进的加权最小二乘排序方法,并从理论上进行证明。文章最后通过一个实例将两种排序方法与特征根排序方法进行对比分析,结果表明,改进的加权最小二乘排序方法可导出与特征向量排序方法相同的排序结果,克服了权的最小平方排序方法与特征向量排序方法排序结果不一致的缺点。     

多无人机3D侦察路径规划

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。     

缓冲算子是否新信息优先的判别方法

考虑到新信息优先原理在灰色系统理论中的重要性,本文提出一种判别缓冲算子是否新信息优先的方法.利用线性最小二乘问题的扰动理论证明了常用的强化缓冲算子未能体现新数据的优先性,反而体现了老数据的优先性.即在扰动相等的情况下,越新的数据发生扰动,参数估计值的扰动界越小;越老的数据发生扰动,参数估计值的扰动界越大.实例表明了本判别方法的实用性.     

The Eigenvalue Method on Weight Matrix in AHP

ＴｈｅＥｉｇｅｎｖａｌｕｅＭｅｔｈｏｄｏｎＷｅｉｇｈｔＭａｔｒｉｘｉｎＡＨＰＨＡＮＸｕｌｉＤｅｐｔ．ｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００８３Ｒｅｃｅｉ...     

区间估计:AHP 指标筛选的一种方法

分析了弱权重指标对层次分析法判断矩阵不一致性的负面影响,提出了识别和剔除弱权重指标的基本原理,以及利用层次分析的区间估计剔除弱权重指标的步骤、方法.它尤其适合于决策者希望通过借鉴一个较大的一般指标集建立具体评价问题的指标集的情形.弱权重指标的剔除有助于提高决策者权重比较的精确度,决策者也不再需要收集各方案在那些弱权重上的表现信息,从而提高了层次分析法的应用性.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

TOA模式下TLS辅助泰勒级数展开的蜂窝定位新算法

提出了一种到达时间(time of arrival, TOA)模式下总体最小二乘(total least square, TLS)辅助泰勒级数展开的蜂窝定位新算法。该算法针对泰勒级数展开对初始迭代参考点依赖性强的问题,综合考虑观测量误差和观测站位置误差,利用TLS估计初始参考点,然后在估计值处对观测方程组实施泰勒级数展开,并使用加权最小二乘进行多次迭代运算,实现对移动终端的高精度定位。仿真结果表明,该算法在平均迭代次数和定位精度方面具有接近基于真实位置的泰勒级数展开算法的性能,并且在不同的几何精度因子(geometrical dilution of precision, GDOP)下,均具备良好的抗观测量误差和观测站位置误差的特性。     

面向属性关联的区间犹豫模糊型PROMETHEE决策方法

面向属性关联的多属性决策问题中, 合理刻画并设计融合属性关联的决策模型是提高决策绩效的重要路径。首先,分析了各类属性关联情形下的属性权重调整方法优缺点, 采用莫比乌斯变换法则变换属性关联性系数(Shaplely值), 设计了融合Shaplely值和属性权重的合成权重函数, 分析了属性关联性系数对权重的影响机制。其次, 基于偏好顺序结构评估方法(preference ranking organization methods for enrichment evaluations, PROMETHEE)决策方法的优先函数表征特征, 运用可能度比较区间犹豫模糊型数值, 设计了基于sigmoid函数的优先函数, 提出了考虑属性关联的改进型PROMETHEE决策方法。最后, 通过算例证明了所提方法的优越性。