一种基于目标界定的客观识别个性特征的方法

针对多指标描述的一类社会事物群体,提出了一种基于目标界定的客观识别个性特征的方法。本方法是在不违背公共价值取向的前提下,采用2-范数意义下的距离,分别从最有利和最不利于个体的角度,实现客观识别事物的强势特征与弱势特征,通过分析识别所得到的个性特征,能够发现事物个体应该学习的对象,同时还能发掘可以优势互补的合作者。仿真算例表明,本方法能为分析和掌握社会系统的个性特点和引导社系统制定调整决策提供有效的支持。     

面向层次结构的高管胜任特征竞优评价研究

高管胜任特征的结构不仅表现为多维性,而且体现出层次性,而现有的竞优评价方法只是针对单层结构的情境,尚未解决面向层次结构的竞优评价问题。基于此,以竞优思想为指导,采用目标规划方法构建面向层次结构的个性优势识别模型并给出了求解方法,基于对个性优势的识别结果,提出代理评价与综合评价方法,进一步丰富与发展了竞优评价的方法体系。通过一个应用算例说明了方法的可行性和实用性。     

生命系统演化的熵势函数探析

生命系统遵循怎样的演化规律,传统的还原论思想和线性思维是无能为力的,本文依据非平衡非线性系统理论的广义势函数,建立了可描述生命系统演化的熵势及其表达式.通过分析生命系统的相变和生命机体内部的熵力,说明熵势反映生命的发育和进化,在这个势的作用下生命越来越有序,而且熵力是生命系统维持相对稳定性的原动力.     

基于社会势场的群体机器人聚集队形控制

将社会势场与基于行为控制相结合,使得群体机器人形成聚集队形,避开未知环境中的障碍物并到达目标区域.设置了两类阈值,以减少机器人在均衡位置的抖动,提高群体机器人向目标区域趋近的速度;提出了柔性社会势场机制,以提高机器人的避障效率.个体机器人根据局部感知自主产生队形控制向量,因此该队形控制策略具有良好的可扩展性.仿真实验表明了队形控制策略的可行性和有效性.     

基于SNA的复杂项目组织权力量化及实证

在社会网络分析(social network analysis, SNA)中, 中心度和中心势是衡量个人(团队)结构位置和权力指针, 也是刻画权力的关键指标. 基于该理论, 分析了复杂项目组织权力和关系的联系以及权力量化方法, 包括六个重要指标: 个体中心度、整体中心势、个体中间中心度、整体中间中心势、个体接近中心度和整体接近中心势, 以衡量整个组织及组织中某个单位的权力特征. 以2010年上海世博会工程建设组织为案例, 分析正式组织结构和组织社会网络结构下的权力界定区别, 并进行两种视角下权力的比较. 结论表明: 正式组织结构下的权力和项目组织网络下的权力并不呈现一致性的状态, 但后者更接近现实, 更有助于组织设计和组织管理.     

社会网络的层次结构发现

针对传统的分析方法没有考虑真实的社会网络的属性特征,比如社会个体属性,社会关系的强度等等,建立了社会网络的扩展图模型,并在此基础上定义了基于信息流的网络层次性结构,提出了基于拓扑势支持的网络骨干节点的发现方法和基于势流动的层次结构发现方法,并通过实际网络的层次结构挖掘验证了所提方法的有效性。     

基于拟态物理学的群集行为研究

基于拟态物理学的思想,提出一种近似于万有引力的作用力函数来描述群体中个体之间的相互作用,以此为基础建立了基于个体信息的群集模型。基于Lya-punov稳定性理论研究了该作用力函数情况下群体中个体运动的内聚性和稳定性。仿真实验表明,在该作用力函数下,能够实现群体的稳定全局聚集行为。     

基于信息素反应的群体觅食行为研究

群集智能在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方法提供了新的思路.基于群集智能的思想,针对群体系统的协作觅食任务,引入多种可以反应的信息素,提出了一种信息素反应的群体觅食方法.以计算机仿真实验为手段,在给出了个体有限状态机的控制结构下,并以任务完成时间为性能指标进行了单食物源和双食物源下的觅食实验.结果表明该方法可以减少个体之间的冲突,有效的提高系统性能.     

