资金预算问题建模方法研究

利用机会约束规划和模糊机会约束规划建立了资金预算问题的2个模型,并给出了一个数值例子.     

环境质量约束下的滨州市能源系统优化

针对滨州市能源消费结构不合理和能源供需失衡等问题,本文采用模糊机会约束规划方法,构建了以供电成本最小化为目标、满足电力需求和环境质量要求等约束的能源供应模型。结果表明,可靠性条件和置信水平的引入,有利于设计和制定经济成本低、污染物排放量少的能源结构调整方案和能源供应策略,可为管理者根据自身对于风险和系统收益的态度设计规划方案,提供有力的技术支撑。     

一类模糊运输问题及其混合智能算法

研究了一类更加贴近于现实生活的模糊环境下的运输问题，即需求量和供应量均为模糊变量的运输问题．并借鉴针对模糊环境中的优化问题提出的机会约束规划模型和相关机会规划模型的思想，建立了模糊运输问题的数学模型．此外，考虑到模型涉及大量具有复杂性和多样性的模糊变量，设计了一种混合智能算法，即基于模糊模拟的遗传算法来求解模型的近似最优解．最后，数值例子表明算法的有效性和可行性．     

山东省能源-经济-环境系统模糊机会约束目标规划模型

能源-经济-环境系统科学发展是区域可持续发展的关键。根据山东省“十二五”规划,选取目标参数与决策变量,视三次产业单位投资产值、主要污染物产生系数与单位治理投资去除量等参数为模糊变量,构建山东省能源-经济-环境系统模糊机会约束目标规划模型,应用混合智能算法进行求解。实证分析结果验证了模型的可行性与有效性,为山东省能源-经济-环境系统发展提供决策支持。     

多目标线性规划两种解法的比较

目标规划和模糊规划是求解多目标线性规划问题的两种方法,其基本思想都是将多目标问题转化为单目标规划.本文阐明了两者的相似处以及如何将两者互相转换,并且将它们结合起来,提出了新的模型.     

不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

油田开发模糊目标规划模型及求解

本文将模糊目标规划的方法应用于油田开发多目标规划问题。使用的模糊目标规划模型,包括最小至最大模型和偏差量加权求和模型,用于解决油田开发规划中涉及的多个相互制约的目标问题。对于实例的研究证明了模糊目标规划方法适用于油田开发规划。     

考虑需求响应的多目标模糊机会约束动态经济调度

风电和需求响应参与电网调度带来了显著的经济效益并降低了负荷波动,但是风机出力的不确定性给电网动态经济调度带来挑战。针对上述问题,建立考虑需求响应的多目标模糊机会约束动态经济调度。首先,分析风电预测误差在不同功率的模糊特性,并拟合出模糊参数,进而获得风电的模糊隶属度函数。其次,根据模糊理论对系统约束形成可信性测度的模糊机会约束,建立考虑经济和负荷方差的多目标优化模型。在模型求解上,采用清晰等价类将机会约束清晰化,采用基于分解的多目标进化算法求解,然后采用模糊聚类的Pareto最优解集筛选最优解。算例结果表明,所提出的模型,能够有效权衡风电并网风险、系统利润和系统负荷波动。     

可追加订购报童问题的模糊机会约束规划模型

研究模糊环境下可追加订购的报童问题.假设需求量、追加定购的价格等均为模糊变量,在本金有限制的条件下,以极大化收益为目标,建立一个模糊机会约束规划,并将模糊随机模拟、神经元网络及遗传算法相结合,给出一个混合智能算法来求解该模型,从而得到最优订购量及追加的最大定购量.最后给出了数值例子.     

集团公司预算管理模式探析

预算管理是现代企业集团管理的重要组成部分。目标利润——目标成本、资金预算整合及全面预算管理是集团企业进行预算管理的不同模式,对如何建立科学的预算管理模式进行探讨,以期对集团企业的发展有所帮助。     

一种新的模糊决策树模型及其应用

模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维，但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况，提出了一种混合算法，算法保留了较少属性值的Shannon熵，计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中，得到了更易于理解的决策树和有效的规则，与传统算法的性能比较也证明了该算法的有效性。     

