基于模糊认知图的物流需求预测模型研究

准确地预测社会物流需求,在政府对物流行业政策制定、企业物流活动规划中有着重要意义.本文提出一种基于模糊认知图的物流需求预测模型构建方法,综合考虑国内生产总值、进出口总额等五个经济要素与物流需求之间的相互影响关系,通过对历史数据机器学习获得相互影响权重,构建了物流需求预测模型,可对未来物流需求进行推算和预测.实验证明,该模型对物流需求的预测精度较高,效果较好.     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

一类数列极限存在性的证明及其求法

讨论了一类数列极限存在性的证明与其值的求法,通过考研真题和其他实例验证了提出的证明方法是有效、实用的.     

BL-代数中的落影模糊理想

在落影理论的基础上，本文建立了定义 BL-代数的模糊（关联）理想的理论方法。研究了落影模糊（关联）理想和模糊（关联）理想的关系，证明了模糊（关联）理想是落影模糊（关联）理想，反之不成立。最后，获得了落影模糊（关联）理想的一些等价刻画。     

一类三角模糊层次分析法的无效性分析

模糊层次分析法是非常流行的决策方法,已经有上千篇文献使用它进行决策分析.本文针对Laarhoven等~([1])提出的三角模糊AHP方法,使用几何平均法对来自单个判断的多个专家打分进行合成,从而简化原有模型.对简化模型进行求解得到其解析解.通过理论的和数值的分析,我们发现三角模糊AHP得出的结果是无效的,因为它违反了三角模糊数的基本假设:1)下限值、最有可能值和上限值应该是非减排序;2)最终的三角模糊权重的下限值和上限值应该仅仅与三角模糊判断的下限值和上限值相关;此外,3)三角模糊AHP方法无法应用于2×2或某些残缺三角模糊判断矩阵中.本文展示三角模糊AHP存在的问题并希望AHP的使用者注意这些.我们建议纠正这种错误的方法是坚持传统的判断方法,即基于最大特征值法得AHP以及在此基础上发展的考虑相关与反馈的ANP方法.     

基于改进离散粒子群算法构建制造单元

在未知最佳分群单元数的情况下,考虑了零件多种可选工艺路径和零件工艺顺序,建立基于最小化零件跨单元移动次数的数学模型.通过引入自适应变异因子,提出一种改进的离散粒子群优化算法能动态地确定分群单元数,极大地减少了算法陷入局部最优解的可能.通过对文献中不同规模的单元构建问题进行求解,结果证明了该方法有效,并且无需预先设定分群单元数即可获得与文献中相同甚至更好的结果.     

基于重抽样分布的一类模糊累积和控制图

过程变量在代表产品或服务过程信息时并非完美，而使用模糊数可能是另一较好途径。文章进一步完善模糊累积和控制图，其中使用中心和扩展具有重抽样分布的模糊随机变量，并给出模拟例证。     

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。