基于三重优势的知识员工绩效竞优评析方法及应用

针对在知识员工绩效评价过程中将员工视为孤立个体,且较少考虑知识员工绩效特征的问题,在竞优理论的指导下,提出了一种将知识员工置于组织环境中进行绩效评析的方法。基于对知识员工行为差异和绩效价值的认同,对知识员工的内质优势、相对优势和整体优势进行有效挖掘。通过科学合理的信息集结方式,获得基于此三重优势的绩效指标权重结构。最后,以某软件企业9名知识员工的绩效评价为例,对该方法的有效性和实用性进行了验证。     

社会标注系统幂律特性分析

为全面了解社会标注行为,帮助用户多样化、个性化地使用资源,首先归纳总结标签增长、标签使用与重用以及标签网络等方面的幂律特性。然后,分析幂律特性的形成原因,并使用拓扑势方法进行描述。最后,讨论幂律特性在标签可视化、自动标注、推荐系统和兴趣挖掘等方面的应用,并提出个性化推荐模型。幂律特性分析可以提高信息的个性化、完善社会标注系统的设计。     

多时延解相关准则下的非平稳信号在线盲分离

利用一种基于多时延解相关准则的代价函数和自然梯度原则,分别推导出非平稳信号在瞬态线性混合及卷积混合情况下的在线盲分离算法,仅通过对有限个时延样本的相关矩阵进行Frobenius范数最小化运算得到分离矩阵,计算工作量小,无需对样本进行分块处理,可实现对信号的连续跟踪操作。仿真结果表明算法分离精度高,分离过程平稳,在任意混合情况下均能获得良好的分离性能。     

基于信息素正态分布的连续蚁群优化系统

受生物蚂蚁觅食行为的启发,拓展蚁群系统的性能,以正态分布模拟信息素的密度分布,并以此进行随机数抽样,构成蚁群的状态转移规则。系统将随着蚂蚁的移动调整分布函数,实施信息素更新,蚁群在信息素的引导下逐步向最优食物源聚集。系统还引入优进策略和变异策略,加强局部挖掘和全局探索机制,提高蚁群的寻优能力,构建为混合连续蚁群系统(hybrid continuous ant colony system,HCACS)。经多种经典函数的测试,表明HCACS适用于连续优化问题,性能良好,对于维数较高和搜索空间较宽广的问题,更具优势。HCACS算法的参数较少,设置简单,实用性较强。     

医学仿真中一种高效的生物组织几何建模方法

在生物医学仿真系统的应用背景下,以医学体数据为数据来源,提出一种高效的生物组织几何建模方法。该方法包括等值面提取、等值面预处理、Delaunay表面重建和四面体填充四个部分。引入基于二义性检测索引表的Marching cubes算法,保证生成等值面拓扑的正确性;提出三角形顶点射线法去除等值面简化后内部遗留的冗余网格;引入顶点控制球策略,克服限定Delaunay细分算法无法收敛的缺陷,有效生成Delaunay表面模型;提出自适应的内部节点添加技术进行Delaunay四面体填充。实验表明,提出的方法在有效保证网格拓扑的基础上,可根据需求生成满足Delaunay准则的目标组织几何模型。生成的模型已应用于生物医学仿真系统。     

知识传播方法的系统探索

知识传播方法作为一个开放的系统,是一般意义的方法在知识传播活动中的具体体现。运用系统的动态原则分析知识传播方法,有三种主流的传播方法:点对点传播方法、点对面传播方法和点点交互传播方法。其中每一种主流的传播方法,都与一定历史时期社会发展水平相适应,都有其一定的功能,但也存在一些缺陷。     

基于属性重要性的决策树规则提取算法

对属性进行约简为从关系数据库中挖掘简洁的规则创造了条件。但从属性约简后的数据集中提取最简规则的问题仍是一个NP难题,一般借助于启发式算法。提出了一种新的基于属性重要性的规则提取算法,称为IADT(importantattributedecisivetree)算法,采用粗糙集理论中的属性重要性概念,通过建立树结构来提取规则。算法可以避免面对NP难题,获得相对简单的规则。计算实例表明,IADT算法具有良好的实用性,有进甚至可以获得最简规则。通过与ID3算法进行的比较表明,IADT算法为规则树算法提供了一种新的属性选择标准。     

基于领域知识的模型检验方法

提出了一种基于领域知识的模型检验方法.该方法主要是采用本体论方法,将业务领域内的潜规则表示成领域知识,构成领域规则库,对领域规则采用图形化表示与使用SWRL描述相结合的方式,形成了对规则知识的内、外部表示,为领域知识的直观显示和有效推理提供基础.领域规则形成的规则库为模型检验提供了依据和复用基础,确保用户构建的应用模型满足业务领域需求.     

基于直觉模糊折扣算子的异类数据融合方法

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点。为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法。首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质。其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选方案证据的构造过程,生成直觉模糊数,基于直觉模糊熵,给出属性权重的计算方法。最后,根据直觉模糊数合成法则和比较法则,实现结果判定。仿真实验结果表明,所提方法能够有效地降低运算时间,得到正确的决策结果。     

Dempster-Shafer合成法则悖论的一种消除方法

首先介绍了证据理论及其有关概念和 Dempster-Shafer 合成法则,针对 Dempster-Shafer 合成法则有时可能会产生悖论这一情况,分析了证据理论合成公式悖论产生的原因,并在此基础上提出了一种消除 Dempster-Shafer 证据理论合成悖论的方法;最后用几个实例证明这种方法是有效可靠的.     

基于PSO-ABC的混合算法求解复杂约束优化问题

为了改善粒子群优化（particle swarm optimization, PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。