基于Sugeno模糊积分的目标识别效果评估

针对目标识别效果评估，提出一种通用化的评估思路，选取了评估指标及测度方法，并给出识别过程的参照信息以及计算方法。随后，构筑了基于模糊积分的目标识别效果评估模型。最后，结合实测数据和拟合数据完成了仿真。     

基于累积前景理论的双边匹配决策方法

针对考虑主体期望值的双边匹配问题,提出了一种基于累积前景理论的决策方法.给出了考虑主体期望值的双边匹配问题的描述;将主体给出的期望值视为参照点,构建了两个相对参照点的益损矩阵;依据累积前景理论和规范化公式,构建了两个规范化前景矩阵;在此基础上,构建了求解该双边匹配问题的多目标优化模型,使用线性加权法将多目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果;最后,通过毕业生与实习岗位的双边匹配实例分析说明了所提方法的可行性和有效性.     

基于信息熵的公交线网优化方案余弦排序

针对公交线网优化方案的排序问题，在对公交线网的优化目标和约束条件进行量化处理的基础上，利用余弦公式，建立了公交线网优化方案的余弦排序模型。 该模型在定义指标线段和理想指标线段的基础上，通过对决策方案与理想方案中指标线段和理想指标线段之间夹角余弦值的大小比较，得到公交线网优化的最佳决策方案。应用结果表明该模型能够较好地反映城市公交线网的实际情况，解决优化目标的权重分配问题，是一种很有效的公交线网优化方案排序方法。     

考虑主体心理行为的双边匹配决策方法

针对基于完全序值信息的双边匹配问题,提出了一种考虑主体心理行为的决策方法。首先给出了考虑主体心理行为的双边匹配问题的描述。其次,以期望序值作为参照点,计算了序值相对于参照点的收益或损失。考虑到主体对待收益和损失的不同风险态度,依据交互式多准则决策(tomada de deciso interativa e multicritério, TODIM)思想计算每个主体针对另一方主体的感知价值。在此基础上,构建了求解该双边匹配问题的双目标优化模型,使用线性加权法将双目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果。实例分析说明了所提方法的有效性。     

高校教材质量评价指标体系及实施研究

本文采用层次分析法和Ｄｅｌｐｈｉ法相结合方法制定一个具有层次结构、含有多个指标、多个属性的教材评价指标体系，确定了适用理工科基础课、专业基础课、专业课三类教材的指标权重值，文中对多目标属性决策方法进行选择，建立了教材质量的综合评价模型，最后对某一类教材进行遴选评价实施，通过对模型应用和计算机实施，其所得结果证实初步可可行的满意的。     

给出方案偏好信息的区间数多指标决策方法

针对属性值以区间数形式给出并且已知方案偏好信息的多指标决策问题,提出了一种决策分析方法。首先,对区间多指标决策问题进行了描述;然后,为了反映决策者给出的方案偏好信息,建立了一个目标规划模型,通过求解该模型可得到指标权重信息,从而得到方案的综合评价值,以便进行方案的排序。最后给出了一个算例。     

一种用于工业经济效益综合评价的模型与方法

经济效益综合评价是产业结构和产业政策研究的重要内容。从系统工程观点来看,经济效益综合评价本质上是一个有限方案多目标决策问题。因此,本文拟从多目标决策角度提出一种新的用于工业经济效益综合评价的模型与方法。该模型与方法以多目标决策中的加权法为基础,运用客观赋权方法确定各经济效益评价指标间的加权系数,评价结果准确、可靠,不具有主观随意性。     

兵棋推演空中任务智能预测方法研究

对战场敌空中目标作战任务进行高效、准确地自动判断，是态势认知的基础和辅助作战资源分配的关键。结合前馈深度神经网络和长短时记忆网络模型计算特点，设计了2个针对性基指标学习器，然后根据基指标交叉熵进行加权组合，用于进一步学习器训练评价指标，既能有效防止模型过拟合，又能提高模型训练效率。测试结果表明，所提模型能较好防止模型过拟合，并能以较高的准确率判断战场敌目标作战任务。     

数据包络分析中有效单元的进一步分析

本文从多目标Ｐａｒｅｔｏ有效解入手，分析了ＤＥＡ模型最优解与有效单元间的关系，定义了一个能衡量单元有效程度的指标，并在此基础上对单元问题的相对有效程度作了进一步探讨，最后给出了一个计算实例。     

考虑投资者心理的模糊多目标投资组合模型及交互式算法

考虑证券市场的模糊不确定性和投资者的不同风险偏好特征,将资产收益率及换手率视为模糊变量,以投资组合的收益、风险及流动性为投资目标,构建考虑投资者风险态度的模糊多目标投资组合模型。进一步,考虑投资者损失厌恶及参照依赖等心理特征,设计基于累积前景理论和TOPSIS法的交互式算法(CPT-TOPSIS交互式算法)求解模型。最后,采用实证方法检验模型及算法的有效性。结果表明:CPTTOPSIS交互式算法和考虑投资者风险态度的模糊多目标投资组合模型不仅能够反映投资者的风险偏好、损失厌恶和参照依赖的心理特征,满足不同风险态度投资者的投资需求,且能获得超过市场的收益,可以作为投资者实际决策的依据。     

A Novel Hybrid FA-Based LSSVR Learning Paradigm for Hydropower Consumption Forecasting

