惯性导航系统仿真可靠性评价的新方法

从目标分类角度,通过挖掘隐藏在各指标隶属度中关于目标分类的知识信息,设计一种滤波器,能清除指标隶属度中对目标分类不起作用的冗余数值,在无冗余数据干扰下实现隶属度转换。由此建立隶属度转换的一般方法,最终解决系统仿真可靠性评价中隶属度转换问题。     

基于QFD和组合赋权TOPSIS的体系贡献率能效评估

武器装备体系贡献率是指单件装备在武器装备体系或作战体系构成中,按照体系的总目标和运行规律,对体系的整体性能(如体系作战能力或作战效能)贡献的大小。首先建立能力效能综合的贡献率评估框架,在此框架下提出层次化的体系贡献率评估思路。然后借助面向关系的质量功能展开量化矩阵方法,将仿真实验中能力/效能度量指标数据映射到需求度量矩阵,再以度量集对需求集的敏感度和拟合优度作为依据,构建度量指标的组合权重。最后,利用逼近理想解排序法对体系方案贡献度进行排序,并以无人集群执行火力打击任务作为算例,验证了该方法的可行性。     

信息不完全的多准则决策的SIR方法

在决策中,存在准则值不准确、不确定、不能决定和准则权系数信息不完全的多准则决策问题,针对此类问题,提出了一种信息不完全的多准则决策的优劣势排序方法。该方法首先构建方案集的优势矩阵和劣势矩阵,得到方案的全局优势度和劣势度,利用权系数的不完全信息构建相应的最优化模型,求解最优化模型得到优势度和劣势度的变化区间,利用区间数的排序方法得到方案集的一个部分排序或完全排序。最后通过实例验证了该方法的有效性。     

基于三元区间数的多指标决策方法

针对不确定型条件下的多指标决策问题,利用三元区间数进行了研究.在定义三元区间数的基础上,给出了三元区间数的基本运算和排序关系,提出了一种基于客观赋权下的三元区间评判模型,通过最大隶属度得到最佳评判结果.建立了一种基于客观权重的投影决策排序模型,利用投影值得到最优排序,并用实例分析说明了评判模型和排序模型的实用性和有效性.应用结果表明,三元区间数为多指标决策问题提供了一种简单实用的有效分析方法.     

综合排序的双基点法的改进及灵敏度分析

多指标(准则、属性)综合排序的方法基本上有:1.化多指标为单一指标的简单加权法;2.根据相对贴近度排序的双基点法(TOPSIS法);3.采用加权欧氏距离的LINMAP法;4.消去和选择转换算法(ELECTRE法)。其中,双基点法是利用理想点和反理想点所构成的空间,每个排序方案(项目、对象)视为空间上的一个点,通过计算排序方案对于理想点的相对贴近程度进行排序的。 在文献[1]中,为了简化相对贴近度的计算,对指标矩阵进行了规格化,使反理想点成为原点,而     

基于粒子群改进算法的信息系统外包组合决策模型

针对外包项目优选决策涉及到成本和效益这两类相互冲突的评价准则,提出了多准则妥协解排序法与投影寻踪模型相结合的组合决策模型,进行外包项目的优先排序.鉴于该模型求解属复杂非线性优化问题,常规方法难以直接处理,建立了微粒群改进算法,进行全局寻优.决策过程中去掉了主观确定权重的步骤,避免了人为因素的干扰,实现了完全由数据驱动的外包项目选择.通过实例证明了模型和算法的有效性和实用性.     

互补判断矩阵的两种排序方法——权的最小平方法及特征向量法

根据互反判断矩阵和互补判断矩阵的转换公式 ,给出了互补判断矩阵的转换矩阵 .从最优化角度提出了互补判断矩阵排序的权的最小平方法 ,并给出了严格的理论证明 .而且 ,基于转换矩阵 ,提出了互补判断矩阵排序的特征向量法 (CEM) ,给出了其相应的迭代算法及互补判断矩阵的一致性检验方法 .最后进行了算例分析.     

互补判断矩阵和积排序法的最优化理论基础及性质

针对多属性决策中重要的方法之一的互补判断矩阵和积排序法,在完全一致性互补判断矩阵等概念的基础上,给出了互补判断矩阵和积排序法的最优化理论基础,指出互补判断矩阵和积排序法的排序向量正好是某种偏差准则下的最优化模型的解。并证明了它具有一些性质,包括强条件下保序性,置换不变性等。最后举出反例说明它不具备对称性。     

基于人工神经网络的高产高效矿井经营绩效排序

为了更科学地解决高产高效矿井经营绩效多指标综合排序问题,本文提出了一种基于人工神经网络的排序新方法．确定神经网络结构的最优算法准则是：各矿井经营绩效的实际评价值与理想值之间越一致越好．从而,排序得以实现,其结果与实际情况相符．     

残缺信息下的三角模糊数互补偏好群决策研究

研究残缺互补判断矩阵排序方法问题.分析了三角模糊数互反判断矩阵与互补判断矩阵之间的转换关系,给出了三角模糊数互补判断矩阵加性一致性的概念,提出了残缺三角模糊数互补判断矩阵的一个最小二乘群决策排序模型,并研究此模型解的存在性条件,将残缺型判断矩阵的群决策排序模型推广到完全信息群决策与单人决策情形.最后给出了一个算例.     