Fuzzy Economic Order Quantity Inventory Models Without Backordering

In economic order quantity models without backordering, both the stock cost of each unit quantity and the order cost of each cycle are characterized as independent fuzzy variables rather than fuzzy numbers as in previous studies. Based on an expected value criterion or a credibility criterion, a fuzzy expected value model and a fuzzy dependent chance programming (DCP) model are constructed. The purpose of the fuzzy expected value model is to find the optimal order quantity such that the fuzzy expected value of the total cost is minimal. The fuzzy DCP model is used to find the optimal order quantity for maximizing the credibility of an event such that the total cost in the planning periods does not exceed a certain budget level. Fuzzy simulations are designed to calculate the expected value of the fuzzy objective function and the credibility of each fuzzy event. A particle swarm optimization (PSO) algorithm based on a fuzzy simulation is designed, by integrating the fuzzy simulation and the PSO algorithm. Finally, a numerical example is given to illustrate the feasibility and validity of the proposed algorithm.     

基于模糊群决策理论的博弈联盟选择

研究在模糊博弈环境下如何选择合适的局中人形成优势合作联盟的方法.基于模糊不确定性理论,推广和改进了多属性群决策的Bernardo方法.将该方法应用于具有模糊资源约束的博弈联盟选择问题,给出了博弈联盟选择的模糊机会约束模型及求解方法.为现实博弈联盟选择提供了一种有效可行的模糊群决策方法.     

模糊多层线性规划问题的交互式模糊规划法

对于带有模糊参数的线性多层规划问题，其求解算法往往要考虑决策变量的满意度，提出在不考虑决策变量满意度的情况下，给出其交互式模糊规划法，大大简化了原问题的求解．     

带交易费用的证券组合投资的模糊多目标优化模型

利用在约束条件中加入证券多样化选择约束的方法来抵减非系统风险,建立了带交易费用的综合考虑收益和风险的模糊多目标规划模型.在此模型中,考虑到证券投资的预期收益和风险的模糊性,把目标函数和约束系数均作为模糊数处理,并给出了模型的求解方法和问题的一个算例.     

基于模糊机会约束的博弈联盟收益

在模糊博弈环境下,研究联盟收益问题.基于Tsurumi合作联盟概念,利用模糊变量刻画局中人参与联盟程度,拓展了模糊联盟概念.针对博弈决策者在一定置信水平下极大化联盟收益的乐观值或极大化联盟收益的悲观值情形,引入模糊变量的可信性测度,建立了模糊联盟最优收益的模糊机会约束规划模型.该模型反映了博弈偏好对模糊联盟整体收益的影响.     

Linguistic granular model: design and realization

Linguisticgranularmodel[1—5]hasemergedasan interesting,attractiveandpowerfulmodelingenvi ronment.Incontrasttothosenumericallylinguistic models,linguisticgranularmodelfocusesoncreating theinstructivelinguisticgranularindataspacerather thanthenumericformation.Mostnumericallylin guisticmodelsemphasizetheiraccuracyratherthan transparency.However,someresearchersutilized conditionalfuzzyclustering(CFC)[6—8]toconstructa user drivenlinguisticmodel,inwhichtheinformation andrequirementsofuserarerepre…     

递推人工蜂群的模糊划分熵多阈值分割算法

针对图像分割中模糊划分熵算法在多阈值选取时存在的效率低、计算重复的问题,提出了一种递推人工蜂群的模糊划分熵多阈值分割算法(RAFPEA).首先选择附加边界条件及灰度权重的隶属函数来构建图像的模糊熵模型,并将该模型中不同变量的组合计算转化为递推过程,进而保存此过程中不重复的瞬间递推值,然后引入人工蜂群算法,利用预存的递推结果来计算蜂群寻优时的个体适应度值,从而减少重复计算,达到快速寻优的目的.实验结果表明:RAFPEA的均一度与精确的穷举模糊划分熵法相同,但运行时间仅为穷举、遗传的模糊划分熵算法的5％;随着阈值数量的增加,运行时间稳定不变,在确保精度的前提下,可高效地对图像进行多阈值分割.     

Linguistic granular model: design and realization

A new linguistic granular model is proposed and the effect of its parameters on the output is analyzed. The design of the model consists of two stages: using conditional fuzzy clustering for information granular, and integrating all information granules to final output. The integrating tool is fuzzy integral based on fuzzy measure, and the generalization of fuzzy integral increases flexibility of the linguistic granular model greatly. A heuristic algorithm to determine the parameters in the fuzzy integral is used to realize the linguistic model. Two experiments verify the feasibility of the proposed model.