歼击航空兵在空域集中兵力的优化方法

本文研究了使用歼击航空兵按空域执行作战任务时如何集中兵力的问题。在某些条件的假设下给出问题的数学模型,通过与决策者对话,可将模型简化为整数规划问题,不断调整模型后可得到满意解。     

有限理性下的演化博弈与合作机制研究

指出了以Nash为代表的经典博弈论及其纳什均衡解在完全理性假设下的理论缺陷,从而引入有限理性下的演化博弈论.介绍了演化博弈论中策略进化的思想,提出有限理性的实质是怎么去学习,进而探讨了演化博弈中的各种学习模型.介绍了基于个体的学习模型和网络上的演化博弈研究进展;提出了用演化博弈去解释现实复杂网络的设想;分析了网络结构和博弈策略的互演化思想.讨论了演化博弈框架下合作的进化及合作机制的研究进展.最后,对演化博弈今后的发展趋势和研究方向给出了评述.     

基于前景理论和概率语言术语的突发事件应急响应决策方法

针对突发事件应急响应决策中决策信息存在不确定性以及决策者很难完全理性的问题，提出一种新的基于前景理论和概率语言术语的应急响应决策方法。首先，将决策者的评估表示为概率语言术语，提出了基于Jensen-Shannon散度的概率语言术语相似性度量。其次，将描述决策者心理行为的前景理论运用到概率语言环境中，并结合提出的概率语言术语相似性度量构建前景决策矩阵；进一步，借鉴偏差最小化的思想构建了决策标准权重模型，用以计算决策标准权重。在此基础上，结合前景决策矩阵及决策标准权重求得各个方案的综合前景值，并以此排序。最后，通过一个海上事故案例说明了提出方法的有效性和优越性。     

解约束优化问题的新粒子群算法

提出了一种新的求解约束优化问题的粒子群算法。基于一个合理的假设前提:任何可行解总是比非可行解好,算法通过在标准粒子群算法中引入了一个新的约束处理机制,将约束优化问题转化为无约束问题来求解。此外,为了提高收敛性能,新构建的算法通过引入变异策略,使算法在迭代过程中保持较高的种群多样性,增强算法跳出局部最优解的概率,从而提高算法的收敛速度和解的质量。与遗传算法以及标准粒子群算法的实验比较表明,所提出的方法是一个可行的约束优化问题的求解算法。     

序贯观察与选择问题截止阀策略的一个改进

截止阀策略是解决序贯观察与选择问题的有效方法.在多次应用的问题情境下,通过减少截止阀值来降低失败的概率,进而实现平均收益的最大化,代价是减少了观察选项的数量,增加了决策的不确定性.本研究围绕降低失败的概率进行,从降低标竿而非减少截止阀值入手,采用均值标杆改进了最大值标竿的截止阀策略.基于仿真实验的结果显示,改进后的策略具有更好的平均收益和更低的失败概率,同时,还证明了20%就是均值标竿的近似最优解.     

复利下二重在线租赁竞争策略及风险补偿模型

基于实际租赁市场中存在着除纯租赁和纯购买外更多租赁形式的现象,提出了二重在线租赁问题.另外,考虑到资金的时间价值不容忽视,给出了考虑复利的二重在线租赁问题最优竞争策略及风险补偿策略,为决策者提供了决策参考.首先,运用竞争分析方法得到确定性最优在线竞争策略及其竞争比.接着,考虑决策者对设备使用时长的概率预期,给出了一定风险容忍度下最优的风险补偿策略.最后,通过数值算例说明利率、风险容忍度和预期概率对最优在线策略的影响,结果表明:在不同的复利率下,风险补偿策略的最优决策时间也不同;决策者风险容忍度越大,预期成功时获得的收益也越大;在给定的风险容忍度下,概率预期的引入对该问题竞争比性能有很大的改善.     

公平与效率中的“公平偏好”：信息与记忆效应

“公平偏好”是正确处理公平与效率之间关系的一个重要理论，近年来是实验经济学研究的热点问题.由于它与“理性人“假设的矛盾，所以较难纳入到经典经济学的理论分析框架.本研究在经典经济学理论假设下逐步引入信息和记忆效应，构建双盲最后通牒博弈模型、分配者策略模型和动态交互博弈模型，通过计算机模拟进行检验.动态交互博弈模型的计算机模拟产生非零的分配比率，与以往文献中的现场实验结果和现实情况吻合，表明公平偏好与信息和记忆效应有内在联系，即在经典经济学的基本框架下引入信息和记忆效应可导出公平偏好，由此搭建了经济学理性人假设与公平偏好的桥梁.     

柔性环境中的决策

在决策活动中,经常遇到下列问题: 1.决策者往往是有限理性的,因此决策者可以接受一定范围内的目标值,并在此范围内尽可能选择满意的结果。例如,决策者可能提出下列目标: 为达到脱贫目的,到1990年,修水县人均收入至少要达到400元,希望达到420元。这样,目标可以在容忍的范围400～420中取值,可见目标是柔性的。此外,决策中多个目标相互冲突,即改善某一目标会使其它一些目标变差,所以决策者要根据全局情况对各个目标进行综合平衡调整。这样的可调目标是柔性的。 2.假定下列规划无可行解     

线性多目标决策的割平面法

本文利用在交互过程中决策者的要求，形成一个割平面。依次逐步逼近决策者的满意解。首次允许决策者修改某个过高要求的目标，提出了更接近于实际决策过程的交一线式线性多目标决策的割平面法。文章最后给出了一个实际决策的例子，以说明方法的有效性。     

模糊线性规划的γ-鲁棒解

对于不确定系统的优化问题,模糊线性规划是一种常用的建模方法,但得到的最优解或满意解,往往对参数的变动缺少"免疫"能力,即参数受到扰动后,最初的最优解会变得不再最优甚至不可行.首先针对λ-截集水平下的模糊线性规划,给出了λ-鲁棒解的定义.利用模糊结构元理论对λ-鲁棒解的定义进行表示,得到了求解模型.由于决策者的不同,对解的可实现程度要求不同,故在模型中加入了能够反映决策者风险偏好的测度约束,该模型的解即为γ-鲁棒解,该解既有鲁棒性、优化性,又能体现决策者的风险偏好程度.通过算例可以看出,γ-鲁棒解对参数的变动具有"免疫"能力,能为决策者提供更为丰富的信息,体现出了更好的实用价值.