考虑标度的加型一致性模糊判断矩阵的排序方法

通过实例说明相关文献中加型一致性模糊判断矩阵排序方法的参数取值存在的问题,分析出该问题是由于其公式证明中没有区分标度导致的,指出其结论适用于0～1标度的加型一致性模糊判断矩阵.然后,重新证明了0.1～0.9标度下的加型一致性模糊判决矩阵的排序方法和相关结论.最后,定义了广义模糊标度,并给出广义模糊标度下加型一致性模糊判断矩阵的排序方法和相关结论,使得相关文献中排序方法和相关结论实现形式上的统一.     

信息不完全确定的模糊多准则UTA方法

针对准则权系数信息不完全确定和准则值为模糊数且有训练集的多准则决策问题,提出了一种模糊多准则UTA方法。该方法在考虑对训练集排序的基础上,结合不完全确定的准则权系数信息和训练集中各方案的模糊准则值的效用建立非线性模糊规划模型,并将其转化为模糊线性规划模型,求解得出准则权系数、训练集中各方案准则值的模糊效用值,利用插值求出方案的准则值的模糊效用,进而得到整个方案集的排序。最后实例说明该方法的有效性和可行性。     

一种改进的三角模糊数互补判断矩阵的排序方法

在传统的三角模糊数互补判断矩阵排序方法的基础上,结合三角模糊数均值的概念,提出了一种改进的排序方法。该方法通过三角模糊数互补判断矩阵以及相应的概率分布矩阵,计算得到模糊均值矩阵,从而将三角模糊数互补判断矩阵的排序问题转换为模糊均值矩阵的排序问题,然后对模糊均值矩阵利用权的最小平方法计算排序向量。通过计算三角模糊数均值,有效地减少了判断过程中的不确定性。给出了该方法的具体应用步骤,仿真算例表明该方法易于实现,具有很好的可操作性。     

一种消费者品牌偏好的模糊排序方法

为将消费者对品牌属性的模糊评判信息转化为消费者的品牌偏好信息,首先将模糊语义转化为三角模糊数,然后利用模糊数的广义加法、近似乘法及标量乘法计算,从而将消费者对属性的离散意见转化为对某一品牌的综合意见.然后通过定义一种模糊数综合排序指标来确定消费者的品牌偏好顺序.最后还通过一个算例来说明方法的实用性和有效性.     

一种基于集对分析的区间数多属性决策方法

针对属性权重和决策矩阵均为区间数的多属性决策问题,提出了一种基于集对分析的排序方法。通过借鉴集对分析理论把论域三划分的思想,把区间评价值转化成联系数的形式,给出了两个具有直观意义、计算简便的排序准则,并分析其合理性。分析过程中发现,区间数权重向量和区间数决策矩阵的方案评价向量具有不同的自由度,因此需要对它们采用不同的处理方法。最后,通过算例表明算法排序有效。与已有的数学规划等方法相比,该方法计算更为简便,排序准则具有直观的意义。     

混合型多属性决策的HB-SIR方法

针对权重已知且属性值为精确数、区间数、三角模糊数和梯形模糊数的混合型多属性决策问题,提出了一种新的混合型级别高于方法(hybrid superiority and inferiority ranking,HB SIR)。该方法依据混合型多属性决策矩阵构建正负理想方案,将混合型多属性决策矩阵转化成标准优势和劣势差异信息矩阵,进而通过高斯准则计算各个方案的优势指数和劣势指数,构建优势矩阵和劣势矩阵,并使用简单加权(simple additive weighting,SAW)方法计算出方案的优势流和劣势流,据此获得方案的部分或完全排序。最后,通过一个算例验证了该方法的有效性。     

基于语言判断矩阵的一致性及其排序方法

研究语言判断矩阵的乘性一致性及方案排序问题.首先给出有关语言判断矩阵和互反判断矩阵的定义及其性质,提出语言判断矩阵一致性的定义;然后通过引进导出矩阵将语言判断矩阵转换为数值矩阵,得出语言判断矩阵具有完全一致性或弱一致性的充要条件是其转换后得到的导出矩阵也具有同样的结论.同时利用该转换公式,给出基于语言判断矩阵的方案排序方法.最后,通过一个算例说明文中提出的分析方法.     

关于序区间偏好信息的群决策方法研究

在群决策分析中,基于序区间偏好信息的排序方法的研究是一个新的重要研究课题.针对决策分析中基于序区间偏好信息的群决策方法问题,提出了一种新的分析方法.首先,提出了序区间的有关定义及性质；其次,通过定义序区间的可能度及可能度矩阵的概念,得出了每个专家的可能度矩阵均具有满意一致性的互补判断矩阵结论.进而构建了基于群体一致性的最优化模型,依据计算的最优权重向量给出了一种关于序区间偏好信息的群决策方案排序方法.最后,通过一个算例说明了提出的分析方法.     

基于不同偏好信息的评价专家水平研究

针对不同偏好信息给出了一种分析方法.首先,给出有关效用值、序关系值、互反判断矩阵、互补判断矩阵和语言判断矩阵的定义及其相关性质;然后,通过定义不同偏好信息之间的转换公式,将不同偏好信息都转换为互补判断矩阵的偏好信息,得出各个专家的方案排序值向量,进而利用因子分析法,通过SPSS软件找出方案集相关系数矩阵的公共因子,计算出每个专家的因子得分及因子总得分.根据各个专家的因子总得分的大小,对各个专家的评价水平进行排序;最后,通过一个算例说明了本文提出的分析方法.     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.