覆盖广义粗糙集与信任函数

本文在覆盖广义粗糙集最简覆盖的基础上,应用等域关系,将覆盖广义粗糙集转化为Pawlak经典的粗糙集,使得经典粗糙集理论的应用范围得到了一定的扩充,并用例子说明该转化方法提高了一个集合的近似程度.最后讨论了覆盖广义粗糙集与证据理论之间的关系.     

一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

不确定多变量分数阶控制系统的能观性判别

针对不确定多变量分数阶控制系统,提出当系统状态空间表达式中相关矩阵不确定时系统能观性判别的一种新方法。当然,关于系统能观性的判别方法已有一些,但这些方法不能很好地用于本文所提出的控制系统,基于这种情况,首先推导出分数阶控制系统能观性判别条件,通过分析区间向量之间的线性相关性得出不确定多变量分数阶控制系统的能观性判别方法,最后以实例说明该方法的简单有效性。     

论司法公正的影响因素及其实现途径

司法不公正是影响社会和谐稳定的一大因素。而司法不公正的原因主要在于司法人员认为“不必公正”、“不敢公正”或者“不愿公正”。因此,实现司法公正必须提升司法权威,改革司法体制,提高司法队伍素质,让司法人员重视公正、敢于公正、愿意公正,真正使司法公正成为维护社会公正的最重要的防线,成为构建社会主义和谐社会的基础性保障。     

区间数判断矩阵的满意一致性及排序方法

研究了区间数判断矩阵的一致性及排序问题.给出了满意一致性判断矩阵的判别方法,并且证明了此判别方法还适用于区间数判断矩阵的一致性检验.同时,对具有一致性或满意一致性的区间数判断矩阵建立了优化模型,决策者可以根据自己对一致性程度的要求来求解区间数排序向量.最后,通过算例验证了方法的有效性、适用性.     

涵洞填土中的等沉面

以梯形沟槽埋涵为研究对象,建立沟埋涵洞的计算简图,利用内、外土柱压缩量相等的原则,形成等沉面高度的计算方法。研究表明,涵洞填土中的等沉面高度并非常量,洞顶填土高度大,等沉面高度小,填土高度不断增大,等沉面高度趋于定值;埋涵沟槽的底宽大、边坡缓,等沉面高度大。     

等精度数字频率计几种设计方案的实验研究

研究了采用不同器件、不同设计方法实现等精度频率计的5种设计方案。依据等精度频率测量原理,分别针对51单片机、C8051F单片机、FPGA与单片机、FPGA及SOPC几种系统的等精度频率计设计方法、特点进行了详细的分析和实验教学研究。以及在此基础上扩展实现周期测量、占空比测量、脉宽测量功能的方法。意在引导学生拓展思路,使等精度数字频率计设计的实验教学实施具有启发性、开放性、探索性等特点。     

基于模糊约束满意度的烟草配送模糊线性规划

 为降低烟草配送成本,采用一级配二级送模式进行烟草配送。对传统的烟草配送问题进行了改进,应用最大覆盖模型对中转站进行选址,然后提出了含有梯形模糊数的烟草配送优化模型。结合供应点的供应能力和需求点的需求量为模糊参数的约束条件,提出了一种基于模糊约束满意度的求解方法。针对该模糊运输规划模型,利用期望区间均值将不确定模型转化为区间线性规划模型,然后分别对目标函数和约束条件进行处理,将区间线性规划模型转化为确定性的线性规划模型进行求解。这样决策者就可以根据客观情况和主观判断,得到不同的决策方案,使得决策更具有柔性,更加符合实际决策过程。应用该方法,郴州某烟草公司的运输成本大幅下降,比一级配一级送模式节约成本5.37%,验证了该模型的可行性和有效性。     

基于极点对称模态分解-分散熵和改进乌鸦搜索算法-核极限学习机的短期负荷区间预测

针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition, ESMD)-分散熵(dispersion entropy, DE)和改进乌鸦搜索算法(improved crow search algorithm, ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine, KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。