Due to the nonlinearity and nonstationary of hydropower market data, a novel hybrid learning paradigm is proposed to predict hydropower consumption, by incorporating firefly algorithm(FA) into least square support vector regression(LSSVR), i.e., FA-based LSSVR model. In the novel model, the powerful and effective artificial intelligence(AI) technique, i.e., LSSVR, is employed to forecast hydropower consumption. Furthermore, a promising AI optimization tool, i.e., FA, is especially introduced to address the crucial but difficult task of parameters determination in LSSVR(e.g.,hyper and kernel function parameters). With the Chinese hydropower consumption as sample data,the empirical study has statistically confirmed the superiority of the novel FA-based LSSVR model to other benchmark models(including existing popular traditional econometric models, AI models and similar hybrid LSSVRs with other popular parameter searching tools), in terms of level and directional accuracy. The empirical results also imply that the hybrid FA-based LSSVR learning paradigm with powerful forecasting tool and parameters optimization method can be employed as an effective forecasting tool for not only hydropower consumption but also other complex data.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

基于相异度核空间的支持向量机算法

提出基于相异度核空间的混合流形学习与支持向量机(SVMs)算法用于解决高维数据分类问题. 该算法使用SVMs对流形学习降维后的低维嵌入做分类.通过加常数方法构造了衡量数据点相异度的特征空间. 证明了该特征空间不仅能够衡量数据点之间的相异度,还满足Mercer条件对于支持向量机分类核空间的半正定性的要求. 在仿真实验中,采用UCI机器学习数据库上标准分类数据集为样本. 对比构造的相异度核空间与常用核函数如线性核、多项式核、高斯核在支持向量机分类时的 分类精度来验证有效性和优越性.     

MINLP问题全局优化算法的研究

提出了一种求解混合整数非线性规划MINLP问题的混合优化算法GASimplex，由遗传算法模块GAsolver和单纯形算法模块SimplexSolver两部分组成。该算法首先确定MINLP模型的整数变量和复杂变量，使得固定这些变量后可以将原问题转化为一线性规划子问题，在此基础上应用GASolver实现对整数变量和复杂变量的优化，而其适应函数则可以通过求解编码对应的线性规划子问题SimplexSolver来得到。这样，一方面由于在遗传算法中引入了局部搜索过程，极大增加了GASimplex整体收敛速度，而且对于非凸的MINLP问题，可以在理论上保证得到解的全局最优性；另一方面，模型约束条件是通过SimplexSolver求解得到，故约束条件的存在—般不会增加遗传算法处理的复杂度，可有效的处理约束的MINLP问题。通过对一MINLP模型仿真分析，证明该算法不仅具有很决的收敛速度，而且能得到全局的次最优解，更适合处理一类复杂的MINLP问题。     

面向并行Agent仿真的合成基准测试模型

为了评估并行仿真算法的性能,需要建立一个基准测试模型。针对并行Agent仿真研究领域中缺乏一种与应用无关的基准测试模型这一问题,在借鉴并行离散事件仿真中经典的合成测试模型PHOLD设计思想的基础上,根据基于Agent仿真的特点,提出面向并行Agent仿真的合成基准测试模型,利用该模型可以方便地合成符合不同应用特点的计算负载,去除与应用相关的因素对性能分析的影响,能够为不同的并行Agent仿真研究者提供一个公共的测试基准。最后,采用该模型从实验层次上分析了Agent计算粒度、所采用的处理器数目等因素对并行Agent仿真加速比的影响。     

基于配载约束的配送优化问题及其求解算法

车辆配载与配送是两个相互联系与相互影响的子问题,考虑了货物的易损性、装载的稳定性、物品不可倒置、车辆平衡性、先下后装等配载约束,构建了车辆配载与配送联合优化的混合整数规划模型,基于问题自身的特点开发了由配载启发式算法和基于节约值的蚁群算法有机结合的交互式混合算法,采用基准实验问题(benchmarkproblems)进行了一系列对比试验,结果显示了所提出的模型及算法的有效性与实用性.     

A hybrid approach for minimizing makespan in permutation flowshop scheduling

This work proposes a hybrid approach for solving traditional flowshop scheduling problems to reduce the makespan (total completion time). To solve scheduling problems, a combination of Decision Tree (DT) and Scatter Search (SS) algorithms are used. Initially, the DT is used to generate a seed solution which is then given input to the SS to obtain optimal / near optimal solutions of makespan. The DT used the entropy function to convert the given problem into a tree structured format / set of rules. The SS provides an extensive investigation of the search space through diversification. The advantages of both DT and SS are used to form a hybrid approach. The proposed algorithm is tested with various benchmark datasets available for flowshop scheduling. The statistical results prove that the proposed method is competent and efficient for solving flowshop problems.     

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

基于Hedonic价格模型的城镇基准地价研究

按照国家相关规程进行城镇基准地价评估，其技术路线违背了土地价格的构成特性，评估结果很大程度上取决于评估师的经验。本文基于Hedonic价格模型，构建了土地的价格模型，提出了完整的城镇基准地价评估技术路线，最大程度地消除了评估师经验对评估结果的影响，使得评估结果更为客观合理。该方法应用于2004年长沙市基准地价更新中，取得了良好的效果。     

求解TSP问题的最近邻域与插入混合算法

研究了求解旅行商问题(TSP)的构建型启发式算法中的最近邻域算法和插入算法的特点, 集最近邻域算法求解速度快、插入算法求解质量高的优点, 提出了一种最近邻域与插入混合算法. 分析了混合算法的合理性、复杂度及参数取值, 并分别采用以上三种算法求解了TSPLIB标准库中多个算例, 结果表明混合算法的求解速度接近最近邻域算法, 对城市数量小于1000的小规模TSP问题的求解质量与插入算法相当, 而对大规模TSP问题的求解质量明显优于插入算法.